Trong mô hình nghiên cứu chúng ta có hai loại biến cơ bản là độc lập và phụ thuộc. Khi phân tích nhân tố khám phá EFA, qua tham khảo các bài luận, bài báo, tạp chí,… các bạn sẽ thấy có bài thì tác giả thực hiện phân tích EFA chung cho tất cả các nhóm biến, có bài sẽ tách riêng EFA cho từng nhóm biến. Vậy thì cần phân tích EFA chung hay riêng giữa độc lập và phụ thuộc?
1. Quan điểm của một số nhà nghiên cứu
Vấn đề phân tích riêng hay chung giữa độc lập và phụ thuộc cũng được nhiều nhà nghiên cứu quan tâm. Dưới dây là quan điểm của một số nhà nghiên cứu:
1.1 Quan điểm của Nguyễn Đình Thọ (2012)
Trong phân tích nhân tố EFA, khi sử dụng phép quay vuông góc thì không được đưa biến phụ thuộc vào chung với biến độc lập để thực hiện EFA. Bởi khi sử dụng phép quay vuông góc, các nhân tố phải không có mối tương quan với nhau, nghĩa là không có sự định nghĩa độc lập với phụ thuộc. Do vậy, nếu chúng ta sử dụng phép quay Varimax hay bất kỳ phép quay vuông góc nào thì cần phân tích EFA riêng giữa độc lập và phụ thuộc, không được phân tích chung hai loại biến này trong một lần EFA.
1.2 Quan điểm của Hair và cộng sự (2014)
Trích nguyên bản: “Mixing dependent and independent variables in a single factor analysis and then using the derived factors to support dependence relationships is inappropriate”. Theo các tác giả, việc gộp phân tích chung biến độc lập và phụ thuộc trong một phân tích nhân tố khám phá và sau đó lại kiểm tra mối quan hệ phụ thuộc là không phù hợp. Nghĩa là khi chúng ta thực hiện phân tích EFA, việc đưa các biến độc lập và phụ thuộc vào phân tích chung với nhau là không hợp lý. Bởi với một đề tài đã xác định được độc lập và phụ thuộc, nghĩa là ngay từ đầu chúng ta đã mặc định xuất hiện mối quan hệ phụ thuộc giữa hai nhóm biến: một nhóm là tác động lên biến khác và một nhóm là chịu tác động của biến khác.
1.3 Quan điểm của Hair và cộng sự (2015)
Trích nguyên bản: “When you use exploratory factor analysis the variables are not divided into dependent and independent categories. Instead, all variables are analyzed together to identify underlying patterns or factors. The technique can be used to factor analyze either independent or dependent variables considered separately”. Theo các tác giả, nếu sử dụng phân tích nhân tố khám phá, các biến không được chia thành phụ thuộc và độc lập. Thay vào đó, tất cả các biến được phân tích cùng nhau để xác định cấu trúc các nhân tố. Kỹ thuật thực hiện phân tích nhân tố khám phá cần được xem xét chạy riêng giữa các biến độc lập và biến phụ thuộc.
2. Lý giải vì sao nên chạy chung, vì sao nên chạy riêng
Trước hết chúng ta sẽ xem xét lại mối quan hệ giữa hai loại biến độc lập và phụ thuộc. Sở dĩ chúng ta xác định biến X là độc lập, biến Y là phụ thuộc bởi trên các lý thuyết nền hoặc các nghiên cứu trước đó đã chứng minh rằng X sự có tác động lên Y. Khi X có tác động lên Y, giữa X và Y trong hầu hết các trường hợp sẽ có sự tương quan từ mức trung bình đến mạnh. Sự tương quan này làm cho tính phân biệt giữa X và Y không cao.
Trong EFA, dù có dùng phép trích và phép xoay gì đi nữa thì EFA luôn có một chức năng là đánh giá tính phân biệt của các cấu trúc biến. Khi tính phân biệt được thõa mãn, mỗi nhóm biến sẽ được tách thành một cột trong bảng ma trận xoay. Nếu chúng ta đưa biến phụ thuộc và độc lập vào cùng phân tích chung EFA, sự tương quan mạnh giữa độc lập với phụ thuộc khiến cho các biến quan sát của cấu trúc biến phụ thuộc dễ bị nhập chung vào với các biến độc lập. Điều này làm cho các cấu trúc thang đo không đảm bảo được tính phân biệt trong EFA. Nên việc chạy EFA riêng độc lập và riêng phụ thuộc là cách chạy tối ưu nhất, vừa hợp lý về tính chất tương quan giữa các biến, vừa phù hợp theo quan điểm của các tác giả nổi tiếng ở trên.
