Cách thức thực hiện phân tích nhân tố khám phá (EFA) đối với các nghiên cứu có sử dụng phân tích nhân tố khẳng định (CFA) và mô hình cấu trúc tuyến tính (SEM) trên AMOS về cơ bản không có sự khác biệt đáng kể so với các nghiên cứu không triển khai CFA.
Sự khác biệt chủ yếu xuất phát từ việc lựa chọn phương thức tiến hành EFA theo hướng phân tích chung hay phân tích riêng giữa các nhóm biến, do các mô hình SEM thường có cấu trúc phức tạp và có thể xuất hiện các biến trung gian.
1. Phân tích EFA theo hướng chung hay riêng
Việc lựa chọn phân tích EFA chung hay riêng các nhóm biến cần được xem xét trên cơ sở mối quan hệ giữa các biến trong mô hình nghiên cứu.
Về mặt lý thuyết và thực nghiệm, biến độc lập và biến phụ thuộc được xác định dựa trên các học thuyết nền tảng hoặc các nghiên cứu trước đó đã chứng minh sự tồn tại của mối quan hệ tác động từ biến độc lập đến biến phụ thuộc. Khi tồn tại mối quan hệ tác động, trong đa số trường hợp sẽ đồng thời tồn tại mối tương quan từ mức trung bình đến mức mạnh giữa hai loại biến này, làm suy giảm mức độ phân biệt giữa các cấu trúc.
Một trong những chức năng cốt lõi của EFA, bất kể phương pháp trích nhân tố hay phương pháp xoay được sử dụng, là đánh giá tính phân biệt giữa các cấu trúc thang đo. Khi tính phân biệt được đảm bảo, các nhóm biến quan sát sẽ hội tụ vào các nhân tố riêng biệt, thể hiện qua các cột độc lập trong ma trận xoay. Trong trường hợp các biến độc lập và biến phụ thuộc được đưa vào phân tích EFA chung, mức độ tương quan cao giữa chúng có thể dẫn đến hiện tượng các biến quan sát của cấu trúc phụ thuộc bị gộp chung với các biến của cấu trúc độc lập. Điều này làm cho kết quả EFA không đảm bảo được tính phân biệt của thang đo, thể hiện qua ma trận xoay thiếu rõ ràng và khó diễn giải. Do đó, việc thực hiện EFA riêng cho các nhóm biến độc lập và biến phụ thuộc được xem là phương án tối ưu, vừa phù hợp với bản chất tương quan giữa các biến, vừa nhất quán với quan điểm của nhiều tác giả trong lĩnh vực phương pháp nghiên cứu.
Từ các lập luận trên, mô hình nghiên cứu có thể được phân loại tương ứng với hai phương pháp triển khai EFA. Trước hết, cần làm rõ vai trò của biến trung gian, do biến này đồng thời mang tính chất của biến độc lập và biến phụ thuộc. Vì vậy, khi đề cập đến số lượng biến độc lập hoặc biến phụ thuộc trong mô hình, biến trung gian được tính cho cả hai nhóm.
- Mô hình đơn giản là mô hình trong đó vai trò các biến được xác định rõ ràng, số lượng biến phụ thuộc ít, số lượng biến độc lập nhiều, và nhiều biến độc lập cùng tác động đến một biến phụ thuộc. Trong trường hợp này, EFA nên được thực hiện riêng cho nhóm biến độc lập, nhóm biến trung gian và nhóm biến phụ thuộc.
- Mô hình phức tạp là mô hình trong đó vai trò biến vẫn có thể xác định nhưng số lượng biến trung gian lớn, các mối quan hệ tác động đan xen, số lượng biến phụ thuộc nhiều và tồn tại nhiều mối quan hệ dạng một biến độc lập tác động lên một biến phụ thuộc. Trong trường hợp này, việc thực hiện EFA chung cho tất cả các biến được xem là phù hợp hơn. Lý do là nếu tiến hành EFA riêng lẻ thì số lần phân tích EFA sẽ quá nhiều, trong khi số lượng biến trong mỗi lần phân tích lại quá ít, không tối ưu về mặt chức năng của EFA cũng như gây khó khăn trong việc trình bày kết quả trong luận văn hoặc bài nghiên cứu.
Một quan điểm thường gặp cho rằng các nghiên cứu có sử dụng CFA và SEM thì cần thực hiện EFA chung cho tất cả các biến.
→ Tuy nhiên, đây là nhận định thiếu cơ sở phương pháp luận và chỉ phù hợp trong một số trường hợp nhất định. Do đó, không nên áp dụng nhận định này một cách cứng nhắc cho mọi nghiên cứu. Việc sử dụng hồi quy hay SEM để xử lý mô hình đường dẫn không phải là tiêu chí quyết định việc thực hiện EFA chung hay riêng.
