Xử lý tình trạng ma trận xoay xáo trộn trong EFA

Không phải lúc nào cấu trúc biến được trích, xoay từ phân tích EFA cũng cho kết quả giống hoàn toàn với lý thuyết. Tình trạng ma trận xoay xáo trộn như xuất hiện thêm /cắt giảm bớt nhân tố, biến quan sát nhân tố này hội tụ vào nhân tố khác, một biến quan sát tải mạnh lên nhiều nhóm nhân tố,… xảy ra khá phổ biến.

1. Số lượng nhân tố trích không phù hợp

Có nhiều nguyên nhân dẫn đến tình trạng số nhân tố được trích từ EFA ít hơn hoặc nhiều hơn so với lý thuyết ban đầu. Các lý do chủ quan đến từ việc người nghiên cứu nhập liệu lỗi, không làm sạch dữ liệu trước khi thực hiện phân tích, chọn phương pháp xoay, trích không phù hợp,… hay nghiêm trọng hơn là mắc lỗi ở khâu lập bảng câu hỏi. Nếu ngay từ công đoạn xây dựng câu hỏi khảo sát, người nghiên cứu xây dựng câu hỏi không rõ ràng sẽ dễ dẫn đến tình trạng đáp viên hiểu nhầm nội dung, do vậy mà câu trả lời của họ không chính xác. Các lý do khách quan đến từ phía đối tác không hợp tác khi điều tra: trả lời cho qua, bao lô, không chú tâm vào nội dung câu hỏi. Chính vì vậy, nhà nghiên cứu cần làm thật tốt phần nghiên cứu sơ bộ để có được một bảng câu hỏi chất lượng, tiếp đến là chọn phương pháp lấy mẫu phù hợp, áp dụng kỹ thuật câu hỏi gài để loại bỏ phiếu khảo sát kém chất lượng, làm sạch dữ liệu cẩn thận trước khi đi vào phân tích.

Nếu số lượng nhân tố trích được nhỏ hơn số nhân tố lý thuyết, kết quả ma trận xoay cho ta thấy tình trạng gộp tối thiểu 2 nhóm lại với nhau. Lấy ví dụ trường hợp 2 nhóm hội tụ chung về 1 nhân tố như ảnh bên dưới, nhóm TL hội tụ chung với nhóm DT.

Chúng ta cần kiểm tra xem các biến quan sát của 2 nhóm này có cùng mang một tính chất hay biểu thị chung một ý nghĩa gì hay không, nếu có, hãy kiểm tra lại lý thuyết nền của cả 2 nhân tố. Có thể khi xây dựng lý thuyết nền, chúng ta nghiên cứu các lý thuyết riêng lẻ nên không để ý rằng có sự liên kết giữa 2 khái niệm của 2 nhân tố này. Trên lý thuyết chúng là hai khái niệm khác nhau nhưng trên thực tế chúng lại cùng biểu thị chung một khái niệm.

Nếu số nhân tố trích được lớn hơn số nhân tố lý thuyết, có thể xuất hiện nhân tố đa hướng. Tính đa hướng hay đơn hướng bị ảnh hưởng bởi môi trường nghiên cứu, có thể ở môi trường nghiên cứu này, nhân tố là đơn hướng nhưng ở môi trường khác, nhân tố đó lại là đa hướng.

Ví dụ trường hợp một nhân tố tách thành hai nhân tố khác trong ma trận xoay như kết quả ở trên, nhóm TL tách thành 2 nhóm nhỏ: nhân tố thứ nhất gồm TL3 và TL4, nhân tố thứ hai gồm TL1, TL2. Nghĩa là trên lý thuyết, nhân tố này là một khái niệm, nhưng với dữ liệu thực nghiệm từ nghiên cứu, EFA nhận thấy nhân tố này thực chất được cấu thành từ hai nhân tố nhỏ mang hai khái niệm khác nhau. Để giải thích điều này, chúng ta sẽ cần liên kết một phần từ lý thuyết nền và phần lớn từ đặc điểm môi trường khảo sát thực tế.

Khi mô hình và cấu trúc thang đo có sự biến đổi so với lý thuyết sau bước EFA, chúng ta sẽ cần hiệu chỉnh lại mô hình và các giả thuyết để tiếp tục thực hiện các phân tích sau đó như tương quan, hồi quy, phân tích phương sai.

2. Biến quan sát nhân tố này hội tụ vào nhân tố khác

Khi phân tích nhân tố khám phá, tình trạng biến quan sát nhóm này tải mạnh sang nhóm khác là điều khá bình thường. Lý do dẫn đến việc này cũng tương tự như ở tình huống số lượng nhân tố trích không phù hợp ở trên. Có thể đến từ việc đáp viên không hợp tác trong quá trình điều tra khảo sát, hiểu sai ý nghĩa câu hỏi hoặc do người nghiên cứu mắc lỗi trong khâu xây dựng câu hỏi khảo sát dẫn đến câu hỏi không đo lường cho khái niệm cần đo.

Có thể xuất hiện tình trạng một số khái niệm gần tương tự nhau như lòng trung thành khách hàng với sự hài lòng khách hàng. Các câu hỏi đo lường chúng thường mang tính chất khá tương đồng nhau, sự phân biệt rõ ràng đôi khi lại không đủ lớn để toàn bộ các biến quan sát tách nhau ra thành hai nhóm riêng biệt.

Ma trận xoay EFA xáo trộn khi biến quan sát nhảy nhóm không phải hoàn toàn là xấu. Có thể do đặc điểm môi trường khảo sát thay đổi, hoàn cảnh thay đổi, tác giả chưa tìm được đủ lý thuyết nền, hoặc do nghiên cứu bổ sung các khái niệm mới, việc khám phá ra cấu trúc mới cần được đánh giá kỹ lưỡng trước khi kết luận là xấu hay tốt.

Trong ví dụ bên dưới, biến Thuong1 và PhucLoi3 tải rất cao lên nhóm Lương. Khi tác giả xem xét lại lý thuyết nền, bảng câu hỏi, và tìm hiểu thêm một vài nguồn lý thuyết liên quan giữa 3 mảng lương, thưởng, phúc lợi, tác giả thấy rằng 2 biến này thực sự có liên quan nhiều đến vấn đề về Lương.

Do vậy, sau bước EFA tác giả đã hiệu chỉnh lại cấu trúc thang đo gốc cho phù hợp với dữ liệu thực nghiệm để tiếp tục các bước phân tích về sau.

3. Biến quan sát tải mạnh ở nhiều nhân tố

Tình trạng này nghĩa là biến quan sát có hệ số tải cao ở nhân tố gốc lý thuyết nhưng cũng có hệ số tải cao ở nhân tố khác. Như đề cập ở tình huống biến quan sát nhóm này hội tụ vào nhóm khác. Một số khái niệm gần tương tự nhau dẫn đến các câu hỏi đo lường chúng thường có sự tương quan mạnh, dẫn đến biến quan sát của nhóm này đôi khi đồng thời tải mạnh ở nhóm khác. Còn lại phần lớn các trường hợp là do câu hỏi không rõ ràng, một mặt biến thể hiện đặc điểm khái niệm nhân tố A nhưng cũng đồng thời phản ánh tốt đặc điểm khái niệm B. Những trường hợp như vậy chúng ta cần loại bỏ biến quan sát ra khỏi phân tích, vì các biến này không rõ ràng.

Ví dụ như trường hợp kết quả ma trận xoay ở trên, biến Thuong1 có hệ số tải cao tương đối đồng đều ở cả 3 nhân tố, chúng ta nên loại bỏ Thuong1 và tiếp tục phân tích lại EFA. Biến Thuong2 tuy cũng tải lên ở 3 nhân tố, nhưng tải rất mạnh ở nhân tố 2, khá yếu ở nhân tố 3 và rất yếu ở nhân tố 1, biến này nên được giữ lại.

Không phải lúc nào biến tải lên 2 hay nhiều nhân tố chúng ta cũng đều gạch tên nó ra khỏi phân tích. Nếu biến tải lên 2 nhóm chẳng hạn, nhưng hệ số tải một nhóm rất cao, còn nhóm còn lại thì tương đối thấp, lúc này thay vì loại biến chúng ta sẽ xem xét giữ biến và xếp nó vào nhóm có hệ số tải cao hơn. Cụ thể ở ví dụ trên, biến Thuong2 nên được gộp chung vào nhân tố 2.

Vậy khi một biến quan sát tải lên nhiều nhóm thì mức chênh lệch hệ số tải giữa các nhóm là bao nhiêu để xác định nên xếp biến quan sát đó vào nhóm có hệ số tải cao hay loại biến quan sát? Vấn đề này hiện vẫn còn nhiều tranh cãi giữa nhiều nhà nghiên cứu, chưa có một tiêu chuẩn thống nhất chung nào để quyết định loại hay giữ biến quan sát tải lên nhiều nhân tố. Một vài chuyên mục thảo luận về vấn đề này đã được lập ra trên diễn đàn Researchgate, một diễn đàn với thành viên là các giáo sư, tiến sĩ, thạc sĩ, hiện đang là giảng viên tại các trường đại học, các nhà nghiên cứu trên khắp Thế giới. Số nhiều cho rằng nếu một biến quan sát tải lên ở cả 2 nhân tố, và chênh lệch hệ số tải giữa 2 nhóm nhỏ hơn 0.2, chúng ta nên loại biến quan sát đó khỏi phân tích. Tại Việt Nam, trong cuốn Phương pháp nghiên cứu khoa học trong kinh doanh (2010) của Nguyễn Đình Thọ, tác giả đề xuất mức nếu chênh lệch hệ số tải giữa 2 nhóm nhỏ hơn 0.3, biến quan sát nên được loại bỏ[1].

[1] Nguyễn Đình Thọ, Giáo trình phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài Chính, 2013.