KMO trong SPSS là gì? Cách đọc và xử lý khi KMO nhỏ hơn 0,5
KMO trong SPSS là gì
Bạn mở output SPSS sau khi chạy EFA và thấy bảng KMO and Bartlett's Test, trong đó có một giá trị KMO nhưng chưa biết dùng nó để kết luận gì. KMO, viết đầy đủ là Kaiser-Meyer-Olkin Measure of Sampling Adequacy, đánh giá mức độ phù hợp của dữ liệu với phân tích nhân tố. Chỉ số này xem xét tương quan giữa các biến quan sát và phần tương quan riêng giữa chúng.
KMO nằm trong khoảng từ 0 đến 1. Giá trị càng gần 1 cho thấy các biến có đủ mẫu hình tương quan chung để gom thành các nhân tố. Giá trị thấp cho thấy các biến quan sát có thể chưa liên hệ đủ với nhau, hoặc bảng hỏi đang chứa những biến không cùng đo các khái niệm dự kiến. Trong SPSS, KMO thường được đọc cùng với Bartlett's Test of Sphericity, chứ không nên kết luận chỉ từ một con số riêng lẻ.
Nếu bạn đang kiểm tra toàn bộ quy trình EFA, có thể xem thêm hướng dẫn EFA trong SPSS. Còn KMO chỉ trả lời câu hỏi đầu tiên: dữ liệu có thích hợp để tiếp tục phân tích nhân tố hay chưa.
Ý nghĩa của KMO trong nghiên cứu định lượng
KMO giúp bạn quyết định có nên đi tiếp với EFA hay cần kiểm tra lại dữ liệu trước. EFA tìm cách rút gọn nhiều biến quan sát thành một số nhân tố tiềm ẩn. Muốn việc rút gọn có ý nghĩa, các biến cần có một mức tương quan nhất định. KMO đo mức độ phù hợp chung của ma trận tương quan đó.
Trong nghiên cứu định lượng, KMO không nói rằng thang đo đã tốt, cũng không chứng minh mô hình lý thuyết đúng. Nó chỉ cung cấp bằng chứng về sự phù hợp của dữ liệu mẫu đối với EFA. Sau KMO, bạn vẫn phải xem Bartlett's Test, factor loading, eigenvalue, Total Variance Explained, communalities và ma trận xoay.
Bartlett's Test kiểm tra giả thuyết rằng ma trận tương quan quan sát không khác ma trận đơn vị. Nếu kiểm định có ý nghĩa thống kê, các biến có tương quan đủ để xem xét EFA. KMO đạt nhưng Bartlett's Test không có ý nghĩa vẫn là tín hiệu cần dừng lại và kiểm tra dữ liệu. Ngược lại, Bartlett's Test có ý nghĩa không thể bù cho KMO quá thấp.
Bạn cũng cần phân biệt bước này với CFA. EFA dùng để khám phá cấu trúc nhân tố, còn CFA kiểm tra mức độ phù hợp của một cấu trúc đã được đề xuất trước. Nếu đang đọc output CFA, hãy xem bài CFA là gì thay vì áp dụng máy móc tiêu chí KMO của EFA.
KMO bao nhiêu là đạt
Ngưỡng thường được dùng trong luận văn Việt Nam là KMO từ 0,5 trở lên. Kaiser (1974) cũng đưa ra các khoảng diễn giải từ mức rất kém đến rất tốt. Những khoảng này có tính định hướng, không nên biến thành quy tắc cứng tách khỏi bối cảnh nghiên cứu và chất lượng thang đo.
Bảng dưới đây tập trung vào các tiêu chí bạn nhìn trực tiếp trong bảng KMO and Bartlett's Test và các tiêu chí thường dùng khi đọc tiếp output EFA.
