So sánh cronbach alpha và efa năm 2024

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.

Cronbach’s alpha dùng để đo độ tin cậy của thang đo, nói lên tính nhất quán nội bộ của thang đo đó. Công thức tính dựa trên sự tương quan lẫn nhau giữa các biến quan sát. Cronbach’s alpha giả định rằng tất cả các biến quan sát indicator đều có mức độ tin cậy như nhau, nghĩa là có hệ số regression weight (outer loading) vào biến khái niệm construct như nhau. Hơn nữa, Cronbach’s alpha bị nhạy cảm với số lượng biến quan sát trong thang đo, và thường có xu hướng đánh giá thấp tính nhất quán nội tại. Do những hạn chế đó, có một kĩ thuật phù hợp hơn để đo tính nhất quán nội tại, được gọi là độ tin cậy tổng hợp composite reliability. Phương pháp này hoàn toàn dựa vào standardized outer loading(còn gọi là hệ số hồi quy chuẩn hóa standardized regression weight)

Cronbach’s alpha là một thước đo thận trọng về độ tin cậy (tức là, nó dẫn đến các giá trị độ tin cậy tương đối thấp). Ngược lại, độ tin cậy tổng hợp có xu hướng đánh giá quá cao độ tin cậy nhất quán nội bộ, do đó dẫn đến ước tính độ tin cậy tương đối cao hơn. Vì vậy, nên xem xét và báo cáo cả hai tiêu chí. Khi phân tích và đánh giá độ tin cậy nội bộ của các thang đo, độ tin cậy thực sự thường nằm giữa Cronbach’s Alpha (đại diện cho giới hạn dưới) và độ tin cậy tổng hợp (đại diện cho giới hạn trên).

Link chi tiết về cronbach’s alpha: https://phantichspss.com/phan-tich-do-tin-cay-cronbachs-alpha.html

Link chi tiết về độ tin cậy tổng hợp composite reliability : https://phantichspss.com/cach-tinh-do-tin-cay-tong-hop-composite-reliability-trong-amos.html

Xem thêm:

• Cơ sở lý thuyết của mô hình mạng (SEM) – Phần 1
• Lý thuyết đo lường Mesurement theory và lý thuyết cấu trúc Structural theory
• Điều gì quyết định 1 nhân tố trong mô hình là reflective hay formative
• Cách tính nhân số đại diện cho nhân tố
• Phân tích độ tin cậy cronbach’s alpha

Bài viết cùng chủ đề: