Dẫn nguồn các yêu cầu kiểm định, thống kê trong SPSS

Một bài nghiên cứu sử dụng SPSS để phân tích định lượng chúng ta thường phải sử dụng các kiểm định, phân tích. Điển hình nhất là kiểm định độ tin cậy thang đo Cronbach Alpha và phân tích nhân tố khám phá EFA.

Mỗi kiểm định, phân tích đều có một hay nhiều yếu tố cần phải thỏa mãn một số yêu cầu để đảm bảo kiểm định là có ý nghĩa. Việc dẫn nguồn các mức giá trị thống kê SPSS này là hết sức quan trọng để tăng tính thuyết phục và là bằng chứng cho những gì một người làm nghiên cứu viết và trình bày trong bài luận của mình.

 Xem thêm: TOP 50 mẫu Slide PowerPoint đẹp phục vụ cho thuyết trình

Tìm nguồn tài liệu gốc liên quan về SPSS trên soure Internet tại Việt Nam cũng hơi khó khăn, chính vì vậy hôm nay Phạm Lộc Blog xin tổng hợp lại và trình bày ở bài viết này, hy vọng sẽ giúp ích cho các bạn trong quá trình làm nghiên cứu:

1. KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, Phân tích dữ liệu  nghiên cứu với SPSS, Tập 2, trang 31 – Năm 2008, NXB Hồng Đức)
2. Đại lượng Barlett’s test of sphericity là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu sig kiểm định này bé hơn hoặc bằng 0.05, kiểm định có ý nghĩa thống kê, có thể sử dụng kết quả phân tích EFA (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, Phân tích dữ liệu  nghiên cứu với SPSS - Tập 2, NXB Hồng Đức, 2008, 30)
3. Hệ số tải nhân tố Factor Loading lớn hơn hoặc bằng 0.5. Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International, Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor Loading > 0.3 được xem là mức tối thiểu, Factor Loading > 0.4 được xem là quan trọng, Factor Loading ≥ 0.5 được xem là có ý nghĩa thực tiễn. Hair & ctg (1998,111) cũng khuyên rằng, nếu chọn tiêu chí Factor Loading > 0.3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn Factor Loading > 0.55, nếu cỡ mẫu khoảng 50 thì Factor Loading > 0.75
4. Kết quả phân tích nhân tố được chấp nhận khi tổng phương sai trích > 50% và Eigenvalue lớn hơn 1 (Gerbing & Anderson, “An Update Paradigm for Scale Development Incorporing Unidimensionality and Its Assessments”, Journal of Marketing Research, Vol.25, 1998, 186-192)
5. Khác biệt hệ số tải nhân tố Factor Loading của một biến quan sát giữa các nhân tố phải ≥ 0.3 để đảm bảo tính phân biệt giữa các nhân tố. Do đó, trong ma trận xoay, một biến quan sát tải lên ở cả 2 nhân tố mà giá trị chênh lệch hệ số tải dưới 0.3 thì biến đó bị loại (Jabnoun & Al-Tamimi “Measuring perceived service quality at UAE commercial banks”, International Journal of Quality and Reliability Management, 2003, 4)
6. Các biến quan sát có hệ số tương quan biến tổng Item-Total Correlation nhỏ hơn 0.3 sẽ bị loại và thang đo đảm bảo độ tin cậy khi hệ số Cronbach Alpha từ 0.6 trở lên (Nunnally & Burnstein “Pschy Chometric Theory”, 3rd edition, McGraw Hill, 1994)
7. Nguyên tắc lấy mẫu phổ biến nhất hiện nay là Bollen 5:1 (1989). Mẫu nghiên cứu tối thiểu phải gấp 5 lần số lượng biến quan sát, biến quan sát ở đây là các câu hỏi trong bảng khảo sát. Lưu ý, các câu hỏi này thuộc các nhân tố trong mô hình nghiên cứu, không tính các câu hỏi đặc điểm cá nhân (tuổi, giới tính, nghề nghiệp...), câu hỏi hâm nóng, câu hỏi gạn lọc.... Ví dụ, bảng hỏi của bạn có 30 câu hỏi quan sát, thì mẫu tối thiểu của các bạn là 30*5=150. Mình nhấn mạnh, 150 là con số tối thiểu chứ không phải các bạn lúc phải lấy mẫu bằng 150 mới đúng. Mẫu càng lớn nghiên cứu càng giá trị, nên các bạn lấy 300, 500... càng tốt nhé. Do chúng ta không đủ tài chính, thời gian và các yếu tố nguồn lực khác nên chúng ta mới phải lấy giới hạn (Bollen KA. Structural equations with latent variables. New York, NY: John Wiley, 1989)

Đây là những thông tin mình tìm được từ tài liệu của nhiều giảng viên, tác giả uy tín đã tham gia giảng dạy SPSS tại Việt Nam. Các bạn có những góp ý, bổ sung vui lòng comment phía dưới để mọi người cùng trao đổi, thảo luận.