| Chỉ tiêu trên output | Mức tham khảo | Cách diễn giải | Nguồn |
|---|---|---|---|
| KMO | Từ 0,5 trở lên | Dữ liệu đạt mức tối thiểu để xem xét EFA | (Kaiser, 1974) |
| KMO | 0,5 đến dưới 0,7 | Mức phù hợp trung bình, cần xem thêm các bảng EFA | (Kaiser, 1974) |
| KMO | 0,7 đến dưới 0,8 | Mức phù hợp khá | (Kaiser, 1974) |
| KMO | 0,8 đến dưới 0,9 | Mức phù hợp tốt | (Kaiser, 1974) |
| KMO | Từ 0,9 trở lên | Mức phù hợp rất tốt | (Kaiser, 1974) |
| Sig. của Bartlett's Test | Nhỏ hơn 0,05 | Bác bỏ giả thuyết ma trận tương quan là ma trận đơn vị | (Kaiser, 1974) |
| Factor loading | Từ 0,5 trở lên | Biến quan sát có tải nhân tố đạt mức tham khảo | (Hair và cộng sự, 2010) |
| Total Variance Explained | Từ 50% trở lên | Các nhân tố giữ lại giải thích mức phương sai tham khảo | (Hair và cộng sự, 2010) |
| Eigenvalue | Lớn hơn 1 | Tiêu chí thường dùng để xem xét số nhân tố giữ lại | (Kaiser, 1960) |
Một số tài liệu chấp nhận factor loading từ 0,4 trong nghiên cứu khám phá, nhưng bạn cần thống nhất với giảng viên và trình bày lý do. KMO từ 0,5 chỉ là điều kiện tối thiểu. KMO bằng 0,52 không có nghĩa thang đo chắc chắn đạt, cũng như KMO bằng 0,82 không đảm bảo mọi biến đều có loading tốt.
Cách đọc KMO trên output SPSS
Sau khi chạy EFA, SPSS hiển thị bảng KMO and Bartlett's Test. Bạn đọc theo thứ tự sau để tránh nhầm giữa KMO và Sig.
Xác định đúng dòng KMO
Trong bảng, dòng Kaiser-Meyer-Olkin Measure of Sampling Adequacy có một giá trị ở cột bên phải. Đây là KMO của toàn bộ tập biến được đưa vào lần chạy đó. Nếu bạn chạy EFA nhiều nhóm thang đo riêng, mỗi lần chạy có thể cho một KMO khác nhau.
Đọc Bartlett's Test
Ở phần Bartlett's Test of Sphericity, hãy nhìn dòng Approx. Chi-Square, df và Sig.. Trong thực hành luận văn, dòng Sig. nhỏ hơn 0,05 cho thấy ma trận tương quan có cơ sở để tiếp tục xem xét EFA. Giá trị Chi-Square không phải là KMO và không được dùng thay cho KMO.
Đối chiếu với các bảng tiếp theo
Khi KMO và Bartlett's Test đạt, bạn chuyển sang Total Variance Explained, Communalities và Rotated Component Matrix. Bảng communality trong SPSS giúp bạn xem phần phương sai của từng biến được các nhân tố giải thích như thế nào. Nếu biến có communality thấp hoặc loading không rõ ràng, việc KMO đạt vẫn chưa đủ để giữ biến.
Bảng số liệu minh họa
Bảng dưới đây là số liệu minh họa, được trình bày theo hình dạng của output SPSS. Đây không phải kết quả của một nghiên cứu cụ thể và bạn không được chép các con số này vào luận văn của mình.
| KMO and Bartlett's Test | Giá trị minh họa |
|---|---|
| Kaiser-Meyer-Olkin Measure of Sampling Adequacy | 0,782 |
| Approx. Chi-Square | 486,317 |
| df | 66 |
| Sig. | 0,000 |
Với bảng minh họa này, KMO bằng 0,782, cao hơn 0,5. Sig. của Bartlett's Test bằng 0,000, cách SPSS hiển thị giá trị nhỏ hơn 0,001, nên có thể bác bỏ giả thuyết ma trận tương quan là ma trận đơn vị. Kết luận phù hợp là dữ liệu đáp ứng điều kiện ban đầu để tiếp tục xem các bảng EFA.
Bạn không nên viết rằng Sig. bằng 0 tuyệt đối. SPSS hiển thị 0,000 do cách làm tròn. Khi viết, dùng cách diễn đạt p < 0,001 nếu bảng của bạn hiển thị Sig. = 0,000.
Khi KMO không đạt thì xử lý thế nào
Câu hỏi KMO nhỏ hơn 0 5 phải làm sao thường xuất hiện sau khi bạn đã chạy EFA một lần và muốn sửa ngay bằng cách đổi phương pháp trích. Việc đầu tiên là lưu output cũ, ghi lại danh sách biến và kiểm tra dữ liệu. Đừng xóa biến chỉ để ép KMO tăng mà không có lý do về lý thuyết hoặc bằng chứng từ dữ liệu.
Kiểm tra lỗi nhập dữ liệu và mã hóa
Mở Analyze > Descriptive Statistics > Frequencies để kiểm tra các biến đưa vào EFA. Xem các giá trị ngoài thang đo, ô trống, biến bị nhập thành chuỗi và những biến gần như không có độ phân tán. Một biến mà phần lớn người trả lời chọn cùng một mức có thể làm tương quan giữa biến đó với các biến khác rất thấp.
