Cỡ mẫu EFA là bao nhiêu để chạy SPSS?

Cỡ mẫu EFA là gì trong nghiên cứu định lượng

Cỡ mẫu EFA là số phiếu trả lời hợp lệ được đưa vào Exploratory Factor Analysis, tức phân tích nhân tố khám phá. Con số này quyết định ma trận tương quan có đủ thông tin để nhận diện các nhóm biến quan sát hay không. Bạn cần phân biệt số người trả lời ban đầu với số quan sát hợp lệ sau khi loại phiếu thiếu dữ liệu, trả lời một kiểu hoặc không qua câu hỏi sàng lọc.

EFA thường được chạy sau khi bạn đã xây dựng bảng hỏi và thu thập dữ liệu, nhưng trước hồi quy hoặc kiểm định mô hình. Nếu bảng hỏi có 25 biến quan sát, cỡ mẫu EFA phải được cân nhắc từ chính 25 biến này, không chỉ dựa trên số biến độc lập trong mô hình. Sau EFA, một số biến có thể bị loại, vì vậy bạn nên dự trù số phiếu cao hơn mức tối thiểu.

Trong thực tế, câu hỏi “cỡ mẫu EFA là bao nhiêu” không có một đáp án duy nhất cho mọi đề tài. Bạn cần xem số biến quan sát, chất lượng thang đo, số nhân tố dự kiến, tỷ lệ phiếu không hợp lệ và khả năng tiếp cận người trả lời. Một mẫu vừa đủ để nhập SPSS chưa chắc đã là mẫu tốt để bảo vệ trước hội đồng.

Cách xác định cỡ mẫu EFA là bao nhiêu

Quy tắc thường được dùng trong luận văn là mỗi biến quan sát cần khoảng 5 đến 10 quan sát. Với bảng hỏi có 30 biến quan sát, khoảng tham khảo là 150 đến 300 quan sát hợp lệ. Quy tắc này được trình bày trong Hair và cộng sự (2010). Đây là mốc thiết kế ban đầu, không phải cam kết rằng dữ liệu của bạn chắc chắn tạo ra một ma trận xoay đẹp.

Bạn có thể đối chiếu thêm các mức đánh giá cỡ mẫu nhân tố của Comrey và Lee. Các mức này giúp bạn giải thích chất lượng mẫu trong phương pháp nghiên cứu, nhưng vẫn cần xem xét độ mạnh của tương quan giữa các biến và số lượng nhân tố. Nếu đề tài có nhiều thang đo mới hoặc mẫu có nhiều nhóm nhỏ, nên nghiêng về phía 10 quan sát cho mỗi biến thay vì chỉ lấy 5.

Ví dụ, bảng hỏi của bạn có 4 khái niệm, mỗi khái niệm gồm 5 biến quan sát, tổng cộng 20 biến. Mức tối thiểu theo tỷ lệ 5 lần là 100 quan sát hợp lệ, còn mức thận trọng 10 lần là 200. Nếu dự đoán khoảng 15% phiếu bị loại, bạn không nên chỉ phát 200 phiếu để lấy đủ 200 phiếu hợp lệ. Số phiếu cần thu dự kiến là 200 chia cho 0,85, tương đương khoảng 236 phiếu.

Công thức này chỉ là cách dự trù tỷ lệ hao hụt. Nếu cần xem thêm các cách tính theo tổng thể, tỷ lệ và sai số, bạn có thể tham khảo công thức tính cỡ mẫu. Khi viết luận văn, hãy ghi rõ bạn đang nói đến cỡ mẫu dự kiến, cỡ mẫu thu về và cỡ mẫu hợp lệ dùng cho EFA.

Bạn cũng cần tách cỡ mẫu EFA khỏi cỡ mẫu hồi quy. Cỡ mẫu hồi quy là bao nhiêu còn phụ thuộc số biến độc lập và quy tắc kiểm định bạn chọn. Một mẫu đạt tỷ lệ biến quan sát cho EFA vẫn có thể cần kiểm tra thêm bằng quy tắc cho hồi quy, chẳng hạn mức 50 + 8m với m là số biến độc lập theo Tabachnick và Fidell (2013).

Thiết kế bảng hỏi phục vụ mục tiêu này

Cỡ mẫu tối thiểu không cứu được một bảng hỏi có biến quan sát mơ hồ. Trước khi phát phiếu, bạn cần kiểm tra mỗi biến đang đo một khái niệm cụ thể, câu chữ phù hợp với người trả lời và thang đo thống nhất. Bảng hỏi nên có phần giới thiệu ngắn, câu hỏi sàng lọc, thông tin nhân khẩu học cần thiết và các nhóm biến quan sát.

Nếu dùng thang đo Likert, bạn nên ghi rõ hướng của các mức trả lời. Thang Likert được sử dụng để đo thái độ từ công trình của Likert (1932), còn số mức cụ thể cần nhất quán trong toàn bộ bảng hỏi. Thang 5 mức thường dễ trả lời, trong khi thang 7 mức cho nhiều mức phân biệt hơn nhưng có thể khiến một số nhóm người trả lời phân vân.

Câu hỏi sàng lọc cần đặt trước phần thang đo. Ví dụ, nếu nghiên cứu trải nghiệm sử dụng một ứng dụng, bạn có thể hỏi người trả lời đã sử dụng ứng dụng trong khoảng thời gian phù hợp hay chưa. Câu trả lời “chưa từng sử dụng” cần được xử lý theo logic của bảng hỏi, không để người đó đánh giá một dịch vụ họ chưa biết.

Khi viết biến quan sát, dùng một câu cho một ý. Câu hỏi ghép hai ý như “ứng dụng dễ dùng và hữu ích” khiến người trả lời không biết đánh giá phần nào. Bạn cũng nên tránh câu phủ định kép, thuật ngữ nội bộ và các từ gợi ý đáp án. Với biến đảo chiều, hãy ghi chú riêng để mã hóa lại trước khi chạy EFA, vì để nguyên hướng mã có thể làm tương quan bị đảo.

Bạn có thể xem bảng hỏi là gì để rà lại cấu trúc công cụ trước khi phát phiếu. Nếu cần một mẫu để chỉnh sửa, biểu mẫu khảo sát và form khảo sát có thể giúp bạn hình dung phần câu hỏi, phần sàng lọc và trường thông tin cần thu thập. Các mẫu này chỉ là điểm bắt đầu, không thay thế việc đọc định nghĩa khái niệm và kiểm tra thang đo của đề tài.

Trước khi thu chính thức, hãy thử bảng hỏi với một nhóm nhỏ để phát hiện câu khó hiểu, lỗi bắt buộc trả lời và thời gian hoàn thành quá dài. Mục tiêu của bước thử là sửa công cụ và quy trình, không dùng nhóm thử như bằng chứng rằng EFA chính thức sẽ đạt.

Triển khai thu dữ liệu cho cỡ mẫu EFA

Bạn cần lập kế hoạch thu nhiều hơn cỡ mẫu hợp lệ mục tiêu. Nếu muốn có 250 phiếu hợp lệ và dự kiến 10% phiếu bị loại, số phiếu cần thu khoảng 278. Tỷ lệ hao hụt thực tế phụ thuộc kênh phát bảng hỏi, độ dài biểu mẫu, điều kiện sàng lọc và mức độ nghiêm túc của người trả lời.

Nguồn mẫu phải liên quan đến đối tượng nghiên cứu. Bạn nên ghi lại thời gian thu thập, kênh tiếp cận, tiêu chí chọn người trả lời và số phiếu bị loại. Những thông tin này giúp bạn giải trình cỡ mẫu tối thiểu, thay vì chỉ ghi một con số cuối cùng trong chương 3.

Bạn có thể phát bảng hỏi qua phiếu khảo sát online. DoThesis có fillform.info, công cụ biểu mẫu của chúng tôi dành cho việc thu thập phản hồi bảng hỏi bằng tiếng Việt. Google Forms là lựa chọn thay thế phổ biến. Dù dùng công cụ nào, bạn vẫn cần xuất dữ liệu về .csv hoặc định dạng phù hợp trước khi nhập SPSS và kiểm tra lại mã hóa.

Đừng kéo dài thu thập chỉ để tăng số lượng nếu các phiếu mới đến từ một nhóm rất khác với mẫu ban đầu. Mẫu lớn hơn không tự động khắc phục sai lệch chọn mẫu. Nếu bạn thu chủ yếu từ sinh viên năm nhất nhưng đề tài nói về toàn bộ người đi làm, vấn đề nằm ở khung mẫu chứ không chỉ ở cỡ mẫu EFA.

Làm sạch dữ liệu trước khi nhập SPSS

Sau khi đóng biểu mẫu, tạo một bản sao dữ liệu gốc và chỉ làm việc trên bản sao. Giữ một file ghi lại mã phiếu bị loại, lý do loại và thời điểm xử lý. Cách này giúp bạn quay lại kiểm tra khi giảng viên hỏi vì sao số phiếu từ 320 còn 286.

Trước hết, kiểm tra các dòng không qua câu hỏi sàng lọc, phiếu bỏ trống quá nhiều biến quan sát và các mã ngoài phạm vi thang đo. Một ô trống đơn lẻ cần được xử lý theo kế hoạch dữ liệu thiếu, còn một phiếu thiếu cả nhóm thang đo thường không phù hợp để đưa vào EFA.

