Nguyên Tắc Cơ Bản Trong Phân Tích Nhân Tố

Tính chuẩn: Các phần dư được giả định là có phân phối chuẩn. Do vậy, trước khi có kết luận cuối cùng nên xem xét phân phối của các biến quan trọng. Một số các quan sát có giá trị quá lớn hoặc quá nhỏ nên được bỏ ra khỏi tập hợp số liệu. Thực tế đã cho thấy kết quả có thể rất khác khi một số các giá trị cực đại hoặc cực tiểu đưuợc loại ra khỏi tập hợp số liệu.

Số lượng biến: Hồi qui bội không hạn chế số lượng biến vào mô hình. Tuy nhiên số biến đưa vào mô hình nên phụ thuộc vào số quan sát. Một nghiên cứu bao gồm 100 biến chỉ dựa trên câu trả lời của 10 người sẽ rất khó đưa ra các kết luận mang tính thuyết phục.

Đa cộng tuyến: Như trình bày ở trên, số biến độc lập trong mô hình nghiên cứu các yếu tố ảnh hưởng mức độ hài lòng chung của hành khách hàng không có thể khá lớn. Trong số đó, có thể có các biến độc lập có mối liên hệ tương quan với nhau. Nếu các biến có liên hệ tương quan với nhau cùng được đưa vào làm các biến độc lập trong mô hình hồi qui bội thì xảy ra hiện tượng đa cộng tuyến. Bản chất của hiện tượng đa cộng tuyến và các biện pháp khắc phục có thể được trình bày vắn tắt như sau:

Mô hình hồi quy bội giả thiết là các biến giải thích

Xi (i  1, k)

không tương

quan với nhau. Nếu giữa các biến đó quan hệ tuyến tính với nhau thì xuất hiện hiện tượng đa cộng tuyến. Đa cộng tuyến được gọi là hoàn hảo khi một biến được biểu diễn dưới dạng tổ hợp tuyến tính của các biến giải thích còn lại. Có nghĩa là:

1X1 2 X2  ..... k Xk  0

Trong đó 1 ,2 ,.....,k

là các hằng số không đồng thời bằng 0.

Khi xuất hiện đa cộng tuyến mỗi biến Xi không chỉ có ảnh hưởng đến Y mà còn ảnh hưởng các biến Xi khác. Do vậy không thể tách được ảnh hưởng của từng biến lên biến phụ thuộc Y.

i j

Có hai bước để xử lý đa cộng tuyến i) kiểm tra xem có xuất hiện đa cộng tuyến giữa các biến hay không và ii) xử lý đa cộng tuyến. Để phát hiện đa cộng

tuyến có thể sử dụng hệ số tương quan cặp giữa các biến độc lập -

rX ,X (i  j) . Nếu

i j

rX ,X

tương đối cao ( rXi,X j> 0,8) thì có khả năng tồn tại đa cộng tuyến. Cách thứ

hai là tính độ chấp nhận (tolerance) của biến giải thích Xi (được định nghĩa là 1-R2) và hệ số VIF(Xi) được xác định:

VIF(Xi) = 1  R

(2.11)

Nếu độ chấp nhận càng bé và VIF càng lớn thì Xi càng liên hệ chặt chẽ với các biến độc lập (biến giải thích) khác.

Hậu quả của đa cộng tuyến là làm cho việc ước lượng các tham số của mô hình hồi quy sẽ không chính xác, trong trường hợp đa cộng tuyến hoàn hảo thì các tham số là không xác định. Ngoài ra, đa cộng tuyến còn ảnh hưởng đến việc suy rộng và các kiểm định thống kê.

Để khắc phục hiện tượng đa cộng tuyến – hay nói đúng hơn là để hạn chế phần nào hiện tượng đa cộng tuyến, có thể có những biện pháp khác nhau được sử dụng. Ở đây, chỉ đề cập đến hai biện pháp là tăng cỡ mẫu và bỏ bớt biến giải thích. Biện pháp thứ nhất là tăng cỡ mẫu: Vì đa cộng tuyến về cơ bản là vấn đề mẫu, do đó khi cỡ mẫu được tăng lên thì có thể làm giảm bớt tính chất nghiêm trọng của đa cộng tuyến. Biện pháp thứ hai là bỏ bớt biến giải thích: Như trên đã nói đa cộng tuyến đó chính là mối liên hệ giữa các biến giải thích. Do đó nếu bỏ bớt

biến giải thích thì có thể làm giảm nguy cơ của đa cộng tuyến. Để bỏ bớt các biến giải thích có thể so sánh các hệ số xác định bội R2 của các mô hình hồi quy với các biến giải thích khác nhau hoặc chọn các phương pháp khác nhau để xây dựng mô hình hồi quy.

