Phép xoay Promax là gì? Cách đọc và xử lý trong SPSS
Phép xoay Promax là gì
Phép xoay Promax là một phương pháp xoay nhân tố xiên, dùng trong Exploratory Factor Analysis, thường gọi là EFA. Điểm cốt lõi của Promax là cho phép các nhân tố được tương quan với nhau. Điều này phù hợp với nhiều đề tài kinh doanh, hành vi người tiêu dùng và quản trị, vì các khái niệm như chất lượng cảm nhận, sự hài lòng và ý định mua thường không hoàn toàn độc lập.
Trong SPSS, Promax thường được chọn ở bước Rotation khi bạn chạy EFA. Kết quả quan trọng nhất không còn nằm ở một bảng duy nhất. Bạn cần xem Pattern Matrix để đọc hệ số tải riêng của từng biến lên từng nhân tố, đồng thời xem Structure Matrix và Factor Correlation Matrix để biết các nhân tố có tương quan như thế nào.
Promax không tạo thêm biến quan sát và cũng không tự quyết định số nhân tố cuối cùng cho bạn. Nó chỉ thay đổi cách các nhân tố được xoay để cấu trúc tải dễ diễn giải hơn. Việc xác định số nhân tố còn liên quan đến eigenvalue, scree plot, tổng phương sai trích và cơ sở lý thuyết. Bạn có thể xem thêm phần tổng quan về EFA và principal component analysis trước khi diễn giải bảng xoay.
Ý nghĩa của phép xoay Promax trong nghiên cứu định lượng
Trước khi xoay, các biến quan sát có thể tải lên nhiều nhân tố và bảng Component Matrix khá khó đọc. Phép xoay làm cho mô hình tải nhân tố rõ hơn, từ đó hỗ trợ bạn quyết định biến nào thuộc về nhân tố nào. Với Promax, các nhân tố được phép tương quan nên kết quả thường phản ánh gần hơn cấu trúc khái niệm trong nghiên cứu xã hội.
Ví dụ, bạn đo chất lượng dịch vụ, sự hài lòng và ý định tiếp tục sử dụng. Về mặt lý thuyết, khách hàng hài lòng hơn có thể đồng thời đánh giá chất lượng dịch vụ cao hơn. Nếu buộc các nhân tố vuông góc, tức tương quan bằng 0, bạn đang đặt một giả định khá mạnh. Promax bỏ giả định đó và cho phép SPSS ước lượng mối liên hệ giữa các nhân tố.
Bạn nên phân biệt ba việc sau:
- Extraction trả lời câu hỏi có bao nhiêu nhân tố được giữ lại.
- Rotation giúp các tải nhân tố dễ diễn giải hơn.
- Đặt tên nhân tố vẫn cần dựa vào nội dung của các biến quan sát và mô hình nghiên cứu.
Promax đặc biệt hữu ích khi bạn cho rằng các khái niệm có liên hệ. Nó không phải bằng chứng rằng mô hình của bạn đúng. Sau EFA, bạn vẫn cần kiểm tra độ tin cậy, giá trị hội tụ, giá trị phân biệt và tiếp tục kiểm định mô hình bằng phương pháp phù hợp.
Nếu bạn đang nhìn vào bảng Rotated Component Matrix, hãy lưu ý rằng bảng này thường xuất hiện khi dùng Varimax. Với Promax, SPSS thường hiển thị Pattern Matrix và Structure Matrix. Nội dung liên quan đến ma trận xoay sẽ giúp bạn nhận diện đúng bảng trước khi kết luận.
Phép xoay Promax bao nhiêu là tốt
Câu hỏi “phép xoay Promax bao nhiêu là tốt” thường bị đặt sai trọng tâm. Promax không có một con số duy nhất để kết luận đạt hay không đạt. Bạn cần xem hệ số tải nhân tố, chênh lệch giữa tải cao nhất và tải kế tiếp, KMO, Bartlett và tổng phương sai trích. Các ngưỡng dưới đây là tiêu chí tham khảo, không thay thế việc xem xét nội dung thang đo.
| Nội dung cần kiểm tra | Mức tham khảo | Nguồn canonical |
|---|---|---|
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Bartlett's Test of Sphericity | Sig. nhỏ hơn 0.05 | (Kaiser, 1974) |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Eigenvalue | Lớn hơn 1 | (Kaiser, 1960) |
| Total variance explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
Với mẫu nghiên cứu mới hoặc thang đo đang khám phá, một số nghiên cứu có thể thảo luận tải nhân tố thấp hơn, nhưng bạn cần có lý do lý thuyết và báo cáo minh bạch. Mức factor loading từ 0.5 trở lên thường được dùng trong nhiều luận văn định lượng tại Việt Nam theo (Hair và cộng sự, 2010).
Ngoài giá trị tuyệt đối, hãy xem một biến có tải mạnh ở hai nhân tố hay không. Nếu biến A có loading 0.62 ở nhân tố 1 và 0.55 ở nhân tố 2, việc giữ biến chỉ vì 0.62 là chưa đủ. Chênh lệch nhỏ cho thấy biến có thể chưa phân biệt rõ giữa hai khái niệm.
KMO và Bartlett đánh giá mức độ phù hợp của ma trận tương quan cho EFA, không phải chất lượng riêng của phép xoay Promax. Vì vậy, không nên viết “Promax đạt vì KMO đạt”. Cách viết chính xác hơn là dữ liệu phù hợp để thực hiện EFA, sau đó cấu trúc nhân tố được xem xét qua Pattern Matrix.
Cách đọc phép xoay Promax trên output
Sau khi chạy EFA bằng Promax, bạn thường gặp các bảng KMO and Bartlett's Test, Total Variance Explained, Pattern Matrix, Structure Matrix và Factor Correlation Matrix. Mỗi bảng trả lời một câu hỏi khác nhau.
Bảng KMO and Bartlett's Test cho biết dữ liệu có phù hợp để phân tích nhân tố hay không. Bảng Total Variance Explained cho biết các nhân tố giữ lại giải thích bao nhiêu phần trăm phương sai. Pattern Matrix là nơi bạn đọc tải nhân tố sau khi đã tính đến sự tương quan giữa các nhân tố. Structure Matrix thể hiện tương quan đơn giản giữa biến quan sát và nhân tố, nên các hệ số ở đây có thể khác Pattern Matrix.
Số liệu minh họa
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo dạng output SPSS để bạn đối chiếu với file đang mở.
| Pattern Matrixᵃ | Factor 1 | Factor 2 | Factor 3 |
|---|---|---|---|
| HL1 | 0.812 | 0.041 | 0.067 |
| HL2 | 0.764 | 0.092 | 0.018 |
| HL3 | 0.701 | 0.115 | 0.083 |
| CLDV1 | 0.106 | 0.793 | 0.122 |
| CLDV2 | 0.154 | 0.748 | 0.091 |
| CLDV3 | 0.201 | 0.684 | 0.144 |
| YD1 | 0.074 | 0.126 | 0.821 |
| YD2 | 0.095 | 0.173 | 0.779 |
| YD3 | 0.118 | 0.209 | 0.733 |
Trong bảng minh họa, HL1 đến HL3 tải mạnh lên Factor 1, CLDV1 đến CLDV3 tải mạnh lên Factor 2, còn YD1 đến YD3 tải mạnh lên Factor 3. Các tải chéo đều khá thấp nên cấu trúc dễ đặt tên. Bạn vẫn phải đối chiếu nội dung từng biến với mô hình, không đặt tên Factor 1 là “Hài lòng” chỉ vì mã biến bắt đầu bằng HL.
Nếu Pattern Matrix có ký hiệu dấu phẩy hoặc hệ số bị ẩn, hãy mở lại hộp thoại Options và kiểm tra lựa chọn Sorted by size cùng Suppress small coefficients. Đừng nhầm số bị ẩn với số bằng 0. SPSS có thể chỉ đang không hiển thị các hệ số nhỏ hơn ngưỡng bạn nhập.
Factor Correlation Matrix là điểm khác đáng chú ý của Promax. Nếu các hệ số ngoài đường chéo khác 0, các nhân tố đang tương quan. Đây là kết quả phù hợp với bản chất oblique rotation. Bạn cần báo cáo nó khi mối tương quan giữa các khái niệm có ý nghĩa với mô hình.
Để xem các chỉ số trước EFA, bạn cũng có thể kiểm tra communality. Communality thấp cho thấy một biến được các nhân tố giữ lại giải thích chưa tốt, nhưng quyết định loại biến cần kết hợp với loading, nội dung câu hỏi và kết quả các vòng chạy khác.
Khi phép xoay Promax không đạt thì xử lý thế nào
EFA hiếm khi ra cấu trúc đẹp ngay ở lần chạy đầu. Bạn nên xử lý theo thứ tự, mỗi lần chỉ thay đổi một quyết định chính và lưu lại output cũ.