Tiếp theo, xem hiện tượng straight-lining, tức người trả lời chọn cùng một mức cho gần như toàn bộ biến. Đây là dấu hiệu cần kiểm tra, không phải bằng chứng duy nhất để loại phiếu. Bạn nên xem thêm thời gian hoàn thành, câu hỏi kiểm tra chú ý nếu có, mẫu câu trả lời và tính hợp lý của thông tin sàng lọc.

Các cột định danh như họ tên, số điện thoại hoặc email không đưa vào EFA. Mã người trả lời có thể giữ ở file đối chiếu nhưng nên loại khỏi tập biến phân tích. Các biến nhân khẩu học dạng nhóm cũng thường dùng để mô tả mẫu hoặc phân nhóm, không đưa chung vào EFA với các biến đo khái niệm nếu thiết kế nghiên cứu không yêu cầu.

Sau khi làm sạch, mở SPSS và kiểm tra Variable View. Nhãn biến, Value Labels, Missing và Measure cần nhất quán. Biến Likert thường được nhập dưới dạng số, chẳng hạn từ 1 đến 5, nhưng số 1 phải luôn có cùng ý nghĩa trong nhóm biến. Nếu có biến đảo chiều, recode trước khi chạy Cronbach's Alpha và EFA.

Khi chạy EFA, bạn sẽ xem KMO and Bartlett's Test, Total Variance Explained, Communalities và Rotated Component Matrix. KMO từ 0.5 trở lên được dùng làm mốc phù hợp, còn Bartlett's Test cần có ý nghĩa thống kê theo cách báo cáo thông dụng của EFA, với căn cứ Kaiser (1974). Factor loading từ 0.5 trở lên là mốc tham khảo được Hair và cộng sự (2010) nêu cho phân tích nhân tố.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo các bảng SPSS để bạn biết cần đọc phần nào.

Các số trong bảng chỉ để minh họa cách đọc output. Bạn không được chép chúng vào chương 4 hoặc dùng chúng để kết luận cho dữ liệu của mình. Kết quả thật có thể khác về số nhân tố, eigenvalue, loading và tỷ lệ phương sai trích.

Cách trình bày cỡ mẫu EFA trong chương 3

Trong chương phương pháp, bạn nên trình bày theo thứ tự: tổng số biến quan sát, căn cứ chọn cỡ mẫu, số phiếu dự kiến, số phiếu thu về, số phiếu bị loại và số quan sát hợp lệ đưa vào EFA. Nếu có nhiều giai đoạn thu thập, ghi rõ từng giai đoạn thay vì cộng số phiếu mà không giải thích.

Cách viết vào luận văn: “Nghiên cứu dự kiến sử dụng [số biến quan sát] biến quan sát. Theo quy tắc [5 đến 10] quan sát cho mỗi biến quan sát của Hair và cộng sự (2010), cỡ mẫu tối thiểu được xác định là [cỡ mẫu tối thiểu] quan sát. Sau khi dự phòng [tỷ lệ]% phiếu không hợp lệ, nhóm nghiên cứu thu [số phiếu thu về] phiếu, trong đó [số phiếu hợp lệ] phiếu được sử dụng cho phân tích EFA.”

Bạn cần thay toàn bộ phần trong ngoặc vuông bằng số liệu thật trong file của mình. Nếu số phiếu hợp lệ thấp hơn kế hoạch, hãy báo cáo đúng con số và nêu giới hạn, không điều chỉnh ngược số liệu để làm đẹp phương pháp. Nếu dùng thêm căn cứ Comrey và Lee, hãy giải thích đó là căn cứ tham khảo bổ sung cho mức độ phù hợp của mẫu.

Ở phần kết quả, báo cáo số quan sát thực tế dùng trong SPSS trước khi đưa bảng KMO and Bartlett's Test. Sau đó trình bày số nhân tố giữ lại, phương pháp trích, phương pháp xoay, các biến bị loại nếu có và lý do loại. EFA hiếm khi ra đúng cấu trúc đẹp ngay lần đầu. Loại biến có loading thấp hoặc tải chéo cao có thể xảy ra, nhưng mỗi vòng xử lý cần được ghi lại để tránh biến đổi kết quả tùy ý.

Lỗi thường gặp khi chọn cỡ mẫu EFA

Lỗi đầu tiên là lấy cỡ mẫu theo số biến độc lập của mô hình hồi quy, trong khi EFA được chạy trên toàn bộ biến quan sát của các thang đo. Hãy đếm đúng các biến được đưa vào EFA, không chỉ đếm các khái niệm trong mô hình.

