Trong phân tích nhân tố khám phá, sau khi trích được các nhân tố ban đầu, người nghiên cứu thường gặp một vấn đề rất phổ biến: cấu trúc tải nhân tố chưa đủ rõ để có thể diễn giải một cách mạch lạc. Nhiều biến quan sát cùng lúc có hệ số tải ở nhiều nhân tố, khiến việc xác định biến nào thuộc nhóm nào trở nên khó khăn. Đây là lúc kỹ thuật xoay nhân tố phát huy vai trò, và trong số các phương pháp thường dùng, varimax rotation là lựa chọn quen thuộc nhất.
Điểm mạnh của phương pháp này nằm ở chỗ nó không làm thay đổi bản chất dữ liệu, mà chỉ giúp cấu trúc tải trở nên gọn và dễ hiểu hơn. Nói cách khác, nhà nghiên cứu không tạo ra nhân tố mới, mà chỉ sắp xếp lại cách thể hiện để mỗi biến quan sát nghiêng rõ hơn về một nhân tố cụ thể. Vì vậy, nếu đang thực hiện efa spss hoặc xử lý bảng Rotated Component Matrix, bạn gần như chắc chắn sẽ gặp varimax rotation trong thực hành.
Bài viết dưới đây sẽ trình bày lại chủ đề này theo hướng rõ ràng và dễ ứng dụng hơn: từ bản chất của phép quay, cơ chế hoạt động, sự khác biệt với promax rotation cho đến cách chọn phép quay phù hợp trong từng tình huống nghiên cứu.
Phép quay nhân tố là gì và vì sao cần thực hiện?
Mục tiêu của phân tích nhân tố khám phá là rút gọn một tập lớn biến quan sát thành một số ít nhân tố tiềm ẩn có ý nghĩa hơn. Tuy nhiên, sau bước trích nhân tố, kết quả ban đầu thường chưa đủ “sạch” để diễn giải. Một biến có thể tải lên hai hoặc ba nhân tố cùng lúc với mức độ không chênh lệch quá nhiều. Khi đó, người phân tích sẽ khó quyết định xem biến ấy đại diện cho nhân tố nào.
Xoay nhân tố được sử dụng để xử lý vấn đề này. Bản chất của thao tác xoay là thay đổi vị trí các trục nhân tố trong không gian thống kê sao cho cấu trúc tải trở nên đơn giản hơn. Sau khi xoay, nhà nghiên cứu kỳ vọng mỗi biến sẽ có hệ số tải cao ở một nhân tố chính và tải thấp ở các nhân tố còn lại. Nhờ vậy, việc nhóm biến, đặt tên nhân tố và diễn giải kết quả sẽ trở nên trực quan hơn nhiều.
| Vấn đề trước khi xoay | Kết quả mong muốn sau khi xoay |
|---|---|
| Một biến tải trung bình ở nhiều nhân tố | Một biến tải mạnh vào một nhân tố chính |
| Khó xác định cấu trúc nhân tố | Cấu trúc rõ ràng, dễ gán biến vào từng nhóm |
| Khó đặt tên nhân tố | Dễ đặt tên và diễn giải ý nghĩa lý thuyết |
| Kết quả EFA thiếu trực quan | Kết quả phù hợp hơn cho các bước phân tích tiếp theo |
Hiểu theo nghĩa đơn giản, xoay nhân tố không nhằm thay đổi dữ liệu gốc mà nhằm giúp mô hình dễ đọc hơn. Đây là lý do vì sao bước này gần như trở thành một phần mặc định trong nhiều quy trình phân tích nhân tố khám phá.
Varimax Rotation là gì?
Varimax rotation là một phép quay vuông góc, tức sau khi xoay, các trục nhân tố vẫn giữ nguyên góc 90 độ với nhau. Điều đó đồng nghĩa với việc mô hình tiếp tục giả định rằng các nhân tố không có tương quan. Đây là điểm lý thuyết rất quan trọng vì nó ảnh hưởng trực tiếp đến cách lựa chọn phép quay phù hợp.
Mục tiêu của varimax rotation là làm cho các hệ số tải cao trở nên cao hơn và các hệ số tải thấp trở nên thấp hơn trong cùng một nhân tố. Nói theo cách dễ hiểu, kỹ thuật này thúc đẩy cấu trúc đơn giản: mỗi biến quan sát nên “nghiêng” về một nhân tố rõ ràng thay vì nằm lẫn giữa nhiều nhóm.
Chính vì thế, phép quay varimax thường được xem là lựa chọn an toàn cho người mới học hoặc cho những nghiên cứu có giả định rằng các nhân tố tương đối độc lập với nhau. Trong môi trường efa spss, đây cũng là tùy chọn được sử dụng rất thường xuyên vì dễ diễn giải và dễ trình bày trong báo cáo nghiên cứu.
| Đặc điểm | Mô tả |
|---|---|
| Loại phép quay | Vuông góc |
| Giả định giữa các nhân tố | Các nhân tố không tương quan với nhau |
| Mục tiêu chính | Làm rõ cấu trúc tải nhân tố để dễ diễn giải |
| Ưu điểm nổi bật | Dễ hiểu, dễ đọc bảng kết quả, phù hợp cho người mới |
| Ứng dụng phổ biến | Nghiên cứu khám phá, hồi quy, tương quan, báo cáo học thuật cơ bản |
Ví dụ trực quan để hiểu cách hoạt động
Giả sử bạn có một bảng khảo sát gồm 15 biến quan sát, dùng để đo ba khái niệm khác nhau như động lực học tập, chất lượng giảng dạy và tài liệu hỗ trợ. Sau khi chạy EFA, kết quả ban đầu cho thấy nhiều biến cùng tải lên ba nhân tố với mức khá gần nhau. Khi nhìn vào ma trận tải, bạn biết dữ liệu có cấu trúc tiềm ẩn nhưng chưa thể xác định ranh giới rõ ràng giữa các nhóm biến.
Sau khi áp dụng varimax rotation, tình hình có thể thay đổi rõ rệt. Nhóm biến thứ nhất tải mạnh vào nhân tố 1, nhóm thứ hai tập trung vào nhân tố 2, còn nhóm thứ ba nghiêng rõ sang nhân tố 3. Nhờ đó, nhà nghiên cứu có thể đặt tên từng nhân tố dựa trên nội dung các biến quan sát thay vì chỉ dựa vào trực giác mơ hồ. Đây chính là giá trị thực tiễn lớn nhất của phương pháp này trong phân tích dữ liệu.
Các nhóm phép quay trong EFA
Trong phân tích nhân tố khám phá, các phép quay thường được chia thành hai nhóm lớn: quay vuông góc và quay không vuông góc. Mỗi nhóm có một logic sử dụng riêng, tùy thuộc vào giả định lý thuyết về mối quan hệ giữa các nhân tố.
| Nhóm phép quay | Ví dụ | Đặc điểm |
|---|---|---|
| Quay vuông góc | Varimax, Equimax, Quartimax | Giữ các nhân tố độc lập, không cho phép tương quan |
| Quay không vuông góc | Promax, Oblimin, Orthoblique | Cho phép các nhân tố có tương quan với nhau |
Trong thực hành, varimax rotation là đại diện phổ biến nhất của nhóm quay vuông góc. Trong khi đó, promax rotation thường được dùng khi nhà nghiên cứu cho rằng các khái niệm trong mô hình có liên hệ với nhau. Điều này khá thường gặp trong khoa học xã hội, hành vi người tiêu dùng, tâm lý học và các nghiên cứu có tính cấu trúc cao.
Varimax và Promax khác nhau ở đâu?
Đây là một trong những câu hỏi phổ biến nhất khi học EFA. Về mặt kỹ thuật, khác biệt cốt lõi nằm ở giả định về mối quan hệ giữa các nhân tố. Nếu dùng varimax rotation, bạn đang giả định rằng các nhân tố độc lập với nhau. Nếu dùng promax rotation, bạn chấp nhận khả năng các nhân tố có tương quan.
| Tiêu chí | Varimax | Promax |
|---|---|---|
| Bản chất phép quay | Vuông góc | Không vuông góc |
| Tương quan giữa các nhân tố | Không cho phép | Cho phép |
| Mức độ diễn giải | Thường dễ đọc và trực quan hơn | Linh hoạt hơn về mặt lý thuyết |
| Phù hợp với | Hồi quy, tương quan, nghiên cứu khám phá cơ bản | Mô hình hành vi, SEM, nghiên cứu có nhân tố liên kết với nhau |
| Tình huống dùng nhiều | Khi muốn cấu trúc đơn giản và tách biệt | Khi tin rằng các khái niệm trong mô hình có quan hệ nội tại |
Thực tế, kết quả giữa hai phép quay đôi khi không khác quá lớn về số lượng nhân tố hay nhóm biến chính. Tuy nhiên, sự khác nhau về giả định lý thuyết lại rất đáng lưu ý. Nếu mô hình nghiên cứu của bạn mang tính xã hội hoặc hành vi, việc các nhân tố có liên hệ với nhau là điều không hiếm. Khi đó, promax rotation có thể phản ánh thực tế tốt hơn. Ngược lại, nếu mục tiêu là tạo cấu trúc rõ ràng để phục vụ các bước hồi quy hoặc trình bày báo cáo đơn giản, phép quay varimax thường là lựa chọn phù hợp hơn.
