Giá trị hội tụ và giá trị phân biệt trong SPSS là gì?

  Nhóm MBA Bách Khoa giới thiệu các nội dung sau trong bài:

• Giá trị hội tụ là gì, cách xác định một nhân tố có đạt giá trị hội tụ không?
• Giá trị phân biệt là gì, tiêu chuẩn xác định ra sao?

Hai khái niệm Giá trị hội tụ và giá trị phân biệt xuất hiện trong khi bạn phân tích nhân tố EFA. Nhìn vào bảng ma trận xoay để đánh giá Giá trị hội tụ và Giá trị phân biệt nhé.

Giá trị hội tụ (Convergent validity)

Định nghĩa: Giá trị hội tụ có nghĩa là các biến trong một yếu tố có mối tương quan cao. Điều này được thể hiện bằng các hệ số nhân tố. Hệ số tải phụ thuộc vào kích thước mẫu của bộ dữ liệu của bạn. Nói chung, kích thước mẫu càng nhỏ thì hệ số tải yêu cầu càng cao.  Bất kể kích thước mẫu, quy tắc thông dụng tốt nhất là để tải lớn hơn 0.500 .

Cách xác định một nhân tố có đạt giá trị hội tụ: Hình bên dưới có 6 nhân tố tương ứng với 6 cột 1 2 3 4 5 6. Ta thấy trong từng cột, một nhân tố đạt giá trị hội tụ nếu hệ số tải nhân tố factor loading > 0.5 . Trong nhân tố thứ 1, có một biến làm cho nhân tố này không đạt độ giá trị hội tụ, đó là biến DAPUNG1 ( hệ số tải = 0.35) nên trong thực tế cần phải loại bỏ câu này ra và chạy lại EFA nhé.

Giá trị phân biệt (Discriminant validity)

Định nghĩa giá trị phân biệt: là mức độ mà các yếu tố khác biệt với nhau và không tương quan với nhau. Nguyên tắc là các biến phải liên quan nhiều hơn đến yếu tố của chúng so với các yếu tố khác.

Có hai phương pháp chính để xác định giá trị phân biệt trong phân tích nhân tố:

Phương pháp đầu tiên là kiểm tra ma trận pattern matrix hoặc rotated component matrix. Tiêu chuẩn xác định giá trị phân biệt như sau: Các biến nên có hệ số tải lớn chỉ trên một nhân tố. Nếu "cross-loadings" tồn tại (biến tải trên nhiều yếu tố), thì tải chéo nên khác nhau nhiều hơn 0.3. Có nghĩa là trong cùng một dòng, hệ số tải lớn nhất và hệ số tải lớn nhì phải chênh nhau ít nhất là 0.3 . Trong hình bên dưới , có hai item không đạt giá trị phân biệt được tô màu đỏ.

Phương pháp thứ hai ít được sử dụng hơn là kiểm tra ma trận tương quan yếu tố. Mối tương quan giữa các yếu tố không được vượt quá 0,7. Bởi vì tương quan lớn hơn 0,7 cho thấy shared variance lớn hơn 50%(0.7 * 0.7 = 49% shared variance). ( bảng này chỉ hiển thị khi chạy bằng phương pháp Principal Axis Factoring + Promax)

Như vậy nhóm MBA Bách Khoa đã trình bài các vấn đề liên quan đến khái niệm Giá trị hội tụ và giá trị phân biệt . Các bạn có cần hỗ trợ cứ liên hệ nhóm nhé.

-Viber/zalo qua số điện thoại
-Facebook: http://facebook.com/hoidapSPSS/

-Email: hotrospss@gmail.com