Việc lựa chọn phân tích EFA chung hay riêng hoàn toàn phụ thuộc vào mức độ đơn giản hay phức tạp của mô hình nghiên cứu, hay nói cách khác là phụ thuộc vào vai trò và mối quan hệ giữa các biến trong mô hình. Khi mô hình có ít biến trung gian, ít biến phụ thuộc và nhiều biến độc lập, EFA riêng cho từng nhóm biến là lựa chọn phù hợp. Ngược lại, khi mô hình có ít biến độc lập, nhiều biến trung gian và cấu trúc quan hệ phức tạp, nhà nghiên cứu có thể cân nhắc bỏ qua EFA hoặc thực hiện EFA chung.
Nguồn gốc của nhận định cho rằng các mô hình sử dụng CFA và SEM cần phân tích EFA chung cho tất cả các biến xuất phát từ thực tế rằng các mô hình SEM thường có cấu trúc phức tạp và chứa nhiều biến trung gian. Tuy nhiên,
Cần lưu ý rằng không phải mọi mô hình SEM đều có mức độ phức tạp cao. Trong nhiều trường hợp, mô hình SEM có cấu trúc tương đối đơn giản, số lượng biến trung gian ít, số lượng biến độc lập nhiều và vai trò biến được xác định rõ ràng. Đối với các mô hình như vậy, việc thực hiện EFA riêng cho các nhóm biến vẫn là giải pháp tối ưu.
Bên cạnh đó, CFA và SEM không chỉ được thiết kế để sử dụng cho các mô hình phức tạp mà còn có thể áp dụng hiệu quả cho các mô hình đơn giản. Hai phương pháp này được phát triển nhằm đánh giá nhiều dạng mô hình nghiên cứu khác nhau, không giới hạn ở các cấu trúc phức tạp. Do đó, khi mô hình nghiên cứu có cấu trúc đơn giản và vai trò biến được xác định rõ ràng, nhà nghiên cứu hoàn toàn có thể thực hiện EFA riêng cho từng nhóm biến, sau đó tiến hành CFA và SEM theo quy trình chuẩn.
2. Phân tích EFA cho nghiên cứu tiếp theo CFA và SEM
Sau khi xác định được phương án triển khai phân tích EFA theo mô hình chung hoặc mô hình riêng cho từng thang đo, nghiên cứu tiến hành thực hiện EFA và diễn giải kết quả theo quy trình chuẩn, tương tự như các hướng dẫn đã được trình bày trong các tài liệu về phân tích nhân tố khám phá bằng SPSS. Quy trình này bao gồm các bước chạy EFA, đánh giá mức độ phù hợp của dữ liệu và xem xét cấu trúc nhân tố rút trích được.
Một số nội dung cần lưu ý trong quá trình thực hiện EFA được trình bày như sau:
2.1. Lựa chọn phương pháp trích nhân tố (Extraction)
Trường hợp mục tiêu của phân tích EFA là tối đa hóa tổng phương sai trích, nhằm đảm bảo các nhân tố rút trích giải thích được mức độ biến thiên lớn nhất của các biến quan sát, phương pháp Principal Components Analysis (PCA) thường được sử dụng. Ngược lại, nếu mục tiêu chính là xác định cấu trúc các nhóm biến một cách rõ ràng, tập trung vào việc sàng lọc các biến quan sát có chất lượng cao và hạn chế hiện tượng một biến tải lên nhiều nhân tố, phương pháp Principal Axis Factoring (PAF) được đánh giá là phù hợp hơn. Tuy nhiên, việc sử dụng PAF thường dẫn đến tổng phương sai trích thấp hơn và hệ số tải nhân tố của các biến quan sát có xu hướng nhỏ hơn so với PCA.
Khuyến nghị: cả hai phương pháp trích đều có thể sử dụng, việc lựa chọn phụ thuộc vào mục tiêu nghiên cứu cụ thể của người thực hiện.
2.2. Lựa chọn phép quay nhân tố (Rotation)
Trong bối cảnh nghiên cứu giả định rằng các nhân tố có mối tương quan với nhau, việc sử dụng phép quay xiên được xem là phù hợp. Trong số các phép quay xiên, Promax thường được ưu tiên do khả năng phản ánh tốt hơn mối quan hệ giữa các nhân tố và hỗ trợ hiệu quả cho bước phân tích nhân tố khẳng định CFA ở giai đoạn tiếp theo.
Khuyến nghị: nên sử dụng phép quay Promax.
2.3. Ngưỡng hệ số tải nhân tố (Factor Loading)
Do các tiêu chí đánh giá biến quan sát trong CFA tương đối nghiêm ngặt, ở giai đoạn EFA cần áp dụng ngưỡng hệ số tải đủ cao nhằm đảm bảo chất lượng thang đo. Theo khuyến nghị của Hair và cộng sự (2010), ngưỡng hệ số tải từ 0.5 trở lên được xem là phù hợp để lựa chọn các biến quan sát có giá trị đại diện tốt cho nhân tố.
Sau khi hoàn tất phân tích EFA và xác lập được cấu trúc nhân tố ổn định, nghiên cứu tiếp tục chuyển sang bước phân tích nhân tố khẳng định CFA nhằm kiểm định mức độ phù hợp của mô hình đo lường.