Lỗi thứ hai là phát đúng số phiếu tối thiểu và không dự phòng phiếu lỗi. Nếu cần 200 phiếu hợp lệ, bạn nên dự kiến tỷ lệ loại và thu cao hơn. Khi báo cáo, tách rõ “thu về” và “hợp lệ”, vì hai số này trả lời hai câu hỏi khác nhau.

Lỗi thứ ba là tin rằng cỡ mẫu lớn sẽ làm mọi thang đo đạt. Cỡ mẫu không sửa được biến quan sát sai khái niệm, câu hỏi khó hiểu, mẫu không đúng đối tượng hoặc dữ liệu straight-lining. Bạn cần xử lý từ thiết kế bảng hỏi, cách chọn người trả lời và quy trình làm sạch.

Lỗi thứ tư là trộn cỡ mẫu EFA với cỡ mẫu PLS-SEM. Cỡ mẫu PLS-SEM có logic và cách đánh giá riêng, trong đó bạn cần phân biệt measurement model với structural model. Nếu đề tài dùng SmartPLS, đừng lấy một quy tắc đơn giản của EFA để kết luận toàn bộ mô hình PLS-SEM đã đủ mẫu.

Cuối cùng, đừng loại hàng loạt biến chỉ vì muốn KMO hoặc alpha đẹp hơn. Mỗi biến bị loại phải được xem xét cả về thống kê, nội dung khái niệm và lập luận lý thuyết. Khi hội đồng hỏi, bạn cần giải thích được biến bị loại ảnh hưởng thế nào đến độ bao phủ của thang đo.

Câu hỏi thường gặp

Cỡ mẫu EFA tối thiểu là bao nhiêu

Mốc tối thiểu thường được dự trù bằng 5 lần số biến quan sát, còn mức thận trọng là 10 lần theo Hair và cộng sự (2010). Ví dụ, 24 biến quan sát tương ứng khoảng 120 đến 240 quan sát hợp lệ. Bạn nên dự phòng thêm phiếu không hợp lệ và cân nhắc hướng đến 200 quan sát khi có thể, theo các mức tham khảo của Comrey và Lee (1992).

Cỡ mẫu tối thiểu bao nhiêu là tốt cho EFA

Không có một con số tốt cho mọi đề tài. Cỡ mẫu 200 thường là mốc thực tế để hướng đến, còn 300 cho mức rất tốt theo Comrey và Lee (1992), nhưng chất lượng mẫu và cấu trúc tương quan vẫn cần được kiểm tra. Nếu mẫu chỉ đạt mức thấp, hãy trình bày rõ căn cứ, hạn chế và kết quả KMO, Bartlett's Test cùng các bảng EFA.

Cỡ mẫu EFA có cần bằng cỡ mẫu hồi quy không

Nếu bạn chạy EFA rồi dùng cùng bộ dữ liệu cho hồi quy, số quan sát hợp lệ phải đáp ứng yêu cầu của cả hai phân tích. Cỡ mẫu hồi quy là bao nhiêu cần xem số biến độc lập và quy tắc áp dụng, chẳng hạn công thức 50 + 8m theo Tabachnick và Fidell (2013). Vì vậy, hãy so sánh hai yêu cầu và chọn mức cao hơn cho kế hoạch thu thập.

Cỡ mẫu PLS-SEM có giống cỡ mẫu EFA không

Cỡ mẫu PLS-SEM và cỡ mẫu EFA không nên đánh đồng. PLS-SEM đánh giá mô hình đo lường và mô hình cấu trúc bằng các chỉ số như outer loading, CR, AVE, HTMT, path coefficient và R². Nếu dùng SmartPLS, bạn cần dựa vào thiết kế mô hình, số đường dẫn và quy trình PLS-SEM phù hợp, thay vì chỉ nhân số biến quan sát với 5.

Có thể chạy EFA khi chưa đủ cỡ mẫu tối thiểu không

Bạn vẫn có thể mở SPSS và chạy thử để kiểm tra dữ liệu, nhưng không nên gọi đó là kết quả chính thức nếu mẫu thấp hơn kế hoạch mà không giải trình. Hãy kiểm tra lại số biến quan sát, tỷ lệ phiếu lỗi và khả năng thu bổ sung. Nếu không thể thu thêm, báo cáo trung thực cỡ mẫu thực tế và xem đó là giới hạn của nghiên cứu.

Sau khi đếm số biến quan sát trong file, hãy tính cả cỡ mẫu tối thiểu lẫn số phiếu cần thu dự phòng, rồi đối chiếu với số phiếu hợp lệ trước khi chạy EFA. Nếu bạn muốn xử lý phân tích trên chính file .sav hoặc .csv của mình, có thể dùng module M4 phân tích dữ liệu của DoThesis.