Kiểm tra điều kiện dữ liệu
Xem lại KMO, Bartlett, số lượng biến quan sát và các trường hợp thiếu dữ liệu. Nếu bảng hỏi có nhiều dòng trả lời thiếu hoặc có mẫu trả lời một kiểu từ đầu đến cuối, hãy làm sạch dữ liệu trước. Việc chọn Promax không thể sửa một file dữ liệu nhập sai mã hoặc đảo chiều chưa đúng.
Kiểm tra biến đảo chiều
Một biến quan sát mang ý nghĩa ngược phải được mã hóa cùng chiều với các biến còn lại trước khi chạy Cronbach's Alpha và EFA. Nếu quên đảo chiều, loading có thể thấp hoặc biến tải sang nhân tố khác. Hãy kiểm tra bảng mã, giá trị nhỏ nhất, lớn nhất và nội dung câu hỏi gốc.
Xem biến tải chéo
Nếu một biến tải cao ở nhiều nhân tố, hãy đọc lại câu chữ. Biến có thể đang đo hai khái niệm cùng lúc hoặc cách diễn đạt chưa rõ. Bạn có thể cân nhắc loại biến khi có cơ sở lý thuyết, nhưng không nên loại hàng loạt chỉ để bảng đẹp.
Chạy lại sau khi loại biến có lý do
Khi loại một biến, ghi rõ mã biến, loading, tải chéo và lý do loại. Sau đó chạy lại EFA để xem cấu trúc mới. Nếu phải loại quá nhiều biến của một khái niệm, vấn đề có thể nằm ở thang đo hoặc thiết kế bảng hỏi, không nằm ở lựa chọn Promax.
Đánh giá lại mô hình đo lường
Nếu EFA không ổn định qua nhiều vòng, hãy quay lại mô hình nghiên cứu và nguồn thang đo. Một số khái niệm có thể gần nhau về nội dung. Khi đó, việc ép chúng thành các nhân tố tách biệt cần được giải thích cẩn thận trong luận văn.
Phân biệt phép xoay Promax với phép xoay Varimax
Phép xoay Varimax là phép xoay vuông góc, giả định các nhân tố không tương quan. Promax là phép xoay xiên, cho phép nhân tố tương quan. Đây là khác biệt về giả định mô hình, không chỉ là hai nút chọn khác tên trong SPSS.
| Tiêu chí | Promax | Varimax |
|---|---|---|
| Loại phép xoay | Xiên, oblique | Vuông góc, orthogonal |
| Tương quan giữa nhân tố | Được phép khác 0 | Bị giả định bằng 0 |
| Bảng thường đọc | Pattern Matrix, Structure Matrix | Rotated Component Matrix |
| Bối cảnh phù hợp | Các khái niệm có liên hệ | Các nhân tố được giả định độc lập |
| Câu hỏi “bao nhiêu là tốt” | Xem loading, tải chéo và tương quan nhân tố | Xem loading và tải chéo, cùng giả định độc lập |
Khi tìm “phép xoay Varimax trong SPSS”, bạn sẽ thấy đường dẫn gần giống Promax: Analyze > Dimension Reduction > Factor, đưa biến vào ô Variables, chọn Extraction, rồi vào Rotation. Ở đó, chọn Varimax hoặc Promax. Với Varimax, output thường hiện Rotated Component Matrix; với Promax, bạn nên tập trung vào Pattern Matrix.
Varimax không mặc nhiên tốt hơn Promax. Nếu lý thuyết cho rằng các nhân tố có liên hệ, dùng Varimax có thể làm mất một phần thông tin về cấu trúc tương quan. Ngược lại, nếu bạn có lý do rõ ràng để giả định các nhân tố độc lập, Varimax có thể dễ trình bày hơn.
Cũng không nên so sánh hai phép xoay chỉ bằng việc chọn phương án cho ra nhiều loading cao hơn. Hãy xem mô hình lý thuyết, tính dễ diễn giải, tải chéo và mức tương quan giữa các nhân tố. Nếu bạn dùng Promax, hãy báo cáo đúng tên bảng và nói rõ các nhân tố được phép tương quan.