Nên dùng khi nào?
Không có một quy tắc cứng áp dụng cho mọi đề tài. Việc chọn phép quay nên dựa trên cả cơ sở lý thuyết lẫn mục tiêu phân tích. Nếu bạn đang ở bước khám phá ban đầu, muốn kết quả dễ đọc và chưa có căn cứ rõ ràng về tương quan giữa các nhân tố, varimax rotation là lựa chọn hợp lý. Nếu bạn đang chuẩn bị cho các bước phân tích nâng cao, hoặc mô hình lý thuyết cho thấy các khái niệm có liên hệ lẫn nhau, nên cân nhắc promax.
| Tình huống nghiên cứu | Gợi ý phép quay |
|---|---|
| Khám phá sơ bộ, ưu tiên dễ diễn giải | Varimax |
| Các nhân tố được giả định độc lập | Varimax |
| Các khái niệm có khả năng tương quan | Promax |
| Chuẩn bị cho CFA hoặc SEM | Promax thường phù hợp hơn |
| Phân tích ứng dụng bằng efa spss cho người mới | Varimax thường dễ tiếp cận hơn |
Cách đọc factor loading sau khi xoay
Sau khi xoay nhân tố, bước tiếp theo là đọc ma trận tải. Đây là khâu rất quan trọng vì toàn bộ kết luận về cấu trúc nhân tố phụ thuộc vào việc đọc đúng các hệ số tải.
Thông thường, một biến được xem là đại diện tốt cho nhân tố khi factor loading đạt từ 0.5 trở lên, dù ngưỡng cụ thể còn tùy theo kích thước mẫu và chuẩn nghiên cứu. Ngoài ra, biến không nên có tải chéo quá cao ở nhiều nhân tố. Nếu một biến vừa tải mạnh ở nhân tố này vừa tải khá cao ở nhân tố khác, cấu trúc sẽ thiếu rõ ràng và biến đó có thể cần được xem xét loại bỏ.
Khi đọc kết quả varimax rotation, người nghiên cứu nên ưu tiên ba câu hỏi: biến này tải mạnh nhất ở đâu, mức chênh lệch với các nhân tố còn lại có đủ rõ không, và nhóm biến này có cùng phản ánh một khái niệm lý thuyết hay không. Chỉ khi kết hợp cả góc nhìn thống kê và nội dung lý thuyết, bạn mới có thể đặt tên nhân tố một cách chắc chắn.
Kết luận
Varimax rotation là một kỹ thuật nền tảng trong phân tích nhân tố khám phá vì nó giúp làm rõ cấu trúc tải, hỗ trợ nhóm biến chính xác hơn và tăng khả năng diễn giải kết quả. Đây là lý do phương pháp này được sử dụng rất phổ biến trong các nghiên cứu định lượng, đặc biệt ở giai đoạn khám phá ban đầu hoặc khi nhà nghiên cứu cần một cấu trúc nhân tố gọn và dễ đọc.
Tuy vậy, lựa chọn giữa varimax rotation và promax rotation không nên chỉ dựa trên thói quen. Điều quan trọng hơn là hiểu mô hình lý thuyết của mình đang giả định điều gì. Nếu các nhân tố được kỳ vọng độc lập, varimax là phương án hợp lý. Nếu các khái niệm có khả năng liên hệ với nhau, promax sẽ phản ánh thực tế tốt hơn. Khi nắm chắc điểm khác biệt này, bạn sẽ chủ động hơn trong quá trình xoay nhân tố, đọc factor loading và xây dựng một mô hình EFA có ý nghĩa thực sự.
Nếu bạn đang cần tài liệu thực hành về phân tích nhân tố khám phá, hướng dẫn chạy SPSS hoặc ví dụ cụ thể để xử lý dữ liệu, có thể tham khảo thêm tại chayspss.
Xem thêm: Cách chạy spss hiệu quả cho nghiên cứu khoa học
Xử Lý Số Liệu: Hỗ trợ SPSS