Những điều bạn cần biết về Cronbach Alpha (Phần 2)

5 (100%) 4 votes

Trong bài viết này, Tri Thức Cộng Đồng sẽ tiếp tục giải đáp những thắc mắc cho bạn về Cronbach Alpha. Hy vọng với những chia sẻ này bạn sẽ không còn lúng túng khi chạy Cronbach Alpha nữa.

>>Xem thêm bài viết liên quan: 

Những Điều Bạn Cần Biết Về Cronbach Alpha trong SPSS (Phần 1)

Những điều bạn cần biết về phân tích nhân tố khám phá trong SPSS

Những điều bạn cần biết về phân tích nhân tố khám phá trong SPSS(Phần 2)

1. Lỗi không hiển thị cột Cronbach’s Alpha if Item Detected

Một trường hợp mà Tri Thức Cộng Đồng nhận được câu hỏi khá thường xuyên từ các bạn đó là khi thực hiện kiểm định Cronbach’s Alpha thì gặp lỗi không hiển thị cột Cronbach’s Alpha if Item Deleted hay cột Cronbach’s Alpha if Item Deleted không có giá trị.

Đây không phải là lỗi dữ liệu hay lỗi do bạn thực hiện sai thao tác kiểm định Cronbach Alpha mà là nội tại của nó là như vậy. Nhưng trước hết, bạn cần đảm bảo rằng cách chạy kiểm định độ tin cậy Cronbach’s Alpha của bạn đúng trước đã, bạn có thể kiểm tra lại thao tác kiểm định theo bài viết này nhé.

Lỗi cột Cronbach’s Alpha if Item Deleted không có giá trị là do nhân tố này chỉ gồm 2 biến quan sát. Khi các bạn chỉ đưa 2 biến quan sát vào thực hiện kiểm định độ tin cậy trên SPSS, SPSS mặc định không hiển thị giá trị trong cột này.

Xử lý lỗi Cronbach Alpha

Lý do là vì: Nhân tố chỉ gồm 2 biến quan sát, nếu trong trường hợp 1 biến quan sát có giá trị tương quan biến tổng nhỏ hơn 0.3, biến đó sẽ bị loại bỏ đi và khi đó nhân tố chỉ còn 1 biến quan sát.

Trong nghiên cứu marketing về các vấn đề kinh tế, xã hội phức tạp, nhân tố mẹ khá phức tạp và khó đo lường nên các nhà nghiên cứu sẽ đo lường nhân tố mẹ đó bằng các câu hỏi, biến quan sát con bên trong. Nên nếu nhân tố chỉ gồm 1 biến quan sát thì biến quan sát đó chính là nhân tố luôn rồi các bạn. Ban đầu bạn đi xây dựng nhiều câu hỏi trên nhiều mặt để làm rõ tính chất nhân tố, nhưng kết quả cuối cùng nhân tố đó chỉ có một câu hỏi, nghĩa là công việc chúng ta đã làm là hoàn toàn vô nghĩa. Do đó, nếu trường hợp nhân tố chỉ gồm 2 biến quan sát, bạn thực hiện kiểm định Cronbach’s Alpha và có một biến quan sát có tương quan biến tổng nhỏ hơn 0.3 hoặc hệ số Cronbach’s Alpha của nhân tố nhỏ hơn 0.6, bạn sẽ loại bỏ cả nhân tố này đi chứ không loại bỏ biến quan sát nữa.

Tóm lại, việc không xuất hiện giá trị trong cột Cronbach’s Alpha if Item Deleted không phải do số liệu khảo sát xấu hay do các bạn thao tác sai, mà là do SPSS mặc định như vậy khi nhân tố chỉ có 2 biến quan sát. Một điểm đáng lưu ý khi làm nghiên cứu marketing, việc xây dựng số lượng câu hỏi (biến quan sát) cho một nhân tố tương đối quan trọng: bao nhiêu là đảm bảo các kiểm định, liệu nhân tố gồm 2 câu hỏi như trường hợp ở trên đã đúng chưa hay cần nhiều hơn?

2. Chạy Cronbach Alpha cho từng nhóm hay cho tất cả một lượt

Tại sao có bài nghiên cứu phân tích Cronbach Alpha chạy cho tất cả các biến vào cùng lúc nhưng cũng có những bài chỉ chạy cho từng nhóm, và chạy 2 cách khác nhau thì kết quả loại biến lại khác nhau hoàn toàn, vậy cái nào đúng?

Chúng ta cùng xem lại khái niệm về kiểm định độ tin cậy Cronbach Alpha ở đây. Kiểm định độ tin cậy của thang đo nghĩa là chúng ta đang kiểm tra xem các biến quan sát của một nhân tố có thể hiện được tính chất của nhân tố mẹ hay không. Các bạn cần hết sức chú ý về khái niệm thang đo trong thuật ngữ thống kê trường hợp này, “thang đo” ở đây đồng nghĩa với “tập hợp các biến quan sát”. Đo lường độ tin cậy của thang đo nghĩa là đo lường độ tin cậy của tập hợp các biến quan sát, xem chúng có đáng tin cậy khi thể hiện tính chất của nhân tố mẹ hay không và giữa chúng có mối tương quan chặt chẽ với nhau hay không.

Ví dụ ở bảng khảo sát đánh giá sự hài lòng của nhân viên trong một tổ chức ở đây. Nhân tố mẹ là các biến độc lập và phụ thuộc: tiền lương, văn hóa tổ chức, phong cách lãnh đạo,…, sự hài lòng của nhân viên. Các câu hỏi nhỏ bên trong gọi là các biến quan sát. Tập hợp các biến quan sát trong mỗi nhân tố gọi là một thang đo của nhân tố đó. Với nhân tố Tiền lương, thang đo của nhân tố này là:

  • TL1 – Anh/chị được trả lương tương xứng với kết quả làm việc của mình
  • TL2 – Anh/chị thường được tăng lương
  • TL3 – Tiền lương được trả công bằng/hợp lý giữa các nhân viên
  • TL4 – Mức lương hiện tại của anh/chị phù hợp so với mặt bằng chung của thị trường lao động

Mục đích của việc thực hiện kiểm định Cronbach Alpha cho nhân tố tiền lương là đi kiểm tra xem các biến quan sát từ TL1 đến TL4 này có mối tương quan chặt chẽ với nhau không, có thể hiện được tính chất của Tiền lương không.

Trường hợp chạy Cronbach Alpha và kết quả hệ số tương quan biến tổng của tất cả các biến quan sát đều lớn hơn 0.3, nghĩa là tất cả các biến từ TL1 đến TL4 đều thể hiện khá tốt tính chất của nhân tố mẹ Tiền lương và giữa các biến TL1 đến TL4 có mối tương quan chặt chẽ với nhau. Thang đo này có độ tin cậy cao.

Kết quả chạy Cronbach Alpha

Trường hợp chạy Cronbach Alpha và kết quả có biến TL2 có hệ số tương quan biến tổng nhỏ hơn 0.3 chẳng hạn, như hình bên dưới là 0.22 < 0.3

Nghĩa là biến TL2 này không có sự tương quan mạnh với các biến TL1, TL3, TL4 và TL2 không thể hiện được tính chất của nhân tố Tiền lương. Bạn nhìn sang giá trị Cronbach Alpha if Item Deleted của biến TL2 sẽ thấy con số 0.736 lớn hơn 0.662 (0.662 là độ tin cậy của thang đo hiện tại). Cronbach Alpha if Item Deleted  của biến TL2 mang ý nghĩa: độ tin cậy Cronbach Alpha mới của thang đo Tiền lương nếu biến TL2 bị loại đi sẽ là 0.662. Như vậy có thể thấy, khi biến TL2 bị loại bỏ đi thì độ tin cậy của thang đo tăng lên khá nhiều từ 0.662 đến 0.736. Chúng ta sẽ cần loại bỏ TL2 để thang đo có độ tin cậy tốt hơn.

Chạy Cronbach Alpha

Quay lại vấn đề đặt ra ban đầu, khi chạy Cronbach Alpha đưa hết tất cả các biến quan sát của tất cả các nhân tố vào chạy chung với nhau hay là chạy riêng từng nhóm nhân tố. Đáp án là: Chạy riêng từng nhóm nhân tố.

Chúng ta đang đi kiểm định độ tin cậy của từng thang đo, mỗi thang đo là một tập hợp các biến quan sát của một nhân tố. Kiểm định Cronbach Alpha được thực hiện để xem các biến quan sát của nhóm có thể hiện được tính chất của nhân tố mẹ hay không. Nếu đưa tất cả các biến quan sát của các nhân tố vào chạy chung với nhau, có nghĩa là chúng ta đang đi kiểm định độ tin cậy của một thang đo X mà thang đo X đó bao gồm tất cả các biến quan sát của tất cả các biến độc lập. Chúng ta kiểm tra xem các biến quan sát đưa vào có thể hiện được tính chất của X không. Vậy X ở đây là gì? Chúng ta có thể xác định được X không? Kiểm định độ tin cậy của X để làm gì trong khi X là một tập hợp lộn xộn nhiều đặc tính của các nhân tố khác nhau và nó không có bất kỳ một ý nghĩa nào để chúng ta đi kiểm định độ tin cậy của nó?

Mỗi nhóm biến quan sát của một nhân tố thể hiện đặc tính riêng của nhân tố đó. Khi đưa chúng vào chung với nhau và thực hiện phân tích Cronbach Alpha, chúng ta đang kỳ vọng tất cả các biến quan sát này sẽ có tương quan chặt chẽ với nhau và cùng thể hiện chung tính chất của một nhân tố mẹ nào đó. Điều này lại vô tình khiến nhiều biến quan sát bị loại một cách vô nghĩa khi biến quan sát của nhóm này không thể có mối tương quan chặt chẽ với biến quan sát của nhóm khác, không thể biểu hiện được tính chất của nhân tố khác, làm cho hệ số tương quan biến tổng biến nhỏ hơn 0.3. Trong khi đó, ở nhóm gốc của biến quan sát khi thực hiện Cronbach Alpha cho nhóm của biến đó, biến này lại hoàn toàn có ý nghĩa, có tương quan mạnh với các biến cùng nhóm, thể hiện được tính chất của nhân tố mẹ. Vậy thì có phải là chúng ta đã loại “oan” một biến quan sát có ý nghĩa ra khỏi nghiên cứu chỉ vì chúng ta thao tác sai kiểm định?

Nếu bạn gặp khó khăn khi chạy Cronbach Alpha, hãy liên hệ với đội ngũ Tri Thức Cộng Đồng để được hỗ trợ sử dụng Dịch Vụ Xử Lý Dữ Liệu SPSS của chúng tôi. Với kinh nghiệm hơn 10+ năm, Tri Thức Cộng Đồng cam kết mang đến cho bạn nhiều lợi ích nhất.

3. Các câu hỏi thường gặp khi chạy Cronbach Alpha

3.1. Phân tích cronbach’s alpha trước khi EFA hay phân tích EFA trước

Điều này phù thuộc vào mục đích nghiên cứu, không có trường hợp nào là sai.

