So sánh cronbach alpha hay efa

Biến Ảnh hưởng của KOC/KOl  Kết quả kiểm định cho thấy Hệ số Cronbach’s Alpha = 0. 776 ≥ 0, hệ số tương quan biến tổng của biến (Corrected Item-Total Correlation)≥ 0 nên các biến quan sát đạt yêu cầu về độ tin cậy.

• Biến Sự tiện lợi  Kết quả kiểm định cho thấy Hệ số Cronbach’s Alpha = 0. 817 ≥ 0, hệ số tương quan biến tổng của biến (Corrected Item-Total Correlation)≥ 0 nên các biến quan sát đạt yêu cầu về độ tin cậy.
• Biến Nhận thức rủi ro giao dịch

 Kết quả kiểm định cho thấy Hệ số Cronbach’s Alpha = 0. 816 ≥ 0, hệ số tương quan biến tổng của biến (Corrected Item-Total Correlation)≥ 0 nên các biến quan sát đạt yêu cầu về độ tin cậy. 5. Biến Ảnh hưởng của thị hiếu

 Kết quả kiểm định cho thấy biến quan sát TH3 có hệ số Cronbach's Alpha if Item Deleted = 0 lớn hơn hệ số Cronbach's Alpha = 0 24. Tuy nhiên, hệ số tương quan biến tổng (Corrected Item-Total Correlation)= 0 5 2 > 0 và Cronbach's Alpha >0. Do vậy chúng ta không cần loại biến TH3 trong trường hợp này. 6. Biến Ảnh hưởng của chiêu thị

 Kết quả kiểm định cho thấy Hệ số Cronbach’s Alpha = 0. 756 ≥ 0, hệ số tương quan biến tổng của biến (Corrected Item-Total Correlation)≥ 0 nên các biến quan sát đạt yêu cầu về độ tin cậy. 9. Biến Uy tín của người bán

 Kết quả kiểm định cho thấy Hệ số Cronbach’s Alpha = 0. 716 ≥ 0, hệ số tương quan biến

tổng của biến (Corrected Item-Total Correlation)≥ 0 nên các biến quan sát đạt yêu cầu về độ

tin cậy.

10. Biến Quyết định mua hàng qua tiếp thị liên kết trên Tiktok

 Kết quả kiểm định cho thấy Hệ số Cronbach’s Alpha = 0. 843 ≥ 0, hệ số tương quan biến

tổng của biến (Corrected Item-Total Correlation)≥ 0 nên các biến quan sát đạt yêu cầu về độ

tin cậy.

II. Phân tích nhân tố khám phá (EFA)

- Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự phù hợp của phân tích

nhân tố khám phá (0 ≤ KMO ≤ 1).

- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét độ tương quan của các

biến quan sát trong nhân tố khám phá (sig Bartlett’s Test < 0).

- Trị số Eigenvalue là một tiêu chí dùng để để xác định số lượng nhân tố khám phá trong

phân tích EFA (Eigenvalue ≥ 1).

- Tổng phương sai trích (Total Variance Explained) là trị số thể hiện số phần trăm cô đọng

hay thất thoát của các biến quan sát(Total Variance Explained ≥ 50%).

- Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị

mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa

là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Theo Hair & ctg

(2009,116), Multivariate Data Analysis, 7th Edition thì:

 Factor Loading = ± 0: Điều kiện tối thiểu để biến quan sát được giữ lại.

 Total Initial Eigenvalues = 1 > 1 tại nhân tố thứ 9 , như vậy 9 nhân tố rút trích được từ EFA có ý nghĩa tóm tắt thông tin các biến quan sát đưa vào tốt nhất.  Tổng phương sai trích (Extraction Sums of Squared Loadings)(Cumulative%) = 61% > 50 %. Cho thấy rằng 9 nhân tố được trích trong EFA phản ánh 61% độ biến thiên tất cả các biến quan sát được đưa vào.

•  Loại biến RRA5 vì biến có Hệ số tải nhân tố (Factor Loading) < 0.

 Total Initial Eigenvalues = 1 > 1 tại nhân tố thứ 9 , như vậy 9 nhân tố rút trích được từ EFA có ý nghĩa tóm tắt thông tin các biến quan sát đưa vào tốt nhất.  Tổng phương sai trích (Extraction Sums of Squared Loadings)(Cumulative%) = 62% > 50 %. Cho thấy rằng 9 nhân tố được trích trong EFA phản ánh 62% độ biến thiên tất cả các biến quan sát được đưa vào.

 Phân tích nhân tố khám phá EFA chỉ trích được 1 nhân tố từ các biến đưa vào. Điều này chứng tỏ được tính được tính đơn hướng, các biến quan sát của biến phụ thuộc hội tụ khá tốt.

Nếu bạn thấy trang này nghĩa là tên miền đang được trỏ về địa chỉ IP của máy chủ Hosting tại AZDIGI, nhưng website chưa thể hoạt động do không tồn tại gói dịch vụ hoặc chưa thêm vào host.

Hoặc nếu bạn vừa mới trỏ tên miền thì có thể thực hiện xóa cookie/cache trình duyệt và thử lại sau ít phút

Từ khóa: hướng dẫn, doanh nghiệp, sử dụng, áp dụng, kiến thức, thực tế, giảng viên, nghiên cứu, hội thảo, báo cáo, thường xuyên, xuất hiện, ứng dụng, phương pháp, phân tích, thống kê, giảng dạy, tác giả, thú vị, cơ quan, mô tả Bài viết này tập trung vào giới thiệu phần lý thuyết và thực hành cách phân tích độ tin cậy cronbach alpha như thế nào là phù hợp

Lý thuyết phân tích cronbach alpha

Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo: – Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). – Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). – Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7). Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí: – Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0,4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này). – Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).

Thực hành phân tích cronbach alpha

Cách phân tích độ tin cậy cronbach’s alpha

Vào menu Analyze->Scale->Reliability Analysis

.jpg)

Chọn các câu hỏi trong cùng một nhân tố qua cột bên phải, sau đó nhấn vào Statistic, check vào ô Scale if item deleted. Sau đó bấm Continue, sau đó bấm OK

Kết quả chạy cronbach alpha sẽ ra như sau:

Kết luận: Cronbach’s Alpha của thang đo là 0.786, các hệ số tương quan biến tổng của các biến quan sát trong thang đo đều lớn hơn 0.4 và không có trường hợp loại bỏ biến quan sát nào có thể làm cho Cronbach’s Alpha của thang đo này lớn hơn 0.786. Vì vậy, tất cả các biến quan sát đều được chấp nhận và sẽ được sử dụng trong phân tích nhân tố tiếp theo.

• Ví dụ về cụ thể về trường hợp loại biến

TH1: Hệ số tương quan biến tổng của các biến quan sát trong thang đo nhỏ hơn 0.4 (tùy theo lược khảo có thể chọn mức tối thiểu 0.3 nếu cỡ mẫu quan sát đủ lớn)

TH2: Trường hợp loại bỏ biến quan sát làm cho Cronbach’s Alpha của thang đo này lớn hơn.

Chúng ta quan sát hệ số Cronbach's Alpha If Deleted của biến quan sát nếu hệ số này lớn hơn hệ số Cronbach Alpha biến tổng thì ta cần loại bỏ biến quan sát đó để cải thiện hệ số này tốt hơn. Và sau khi loại bỏ biến hệ số Cronbach's Alpha của nhóm biến quan sát chính bằng hệ số Crobach's Alpha của cột này.