2.2.2 Phương pháp phân tích nhân tố

2.2.2.1 Bản chất

Có khá nhiều cách giải thích về phương pháp phân tích nhân tố. Tác giả đã cố gắng tóm tắt một số các giải thích khác nhau về phương pháp này duới đây.

Phân tích nhân tố là một phương pháp thống kê được sử dụng để phân tích mối liên hệ tác động qua lại giữa một số lượng lớn các biến và giải thích các biến

này dưới dạng các nhân tố “ẩn”. Các tiếp cận này đưa ra cách để “cô đọng ”thông tin đồng thời khi giảm thiểu sự mất mát thông tin .

Phân tích nhân tố được sử dụng để kiểm định lại khái niệm. Ví dụ, chất lượng tiếp viên hàng không được đo bằng ba chỉ báo đo được trực tiếp i)mức độ hài lòng của khách hàng về độ chuyên nghiệp; ii) Mức độ hài lòng về thái độ niềm nở, ân cần và iii) Kết quả phục vụ đáp ứng yêu cầu. Tập hợp đo này được hình thành từ nhà nghiên cứu, do vậy cần phải khẳng định tập hợp ba chỉ báo trên đúng là thang đo của biến tiềm ẩn “chất lượng tiếp viên hàng không”. Phân tích nhân tố cho phép thực hiện điều này.

Phân tích nhân tố được sử dụng để rút gọn và tóm tắt dữ liệu. Trong nghiên cứu chất lượng dịch vụ có thể có rất nhiều biến để nghiên cứu, hầu hết chúng có tương quan với nhau và cần được rút gọn để có thể dễ dàng quản lý. Trong phân tích ANOVA hay hồi qui, tất cả các biến nghiên cứu sẽ có một biến phụ thuộc còn các biến còn lại là các biến độc lập, nhưng đối với phân tích nhân tố thì không có sự phân biệt này. Hơn nữa, phân tích nhân tố có quan hệ phụ thuộc lẫn nhau giữa các biến trong đó mối quan hệ phụ thuộc này được xác định. Vì những lý do trên, phân tích nhân tố được sử dụng trong các trường hợp sau:

1. Nhận dạng các nhân tố để giải thích mối quan hệ giữa các biến. Ví dụ như các câu trả lời về việc tiếp tục lựa chọn một hãng hàng không trong tương lai có thể được sử dụng để đo lường sự hài lòng của hành khách. Các câu trả lời này có thể là nhân tố được phân tích để nhận dạng các nhân tố tâm lý.

2. Nhận dạng các biến mới thay thế cho các biến gốc ban đầu trong phân tích đa biến (hồi qui). Chẳng hạn các nhân tố tâm lý được nhận dạng có thể sử dụng như là các biến độc lập để phân biệt số khách hàng trung thành và không trung thành.

3. Nhận dạng một bộ nhân tố có số biến [tiềm ẩn] ít hơn cho việc sử dụng phân tích đa biến. Chẳng hạn, có một ít câu trả lời về độ hài lòng khá cao về thái độ của tiếp viên có tương quan khá cao với nhân tố tiềm ẩn được nhận dạng là “tiếp viên”, và nhân tố “tiếp viên” có thể được sử dụng là biến độc lập để giải thích về mức độ hài lòng chung với dịch vụ hàng không.

Theo Byrne (2001) [5] phương pháp phân tích nhân tố là một phương pháp thông dụng nhất để nghiên cứu về mối quan hệ giữa các biến quan sát được và biến tiềm ẩn. Darlington, 2006, cũng đồng tình khi cho rằng hồi qui đa biến là một phương pháp rất thông dụng để nghiên cứu quan hệ giữa các biến độc lập và một biến phụ thuộc, tuy nhiên phân tích nhân tố được sử dụng để nghiên cứu chiều hướng của mối quan hệ giữa các biến phụ thuộc với mục tiêu nhằm phát hiện ra một điều gì đó về bản chất của các biến độc lập đã ảnh hưởng đến các biến phụ thuộc đó, mặc dù các biến độc lập này không đo được một cách trực tiếp. Biến độc lập được suy luận đó được gọi là “nhân tố-factor”.

Cũng theo Darlington, 2006, phân tích nhân tố đề xuất câu trả lời cho bốn câu hỏi chính :

1. Có bao nhiêu nhân tố cần thiết để giải thích về chiều hướng mối quan hệ giữa các biến này?

2. Bản chất của các nhân tố này là gì?

3. Các nhân tố được giả định đó giải thích được đến mức độ nào các số liệu quan sát được?

4. Mỗi biến quan sát được giải thích được bao nhiêu phần trăm phương sai ? Như vậy, bản chất của phân tích nhân tố là để rút gọn và tóm tắt dữ liệu.

Phân tích ANOVA hay hồi qui nghiên cứu mối quan hệ giữa một biến phụ thuộc với các biến còn lại là các biến độc lập, nhưng đối với phân tích nhân tố thì không có sự phân biệt này. Hơn nữa, phân tích nhân tố có quan hệ phụ thuộc lẫn nhau giữa các biến trong đó mối quan hệ phụ thuộc này được xác định.

Phương pháp phân tích nhân tố có thể được ứng dụng rộng rãi trong quản trị chất lượng dịch vụ thông qua việc nghiên cứu về sự hài lòng của khách hàng. Ví dụ dưới đây được dùng để minh họa về số lượng các biến có thể thu thập được trong một cuộc điêu tra mức độ hài lòng của hành khách và nguyên nhân phải sử dụng phân tích nhân tố.

Hành khách được yêu cầu sử dụng thang đo Likert để đánh giá mức độ đồng ý, không đồng ý với các câu dưới đây.

Hoàn toàn

không đồng	ý			Hoàn toàn đồng	ý
1	2	3	4	5	6	7

Có thể bạn quan tâm!

Xem toàn bộ 204 trang tài liệu này.

Máy bay của hãng rất hiện đại Ghế ngồi rộng rãi, thoải mái Độ ngả thân ghế

Sử dụng các thiết bị tại ghế ngồi rất thuận lợi Chỗ để chân rất rộng rãi

Khoang hành khách rất sạch sẽ Ghế ngồi sạch sẽ

Buồng vệ sinh sạch sẽ

Không khi trong máy bay rất dễ chịu

Thái độ của tiếp viên chân thành, thân thiện Tiếp viên nhã nhặn, lịch sự khi giao tiếp Tiếp viên nhiệt tình chu đáo với hành khách Thái độ của tiếp viên rất nghiêm túc

Luôn sẵn sàng phục vụ khi khách có yêu cầu Diện mạo trang điểm đẹp

Trang phục chỉnh tề Tính chuyên nghiệp cao

Hiện diện thường xuyên trong suốt chuyến bay Cung cấp thông tin nếu có khách yêu cầu

Tiếp viên có cách phát âm hay khi đọc bản phát thanh Thông tin được thông báo đầy đủ

Thời điểm phục vụ đồ ăn trên chuyến bay là phù hợp Hình thức bày biện đồ ăn hấp dẫn

Hương vị các món ăn hấp dẫn

Chất lượng đồ uống trên máy bay rất tốt

Sách báo tạp chí trên chuyến bay rất phong phú

Nội dung sách báo tạp chí rất hay Giải trí trên chuyến bay rất phong phú

Hành khách được lựa chọn phim theo sở thích Chất lượng âm thanh và hình ảnh tuyệt vời

Sự hài lòng tổng thể của hành khách với chất lượng DV trên máy bay Hành khách sẽ giới thiệu với bạn bè về VNA

Hành khách sẽ tiếp tục sử dụng dịch vụ của VNA lần sau.

Như vậy sau cuộc điều tra kết quả thu được gồm có các câu trả lời cho 33 biến quan sát được. Vấn đề đặt ra ở đây là nếu dựa trên toàn bộ 33 biến này để nghiên cứu về ảnh hưởng của từng biến đên chất lượng dịch vụ thì sẽ không chính xác vì các biến nay có thể mức độ tương quan lẫn nhau khá cao, và một số biến quan sát được có quan hệ tương quan với nhau cao có thể là đại diện cho một biến độc lập không quan sát được (tiềm ẩn) ẩn đằng sau các biến đó. Nhiệm vụ đặt ra lúc này là trả lời các câu hỏi:

1. Số luợng các nhân tố cần thiết để giải thích về mối quan hệ giữa 33 biến này? Ba, bốn, năm, hay sáu nhân tố là đủ?

2. Bản chất của từng nhân tố này là gì?

3. Mỗi nhân tố đó giải thích được đến mức độ nào các số liệu quan sát được?

4. Mỗi nhân tố sẽ có ảnh hưởng thế nào/bao nhiêu đến biến động chung của chất lượng dịch vụ trên máy bay ?

Như vậy, phương pháp phân tích nhân tố sẽ được sử dung trong nghiên cứu chất lượng dich vụ hàng không nhằm các mục đích sau:

1. Nhận dạng các nhân tố để giải thích mối quan hệ giữa các biến. Ví dụ như các câu trả lời về thái độ của tiếp viên (sự nhã nhặn, độ chuyên nghiệp, vvv) đều là kết quả của nhân tố “tiếp viên”, nhóm biến về đồ uống, đồ ăn có thể là kết quả của nhân tố “chất lượng đồ ăn, uống”; nhóm biến về loại máy bay, độ rộng rãi của ghế ngồi; thiết bị tại ghế ngồi vvv có thể nhóm lại thành nhân tố ”tiện nghi trên máy bay”. Bằng việc nhóm một số lượng lớn các biến thành các nhân tố con, việc nghiên cứu sự hài lòng chung sẽ dễ dàng hơn và tránh được sự tương quan cao giữa các

biến trong cùng một nhóm. Nếu sử dụng phương pháp phân tích hồi qui bội trong trường hợp số lượng các biến giải thích quá lớn đồng thời có nhiều biến có tương quan với nhau sẽ không tránh khỏi những kết quả phân tích không đảm bảo ý nghĩa do ảnh hưởng của hiện tượng đa cộng tuyến. Trong trường hợp này phân tích hồi qui bội được thực hiện trên cơ sở kết quả của phân tích nhân tố.

2. Nhận dạng các biến mới thay thế cho các biến gốc ban đầu trong phân tích đa biến (hồi qui). Chẳng hạn, các nhân tố “tiếp viên” sẽ giúp nghiên cứu được ảnh hưởng của yếu tố con người so với yếu tố “phi con người” đến mức độ hài lòng chung của hành khách.

3. Một nội dung quan trọng trong đánh giá chất lượng dịch vụ đó là vấn đề kiểm soát chất lượng chức năng và chất lượng kỹ thuật. Đối với những đặc tính mang tính hữu hình của dịch vụ thì việc kiểm soát chất lượng có thể được thực hiện một cách trực tiếp bằng các công cụ kiểm soát chất lượng truyền thống. Chẳng hạn mức độ vệ sinh của thực phẩm đối với dịch vụ ăn uống, số lượng sách báo tạp chí trên máy bay ... Tuy nhiên, đa số biến đánh giá chất lượng dịch vụ hàng không dựa trên cơ sở những cảm nhận đánh giá của khách hàng, với số lượng lớn các biến thì việc kiểm soát chất lượng theo từng biến khó có thể đưa ra được những nhận định chung cho toàn bộ qui trình dịch vụ. Trong trường hợp này, việc kiểm soát chất lượng dịch vụ hàng không được thực hiện trên cơ sở một số ít các nhân tố có được sau khi tiến hành thu gọn dữ liệu sẽ thuận tiện hơn.

2.2.2.2. Nguyên tắc cơ bản trong phân tích nhân tố

Về mặt toán học, mô hình phân tích nhân tố giống như phương trình hồi qui nhiều chiều mà trong đó mỗi biến được đặc trưng cho mỗi nhân tố. Những nhân tố này không được quan sát một cách riêng lẻ trong mô hình. Nếu các biến được chuẩn hóa mô hình nhân tố có dạng như sau:

Xi = Ai1F1 + Ai2F2+... + AimFm +ViUi (2.12)

Trong đó:

Xi: Biến được chuẩn hóa thứ i

Aịj: Hệ số hồi qui bội của biến được chuẩn hóa i trên nhân tố chung j F: Nhân tố chung

Vi: Hệ số hồi qui của biến chuẩn hóa i trên nhân tố di biệt i Ui: Nhân tố dị biệt của biến i

m: Số nhân tố chung.

Mỗi nhân tố duy nhất tương quan với mỗi nhân tố khác và với các nhân tố chung. Các nhân tố chung có sự kết hợp tuyến tính của các biến được quan sát.

Fi = wi1x1 + wi2x2 +...+ wikxk (2.13)

Trong đó:

Fi: Ước lượng nhân tố thứ i

wi: Trọng số hay hệ số điểm nhân tố k: Số biến

Trong phân tích này có thể chọn trọng số (hay hệ số điểm nhân tố) để nhân tố thứ nhất có tỷ trọng lớn nhất trong tổng phương sai. Các nhân tố có thể được ước lượng điểm nhân tố của nó. Theo ước lượng này, nhân tố thứ nhất có điểm nhân tố cao nhất, nhân tố thứ hai có điểm nhân tố cao thứ hai, vvv.

2.2.2.3. Các bước trong quá trình phân tích nhân tố

Tiến trình thực hiện phân tích nhân tố được trình bày theo các bước trong sơ đồ dưới đây: