Kết quả EFA trong luận văn là gì? Cách trình bày và đọc output

Kết quả EFA trong luận văn là gì

Bạn mở file SPSS lên, các bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix xuất hiện, nhưng chưa biết bảng nào cần đưa vào chương 4. Kết quả EFA trong luận văn là phần trình bày những gì phân tích nhân tố khám phá đã phát hiện về cấu trúc của các biến quan sát: dữ liệu có phù hợp để chạy EFA không, có bao nhiêu nhân tố được rút ra, mỗi nhân tố giải thích bao nhiêu phương sai và biến nào thuộc về nhân tố nào.

EFA thường được dùng sau khi bạn kiểm tra độ tin cậy thang đo bằng Cronbach's Alpha và trước khi chạy hồi quy hoặc mô hình cấu trúc. EFA không chứng minh giả thuyết nghiên cứu. Nó kiểm tra xem các biến quan sát trong bộ dữ liệu thực tế có tập hợp gần với các nhóm khái niệm dự kiến hay không. Vì vậy, khi viết kết quả nghiên cứu trong luận văn, bạn cần tách rõ phần EFA khỏi phần hồi quy và kiểm định giả thuyết.

Một đoạn EFA đầy đủ thường có bốn ý: điều kiện chạy EFA, số nhân tố được giữ lại, tổng phương sai trích, và hệ số tải nhân tố sau xoay. Nếu biến bị loại, bạn cũng cần ghi lý do và số vòng chạy, thay vì chỉ đưa bảng cuối cùng rồi kết luận rằng thang đo đạt.

Cấu trúc chuẩn của phần kết quả EFA

Trong một luận văn định lượng, phần EFA thường nằm ở chương kết quả, sau thống kê mô tả mẫu và kiểm định Cronbach's Alpha. Bạn có thể xem cách sắp xếp phần mẫu trong bài thống kê mô tả mẫu trong luận văn là gì, sau đó đặt EFA trước hồi quy.

Bạn không nhất thiết phải chép toàn bộ output dài nhiều trang vào luận văn. Hãy chọn bảng tổng hợp dễ đọc, ghi rõ tiêu chí sử dụng, còn output đầy đủ có thể đưa vào phụ lục nếu giảng viên yêu cầu. Phần nhận xét phải đi cùng con số cụ thể lấy từ file của bạn.

Kết quả kiểm định thang đo trong luận văn là gì cũng là câu hỏi thường đi cùng EFA. Cronbach's Alpha trả lời vấn đề nhất quán nội tại của thang đo, còn EFA xem cấu trúc nhóm biến. Hai kết quả có liên quan nhưng không thay thế cho nhau.

Các bước viết phần kết quả EFA

Bước 1: Xác định phạm vi và mục tiêu của EFA

Trước khi mở SPSS, bạn kiểm tra danh sách biến đã qua Cronbach's Alpha. Ghi lại biến nào thuộc khái niệm nào trong mô hình lý thuyết, biến nào đã bị loại và số biến còn lại. Nếu chạy EFA cho biến độc lập và biến phụ thuộc, hãy xác định bạn chạy chung hay tách riêng theo thiết kế nghiên cứu và hướng dẫn của giảng viên.

Một lỗi hay gặp là đưa cả biến nhân khẩu học như giới tính, tuổi, trình độ vào EFA. Các biến này thường dùng để mô tả mẫu hoặc phân nhóm, không phải biến quan sát của thang đo. Bạn cũng cần chắc rằng các biến được mã hóa cùng chiều. Biến đảo chiều phải được recode trước khi chạy.

Bước 2: Đọc KMO và Bartlett's Test

Trong SPSS, vào Analyze > Dimension Reduction > Factor. Đưa các biến quan sát vào ô Variables, chọn Descriptives, đánh dấu KMO and Bartlett's test of sphericity. Trong phần Extraction, có thể chọn Principal components nếu đó là quy ước phương pháp của đề tài, đồng thời chọn hiển thị Unrotated factor solution và biểu đồ Scree plot khi cần.

KMO cho biết mức độ phù hợp chung của dữ liệu với phân tích nhân tố. Bartlett's Test kiểm tra ma trận tương quan giữa các biến có khác ma trận đơn vị hay không. Theo Kaiser (1974), KMO từ 0.5 trở lên và Bartlett có Sig. nhỏ hơn 0.05 là điều kiện thường được sử dụng để tiếp tục EFA.

Bước 3: Xác định số nhân tố trong Total Variance Explained

Trong cùng hộp thoại, mở Extraction. Nếu đề tài sử dụng quy tắc eigenvalue lớn hơn 1, chọn Eigenvalues over 1. Bảng Total Variance Explained cho bạn biết từng nhân tố có eigenvalue bao nhiêu và phần trăm phương sai được giải thích.

Theo Kaiser (1960), eigenvalue lớn hơn 1 là một quy tắc trích nhân tố thường được dùng. Tổng phương sai trích từ 50% trở lên thường được xem là đạt theo Hair và cộng sự (2010). Tuy nhiên, bạn không nên chỉ nhìn một con số. Hãy đối chiếu số nhân tố lý thuyết, Scree plot và ý nghĩa nội dung của các biến quan sát.

Bước 4: Đọc Rotated Component Matrix

Trong Rotation, chọn Varimax nếu mô hình của bạn giả định các nhân tố độc lập, hoặc phương pháp xoay phù hợp với thiết kế được phê duyệt. Trong Options, chọn Sorted by size và đặt Suppress small coefficients ở mức bạn cần quan sát, chẳng hạn 0.30. Sau đó chạy lại và mở bảng Rotated Component Matrix.

Bạn đọc theo từng hàng biến quan sát. Một biến có hệ số tải cao trên một nhân tố và thấp trên các nhân tố còn lại sẽ dễ diễn giải hơn. Theo Hair và cộng sự (2010), factor loading từ 0.5 trở lên thường được xem là đạt. Nếu một biến tải cao ở nhiều nhân tố, chênh lệch tải nhỏ hoặc không phù hợp về mặt nội dung, bạn cần cân nhắc loại biến theo lý thuyết, không xóa máy móc để bảng đẹp hơn.

Bước 5: Ghi lại từng vòng xử lý

Nếu loại biến, hãy lưu một file SPSS mới hoặc ghi nhật ký xử lý. Ví dụ: vòng 1 loại X3 vì factor loading thấp, vòng 2 loại X5 vì cross-loading, vòng cuối còn 18 biến và 4 nhân tố. Việc này giúp bạn trả lời khi hội đồng hỏi vì sao số biến trong chương 3 khác với số biến ở chương 4.

Rất ít khi EFA cho kết quả sạch ngay ở lần chạy đầu. Loại biến, chạy lại và kiểm tra lại ý nghĩa nhóm nhân tố là quy trình bình thường. Điểm cần tránh là loại quá nhiều biến chỉ vì muốn đạt một ngưỡng, khiến khái niệm ban đầu mất nội dung.

Bước 6: Đối chiếu với hồi quy và giả thuyết

Sau EFA, bạn tính điểm đại diện cho các nhân tố theo quy ước của đề tài, thường là trung bình các biến quan sát còn lại trong cùng nhóm. Những điểm này mới được dùng trong hồi quy hoặc mô hình tiếp theo. Khi đọc kết quả hồi quy trong luận văn là gì, bạn cần dùng đúng tên nhân tố và số biến đã được xác nhận ở EFA.

EFA không cho biết tác động dương hay âm, cũng không cho biết giả thuyết H1, H2 được chấp nhận. Phần đó thuộc hồi quy, path coefficient hoặc kiểm định giả thuyết. Bạn có thể xem thêm bài kiểm định giả thuyết trong luận văn là gì để tách hai phần này khi viết.

Câu mẫu dùng được

Dưới đây là các câu mẫu có chỗ trống. Bạn thay bằng số liệu thật trong output, không dùng nguyên các con số minh họa ở phần này.

Cách viết vào luận văn: “Kết quả phân tích EFA cho thấy dữ liệu đạt điều kiện thực hiện phân tích nhân tố với KMO = [KMO] và Bartlett's Test có Sig. = [Sig.]. [Số nhân tố] nhân tố được rút trích, giải thích [phương sai]% tổng phương sai; các factor loading nằm trong khoảng [thấp nhất] đến [cao nhất]. Do đó, [số biến] biến quan sát được sử dụng cho bước phân tích tiếp theo.”

Khi viết, hãy thay [KMO], [Sig.], [số nhân tố], [phương sai] và các placeholder khác bằng số liệu từ chính file của bạn. Nếu có biến bị loại, thêm một câu giải thích ngay sau phần mô tả bảng, tránh để người đọc tự đoán.

Ví dụ phần kết quả EFA rút gọn

Bảng dưới đây là số liệu minh họa, được dựng theo tên cột thường thấy trong output SPSS. Đây không phải kết quả của một nghiên cứu cụ thể và không được chép vào luận văn như số liệu thật.

Từ bảng minh họa, đoạn viết có thể là: “Kết quả phân tích EFA cho thấy chỉ số KMO đạt 0.812 và Bartlett's Test có Sig. = 0.000. Như vậy, dữ liệu phù hợp để thực hiện EFA. Kết quả trích được 4 nhân tố có Eigenvalue lớn hơn 1, tổng phương sai trích đạt 63.427%. Các factor loading trong ma trận xoay đạt từ 0.684 trở lên.”

Đây là cách trình bày phần nhận xét, không phải cách thay thế bảng output. Trong bài thật, bạn cần ghi số liệu của mình và nêu rõ biến nào thuộc nhân tố nào. Nếu cần xem một hướng dẫn riêng về văn phong, bảng biểu và thứ tự đoạn, bạn có thể tham khảo cách viết kết quả EFA luận văn.

Lỗi thường gặp khiến hội đồng hỏi lại

Chỉ ghi “EFA đạt” mà không đưa chỉ số. Câu này không cho biết KMO, Bartlett, số nhân tố hay phương sai trích. Hãy đặt con số ngay trong đoạn nhận xét và đưa bảng tổng hợp sau đoạn dẫn.

Dùng nhầm CFI, TLI hoặc RMSEA cho EFA. Đây là các fit index thường gắn với CB-SEM, không phải tiêu chí chính để kết luận một bảng EFA trong SPSS. Với EFA, bạn tập trung vào KMO, Bartlett, eigenvalue, phương sai trích và factor loading.

Gộp các biến khác khái niệm vào một nhóm. Một nhóm có thể có loading đẹp nhưng không có ý nghĩa nội dung. Khi đặt tên nhân tố, hãy xem toàn bộ biến quan sát và định nghĩa khái niệm trong chương cơ sở lý thuyết.

Không nói biến nào bị loại. Hội đồng thường hỏi vì sao thang đo ban đầu có 24 biến nhưng kết quả còn 20. Bạn nên có bảng ghi chú từng vòng loại, lý do loại và số biến còn lại.

Trích dẫn tiêu chí nhưng không nhất quán. Nếu bạn dùng factor loading từ 0.5, hãy ghi rõ tiêu chí và nguồn (Hair và cộng sự, 2010). Nếu đề tài khám phá dùng Alpha từ 0.6, cũng cần nêu nguồn (Hair và cộng sự, 2010) thay vì thay đổi ngưỡng theo từng bảng.

Đưa output chưa xử lý vào chương 4. Output SPSS thường có nhiều bảng trung gian, cột thừa và chữ tiếng Anh khó đọc. Bạn có thể tổng hợp các chỉ số cần thiết thành bảng tiếng Việt, nhưng phải giữ file output gốc để đối chiếu khi được hỏi.

Nhầm EFA với kiểm định giả thuyết. EFA mô tả cấu trúc thang đo. Nó chưa kết luận nhân tố nào ảnh hưởng đến biến phụ thuộc. Kết luận chấp nhận hay bác bỏ H1 đến Hn phải dựa trên kết quả kiểm định ở bước sau.

Đọc thêm: cách ghi tài liệu tham khảo, chủ đề khoa luan tot nghiep.

Câu hỏi thường gặp

Kết quả EFA trong luận văn gồm những bảng nào?

Thông thường, bạn cần bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. Nếu có biến bị loại, nên thêm bảng tóm tắt các vòng xử lý hoặc ghi rõ trong phần diễn giải.

Không phải nghiên cứu nào cũng cần chép nguyên toàn bộ output. Bạn có thể trình bày bảng đã tổng hợp trong chương 4 và đưa output đầy đủ vào phụ lục theo yêu cầu của khoa hoặc giảng viên.

KMO bao nhiêu là đạt khi chạy EFA?

KMO từ 0.5 trở lên thường được dùng làm điều kiện chấp nhận, còn Bartlett's Test cần có Sig. nhỏ hơn 0.05. Các tiêu chí này được nêu trong bảng quyết định dưới đây.

Các mức này là tiêu chí tham khảo cần đặt trong bối cảnh mô hình, cỡ mẫu và nội dung thang đo. Bạn không nên kết luận chỉ từ một chỉ số riêng lẻ.

EFA bị cross-loading thì phải làm sao?

Trước hết, kiểm tra biến đó có tải cao trên từ hai nhân tố trở lên hay không, chênh lệch giữa các loading là bao nhiêu và nội dung biến có mơ hồ không. Sau đó, đối chiếu với cơ sở lý thuyết và cân nhắc loại biến nếu quyết định đó có thể giải thích được.

Bạn nên loại từng biến một, chạy lại EFA và lưu từng phiên bản dữ liệu. Xóa nhiều biến cùng lúc có thể làm thay đổi cấu trúc nhân tố mà bạn không biết nguyên nhân.

Có cần chạy EFA lại sau khi loại biến không?

Có. Sau mỗi lần loại biến, ma trận tương quan và cấu trúc nhân tố có thể thay đổi. Bạn cần kiểm tra lại KMO, Bartlett, số nhân tố, phương sai trích và Rotated Component Matrix.

Trong luận văn, ghi lại quy trình này ngắn gọn nhưng rõ ràng. Ví dụ, vòng đầu loại X4 vì loading thấp, sau đó vòng hai giữ lại cấu trúc ổn định với 4 nhân tố. Nếu chưa rõ cách lưu lại các bước phân tích, hãy giữ cả file .sav gốc và file đã làm sạch.

EFA có thay thế Cronbach's Alpha không?

Không. Cronbach's Alpha đánh giá độ nhất quán nội tại của các biến trong một thang đo, còn EFA kiểm tra cách các biến quan sát tập hợp thành nhân tố. Một thang đo có Alpha đạt vẫn có thể xuất hiện cross-loading hoặc tách thành nhóm khác khi chạy EFA.

Trong quy trình thông thường, bạn chạy Cronbach's Alpha trước, EFA sau, rồi mới tính biến đại diện để chạy hồi quy hoặc mô hình tiếp theo. Bạn cũng nên ghi thứ tự này nhất quán giữa chương phương pháp và chương kết quả.

Kết quả EFA có phải là kết quả nghiên cứu trong luận văn không?

Có, EFA là một phần của kết quả nghiên cứu định lượng. Tuy nhiên, nó chỉ trả lời câu hỏi về cấu trúc và chất lượng hội tụ của các nhóm biến trong dữ liệu. Nó chưa trả lời nhân tố nào tác động đến biến phụ thuộc hoặc giả thuyết nào được chấp nhận.

Vì vậy, chương kết quả nên tách các phần: mô tả mẫu, độ tin cậy thang đo, EFA, tương quan, hồi quy hoặc mô hình cấu trúc, rồi kiểm định giả thuyết. Cách sắp xếp này giúp người đọc theo dõi được từ dữ liệu đầu vào đến kết luận cuối cùng.

Mở file SPSS của bạn, lập một bảng ghi KMO, Bartlett, số nhân tố, phương sai trích, khoảng factor loading và danh sách biến bị loại, rồi dùng các placeholder trong bài để viết thành đoạn kết quả thật. Khi cần chạy EFA trên chính file .sav hoặc .csv và kiểm tra từng vòng xử lý, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.