Từ các lý luận ở trên, chúng ta có thể phân chia mô hình nghiên cứu thành hai loại tương ứng với hai phương pháp chạy EFA. Chúng ta cần làm rõ trước về vai trò biến trung gian, biến này vừa đóng vai trò độc lập, vừa đóng vai trò phụ thuộc. Do vậy, khi mình đề cập tới số lượng biến phụ thuộc, số lượng biến độc lập, thì biến trung gian được tính cho cả hai loại biến này.
- Mô hình đơn giản: Là dạng mô hình mà vai trò biến được xác định rõ ràng, số lượng biến phụ thuộc ít, số lượng biến độc lập nhiều, có nhiều biến độc lập tác động vào một biến phụ thuộc → Chạy EFA riêng độc lập, riêng trung gian, riêng phụ thuộc.
- Mô hình phức tạp: Là dạng mô hình mà vai trò biến vẫn có thể xác định được vai trò, tuy nhiên biến đóng vai trò trung gian có số lượng nhiều, các mối quan hệ tác động chằng chịt, số lượng biến phụ thuộc nhiều, có nhiều mối quan hệ mà chỉ một biến độc lập tác động lên một biến phụ thuộc → Chạy EFA chung cho tất cả. Chúng ta lựa chọn chạy chung bởi vì khi chạy riêng thì số lần EFA quá nhiều và số nhóm biến tham gia vào EFA quá ít, điều này không được tối ưu về mặt chức năng của EFA lẫn mặt trình bày kết quả vào bài luận, bài nghiên cứu.
a. Mô hình đơn giản
Mô hình bên dưới là ví dụ cho dạng mô hình đơn giản. Đặc tính của dạng mô hình này là mối quan hệ tác động chỉ có một chiều từ các biến độc lập cùng hướng về biến phụ thuộc. Khi biểu diễn mối liên hệ tác động thành dạng hình vẽ, mũi tên một chiều được sử dụng với gốc mũi tên nằm ở các biến độc lập và đầu mũi tên hướng về biến phụ thuộc. Nếu có thêm sự xuất hiện của biến trung gian thì chúng ta vẫn dễ dàng xác định được vai trò độc lập, phụ thuộc trong các mối quan hệ tác động. Số lượng biến phụ thuộc trong mô hình ít, số lượng biến độc lập nhiều, có nhiều biến độc lập cùng tác động lên một biến phụ thuộc. Dạng mô hình này khi phân tích nhân tố EFA chúng ta nên phân tích EFA riêng từng nhóm biến.
Nếu kết quả phân tích EFA không đảm bảo được tính hội tụ, tính phân biệt, các nhóm bị phân tán mạnh và không hình thành nên các cấu trúc nhóm hợp lý, bạn có thể tham khảo dịch vụ chạy SPSS thuê từ Xử Lý Định Lượng nhé.
b. Mô hình phức tạp
Dạng mô hình có sự xuất hiện của biến trung gian, biến điều tiết hoặc các mối quan hệ phức tạp, việc xác định vai trò của độc lập và phụ thuộc là rất khó khăn. Nếu chia nhỏ mô hình dạng này ra, thì mô hình phức tạp được cấu thành từ nhiều mô hình đơn giản, mỗi mô hình đơn giản chúng ta sẽ áp dụng cách phân tích EFA riêng độc lập, riêng phụ thuộc. Tuy nhiên, hướng phân tích như vậy sẽ kéo theo cần phải thực hiện rất nhiều EFA bởi có nhiều biến trung gian trong mô hình. Lúc này chức năng của EFA và tính ứng dụng của phân tích này là không cao. Chính vì vậy, nhà nghiên cứu thường thực hiện phân tích chung tất cả các nhân tố trong cùng một lần EFA.