Lỗi thường gặp
Lỗi đầu tiên là đọc nhầm Structure Matrix thay cho Pattern Matrix. Hai bảng đều có hệ số liên quan đến biến và nhân tố, nhưng ý nghĩa không giống nhau khi các nhân tố tương quan. Nếu dùng Promax, hãy ghi rõ bảng nào được dùng để quyết định giữ hoặc loại biến.
Lỗi thứ hai là kết luận “Promax đạt” chỉ dựa vào KMO. KMO chỉ nói dữ liệu có phù hợp để EFA ở mức nhất định. Bạn còn phải xem Bartlett, eigenvalue, tổng phương sai trích, loading, tải chéo và khả năng đặt tên nhân tố.
Lỗi thứ ba là áp dụng ngưỡng “loading phải từ 0.7” cho mọi EFA. Mức 0.7 thường được nhắc trong bối cảnh outer loading của PLS-SEM theo (Chin, 1998), còn EFA thường tham khảo factor loading từ 0.5 theo (Hair và cộng sự, 2010). Hai bối cảnh này không nên trộn lẫn.
Lỗi thứ tư là chạy lại nhiều lần nhưng không lưu lịch sử. Khi giảng viên hỏi vì sao biến CLDV2 bị loại, bạn cần chỉ ra output và lý do, thay vì nói “SPSS tự loại”. SPSS không tự đưa ra quyết định phương pháp luận thay bạn.
Cách viết vào luận văn: “Kết quả EFA sử dụng phép xoay Promax cho thấy biến quan sát [mã biến] có hệ số tải nhân tố cao nhất là [giá trị] trên nhân tố [tên nhân tố], trong khi tải chéo đạt [giá trị]. Sau khi xem xét tiêu chí thống kê và nội dung thang đo, nhóm nghiên cứu [giữ/loại] biến [mã biến]. Các nhân tố được phép tương quan theo đặc điểm của phép xoay xiên.” Bạn thay các phần trong ngoặc vuông bằng số liệu thật trong output của mình.
Đọc thêm: cfa, ma trận xoay, communality, principal component analysis, efa, chủ đề thong ke.
Câu hỏi thường gặp
Phép xoay Promax dùng khi nào
Bạn dùng Promax khi các nhân tố trong mô hình có khả năng tương quan. Đây là lựa chọn thường hợp lý với các khái niệm hành vi, thái độ và chất lượng dịch vụ có liên hệ với nhau.
Nếu chưa chắc, hãy dựa vào mô hình lý thuyết và cách các thang đo được sử dụng trong nghiên cứu trước. Đừng chọn chỉ vì Promax cho bảng kết quả trông đẹp hơn.
Phép xoay Promax bao nhiêu là tốt
Không có một chỉ số duy nhất gọi là “điểm Promax”. Bạn cần xem loading, tải chéo, KMO, Bartlett, eigenvalue và tổng phương sai trích. Với EFA, loading từ 0.5 trở lên thường được tham khảo theo (Hair và cộng sự, 2010), nhưng quyết định cuối cùng vẫn cần gắn với nội dung biến.
Phép xoay Varimax là gì và có khác Promax không
Varimax là phép xoay vuông góc, giả định các nhân tố không tương quan. Promax là phép xoay xiên, cho phép các nhân tố tương quan. Vì vậy, hai phương pháp phù hợp với hai giả định khác nhau về mô hình đo lường.
Vì sao SPSS không hiện Rotated Component Matrix khi chọn Promax
Khi dùng Promax, SPSS thường hiển thị Pattern Matrix và Structure Matrix thay cho Rotated Component Matrix. Bạn hãy kiểm tra đúng bảng Pattern Matrix trước khi đọc loading, đồng thời xem Factor Correlation Matrix để biết các nhân tố có tương quan hay không.
Có được đổi từ Promax sang Varimax để kết quả đẹp hơn không
Bạn có thể chạy cả hai để kiểm tra độ ổn định, nhưng không nên đổi chỉ nhằm làm tăng số loading đạt. Hãy chọn phương pháp phù hợp với giả định lý thuyết, ghi rõ lựa chọn trong phương pháp nghiên cứu và giải thích nếu kết quả giữa hai phép xoay khác nhau.
Mở file SPSS của bạn, xác định đúng Pattern Matrix, ghi lại loading và tải chéo của từng biến, rồi đối chiếu với tiêu chí và lý thuyết trước khi loại biến. Nếu cần chạy EFA trên chính file .sav hoặc .csv và chuyển kết quả thành phần phân tích có thể bảo vệ, bạn có thể dùng M4 phân tích dữ liệu.