Mục đích phân tích EFA có 2 mục đích:

Thứ nhất, khi chúng ta có quá nhiều biến quan sát và muốn sắp xếp chúng thành các nhóm khác nhau. (Ví dụ như đánh giá đặc điểm liên quan đến cơ thể chẳng hạn, qua EFA sẽ sắp xếp thành bộ phận chân, tay, đầu thân mình v.v)

Thứ hai, dùng để phát hiện những nhóm mới lạ. (Chẳng hạn, mô hình chúng ta đã được xây dựng dựa trên nhiều nghiên cứu khác nhau, và cũng nhiều biến, mặc dù đã xác định đc rõ bộ phận phân biệt với nhau, nhưng thông qua EFA ta có cách nhóm khác, chẳng hạn cơ thể bây giờ thành phần bên trong và bên ngoài, bên trên, giữa, bên dưới)

Còn Cronbach’s alpha dùng để kiểm tra các biến trong cùng một thang đo có đủ độ tin cậy để tạo thành một biến tổng đại diện dùng để phân tích hay không (cụ thể các bạn có thể xem phía dưới, phần câu hỏi về cronbach’s alpha)

Vì vậy, nếu thang đo của bạn dựa trên mô hình của những người đi trước và không thay đổi nhiều thì không nhất thiết phải dùng EFA để phân tích nhân tố mà chỉ cân dùng Cronbach’s alpha để kiểm tra độ tin cậy thang đo.

Ngoài ra, 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).

3.2. Vì sao đã phân tích cronbach’s alpha lại phải phân tích thêm EFA

Trong một số trường hợp như sau:

Thứ nhất, vì cấu trúc thang đo trong tình huống của người nghiên cứu là khác với các nghiên cứu trước đó có một số thang đo đã được hiệu chỉnh các biến quan sát và được kết hợp của các thang đo khác nhau hoặc người nghiên cứu muốn kiểm nghiệm lại thang đo

Thứ hai, một thang đo có độ tin cậy cao chưa hẳn là đã không đa hướng (dimensional), Cronbach’s Alpha chỉ cho biết nó có cùng một khái niệm hay không.

3.3. Trong phân tích cronbach’s alpha vì sao phải xét đến hệ số tương quan biến tổng

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).

3.4. Ý nghĩa của Cronbach’s Alpha là gì?

Đánh giá tính nhất quán các các biến đơn lẻ về việc đại diện cho cùng một khái niệm. Hay nói cách khác, là đánh giá mức độ tin cậy của việc thiết lập một biến tổng hợp trên cơ sở nhiều biến đơn.

Đồng thời loại bỏ đi những biến rác, những biến không cùng một khái niệm để phân tích EFA tốt hơn.

Mô hình Cronbach’s Alpha nằm trong nhóm phương pháp đáng giá tương quan trong (hay còn gọi là đánh giá độ tin cậy bên trong). Tư tưởng chung của phương pháp này là tìm kiếm sự vô lý nếu có trong các câu trả lời,

Mỗi nhân tố gồm các biến quan sát biểu hiện cho một thang đo nhất định cho nhân tố đó. Các biến quan sát có thể hiện được ý nghĩa của nhân tố hay không chính là độ tin cậy thang đo.

Câu hỏi quan sát kém, không có căn cứ, số lượng quá ít sẽ thường không tạo được sự tin cậy cho thang đo nhân tố đó. Ngược lại, câu hỏi quan sát dựa trên các cơ sở lý luận cụ thể, lấy từ các nghiên cứu đã được kiểm duyệt, số lượng vừa đủ sẽ phản ánh được gần đúng ý nghĩa của nhân tố. Từ đó mà độ tin cậy của thang đo tăng lên.

Bình luận

avatar
2 Comment threads
0 Thread replies
Most reacted comment
Hottest comment thread
2 Comment authors
Diễm QuỳnhPhương Uyên Recent comment authors
  Subscribe  
Tin mới nhất Tin cũ nhất Bình chọn nhiều nhất
Notify of
Phương Uyên
Guest
Phương Uyên

Em có tìm tương quan giữa nhu cầu oxy trong ao cá và chloroplyll. Với mẫu N=4 thì có dùng được phép Linear Regression k?

Diễm Quỳnh
Guest
Diễm Quỳnh

Cho em hỏi cách tinh Rm2 tính sao vay anh.em bấm máy tinh mà ko ra 0,6547. Mong ad giúp

Hotline: 0946 88 33 50
Chat Zalo
Zalo: 0946.883.350
Chat với chúng tôi qua Zalo