Kiểm tra cả các biến đảo chiều. Nếu bảng hỏi có biến phủ định nhưng bạn chưa recode, tương quan của biến đó có thể bị đảo dấu. Dùng Transform > Recode into Different Variables để tạo biến mới, giữ lại biến gốc và ghi rõ quy tắc mã hóa trong file dữ liệu.
Xem Anti-image Correlation và loại biến có căn cứ
Trong hộp thoại EFA, vào Analyze > Dimension Reduction > Factor, đưa các biến vào ô Variables, sau đó chọn Descriptives. Đánh dấu KMO and Bartlett's test of sphericity, Anti-image và các bảng cần thiết. Ở ma trận Anti-image, đường chéo thường được dùng để xem MSA của từng biến.
Nếu một biến có MSA thấp hơn các biến còn lại, bạn có thể cân nhắc loại biến đó rồi chạy lại. Quyết định này cần kết hợp với nội dung thang đo, corrected item-total correlation và kết quả loading. Bạn có thể xem ma trận xoay trong SPSS để kiểm tra biến có tải chéo hay không.
Kiểm tra tương quan giữa các biến
KMO thấp đôi khi xuất hiện vì các biến được đưa vào cùng một lần chạy thực ra thuộc những khái niệm rất khác nhau. Hãy kiểm tra mô hình đo lường và tách các nhóm thang đo nếu thiết kế nghiên cứu yêu cầu chạy riêng. Việc đưa toàn bộ biến độc lập, biến phụ thuộc và biến kiểm soát vào một EFA duy nhất không phải lúc nào cũng hợp lý.
Chạy lại EFA và ghi lại từng vòng
Sau khi có lý do rõ ràng để loại một biến, chạy lại EFA, xem KMO, Bartlett's Test, communalities và Rotated Component Matrix. Lưu từng file output với tên như EFA_vong_1, EFA_vong_2. Trong luận văn, bạn có thể mô tả biến nào bị loại và căn cứ loại biến, thay vì chỉ trình bày phiên bản cuối cùng.
Nếu KMO vẫn thấp sau khi kiểm tra dữ liệu, nguyên nhân có thể nằm ở thang đo, cỡ mẫu hoặc cách chọn biến. Tăng KMO bằng cách thử hàng loạt tùy chọn mà không giải thích sẽ khiến phần phương pháp khó bảo vệ. Principal Component Analysis cũng cần được phân biệt với EFA theo mục tiêu rút gọn dữ liệu và mục tiêu khám phá cấu trúc nhân tố.
Phân biệt KMO với Bartlett's Test và ma trận xoay
KMO, Bartlett's Test và Rotated Component Matrix xuất hiện gần nhau trong quy trình EFA nhưng trả lời ba câu hỏi khác nhau.
| Thành phần | Câu hỏi nó trả lời | Vị trí thường gặp trong output |
|---|---|---|
| KMO | Dữ liệu có phù hợp để xem xét EFA không | KMO and Bartlett's Test |
| Bartlett's Test | Các biến có tương quan tổng thể khác ma trận đơn vị không | KMO and Bartlett's Test |
| Communalities | Mỗi biến được các nhân tố giữ lại giải thích bao nhiêu | Communalities |
| Eigenvalue | Có thể giữ lại bao nhiêu nhân tố theo tiêu chí đang dùng | Total Variance Explained |
| Factor loading | Biến quan sát liên hệ mạnh với nhân tố nào | Rotated Component Matrix |
| Ma trận xoay | Cấu trúc nhân tố sau khi xoay có dễ diễn giải hơn không | Rotated Component Matrix |
Một lỗi thường gặp là thấy Bartlett's Test có Sig. = 0,000 rồi kết luận KMO đạt. Bạn phải lấy đúng giá trị ở dòng KMO. Một lỗi khác là thấy KMO đạt rồi giữ tất cả biến, trong khi Rotated Component Matrix cho thấy biến tải chéo hoặc tải thấp.
Lỗi thường gặp
Chỉ báo cáo KMO mà bỏ qua Bartlett's Test. Phần kết quả nên nêu cả KMO và Sig. của Bartlett's Test, sau đó mới chuyển sang số nhân tố và loading.
Ghi KMO bằng 0,000. KMO không được lấy từ cột Sig.. Nếu KMO là 0,782 thì ghi 0,782. Giá trị 0,000 thường là Sig. được làm tròn trong bảng Bartlett's Test.
Dùng KMO của lần chạy trước. Mỗi lần bạn thêm hoặc loại biến, KMO có thể thay đổi. Hãy đối chiếu tên biến trong output với file dữ liệu và lưu output theo từng vòng.
Trộn tiêu chí EFA với CFA. CFI, TLI, RMSEA và SRMR là các chỉ số thường dùng trong CB-SEM, không phải tiêu chí thay thế cho KMO trong EFA bằng SPSS. Khi chuyển sang CFA, bạn cần đọc đúng quy trình của phần mềm và mô hình.
Loại quá nhiều biến chỉ để tăng KMO. Một thang đo sau khi bị loại gần hết biến có thể mất nội dung khái niệm. Mỗi biến bị loại cần có lý do thống kê và lý do lý thuyết đủ rõ.
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau theo số liệu thật: Kết quả phân tích cho thấy chỉ số KMO đạt [giá trị KMO], lớn hơn ngưỡng 0,5, và kiểm định Bartlett's Test có ý nghĩa thống kê với Sig. = [giá trị Sig.]. Vì vậy, dữ liệu [đáp ứng/chưa đáp ứng] điều kiện để thực hiện phân tích nhân tố khám phá EFA. Ngưỡng KMO từ 0,5 trở lên được tham khảo từ (Kaiser, 1974).
Nếu KMO chưa đạt, bạn có thể viết: Ở lần phân tích đầu, KMO đạt [giá trị], thấp hơn ngưỡng tham khảo. Sau khi kiểm tra [biến hoặc vấn đề dữ liệu] và loại [mã biến] với căn cứ [lý do], KMO ở lần chạy lại đạt [giá trị]. Chỉ dùng đoạn này nếu bạn thực sự có các vòng chạy và lưu được kết quả tương ứng.
Câu hỏi thường gặp
KMO trong SPSS bao nhiêu là đạt?
KMO từ 0,5 trở lên thường được xem là đạt mức tối thiểu để xem xét EFA (Kaiser, 1974). Bạn vẫn phải đọc Bartlett's Test, communalities, eigenvalue và factor loading trước khi kết luận thang đo đạt.
KMO nhỏ hơn 0,5 phải làm sao?
Hãy kiểm tra mã hóa, missing value, biến có độ phân tán thấp và các biến không cùng khái niệm. Sau đó xem Anti-image, corrected item-total correlation và ma trận xoay để cân nhắc loại từng biến có căn cứ, rồi chạy lại EFA. Bạn không nên xóa biến hàng loạt hoặc đổi tùy chọn liên tục chỉ để tạo ra KMO cao hơn.
KMO đạt nhưng Bartlett's Test có Sig. lớn hơn 0,05 thì kết luận thế nào?
Hai kết quả này không ủng hộ đầy đủ việc tiếp tục EFA. KMO cho thấy mức phù hợp chung, còn Bartlett's Test cho biết ma trận tương quan có khác ma trận đơn vị hay không. Khi Sig. lớn hơn 0,05, bạn nên kiểm tra tương quan giữa các biến, cách nhóm thang đo và chất lượng dữ liệu trước khi quyết định.
KMO có thay thế cho Cronbach's Alpha không?
Không. KMO đánh giá sự phù hợp của tập biến với EFA. Cronbach's Alpha đánh giá độ nhất quán nội tại của thang đo. Hai chỉ số có thể được báo cáo ở các bước khác nhau, và một thang đo có Alpha đạt vẫn có thể cho KMO thấp nếu các biến không tạo thành cấu trúc nhân tố phù hợp.
Có cần chạy KMO cho từng thang đo riêng không?
Điều này phụ thuộc vào mô hình đo lường và cách bạn thiết kế EFA. Nếu các nhóm biến được giả định thuộc nhiều khái niệm khác nhau, bạn cần nêu rõ lý do chạy chung hoặc chạy riêng. Hãy thống nhất cách chạy giữa chương phương pháp, file SPSS và phần trình bày kết quả, thay vì chọn cách cho ra chỉ số đẹp hơn.
Sau khi đọc xong, bạn mở lại bảng KMO and Bartlett's Test trong file .sav, ghi riêng KMO và Sig. của Bartlett's Test, rồi kiểm tra tiếp Communalities và Rotated Component Matrix trước khi sửa dữ liệu. Nếu cần chạy EFA trên chính file của bạn và nối kết quả thành phần phân tích, xem M4 phân tích dữ liệu của DoThesis.