PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA) TRONG MÔ HÌNH CB-SEM: TÁCH BIỆT HAY KẾT HỢP BIẾN ĐỘC LẬP VÀ BIẾN PHỤ THUỘC?

Khi thực hiện phân tích EFA (Phân tích nhân tố khám phá) trong nghiên cứu với mô hình CB-SEM (Covariance-Based Structural Equation Modeling) bằng AMOS, bạn không cần phải tách riêng biến độc lập và biến phụ thuộc để chạy riêng biệt. Thực tế, EFA chủ yếu được sử dụng để xác định cấu trúc của các yếu tố tiềm ẩn (latent factors) trong mô hình và xem xét sự tương quan giữa các biến quan sát.

Cách thực hiện phân tích EFA trong mô hình CB-SEM:

1.     Phân tích EFA chủ yếu được sử dụng trong giai đoạn trước khi thực hiện mô hình SEM để kiểm tra sự phù hợp của các biến quan sát với các yếu tố tiềm ẩn. EFA sẽ giúp bạn xác định số lượng các nhân tố và việc gán các biến quan sát vào các yếu tố đó.

2.    EFA không yêu cầu bạn phải phân biệt rõ ràng giữa biến độc lập và biến phụ thuộc. Khi chạy EFA, bạn sẽ đưa vào tất cả các biến quan sát có liên quan đến các yếu tố tiềm ẩn trong mô hình mà bạn muốn kiểm tra. Điều này có thể bao gồm cả các biến độc lập, biến trung gian và biến phụ thuộc, vì mục tiêu của EFA là xác định cấu trúc nhân tố (factor structure) chứ không phải là kiểm tra các mối quan hệ nhân quả giữa các biến.

3.    Sau khi thực hiện EFA, bạn có thể sử dụng kết quả từ EFA (ví dụ: số lượng nhân tố, các biến đo lường cho mỗi nhân tố) làm cơ sở để xây dựng mô hình CB-SEM trong AMOS. Trong mô hình CB-SEM, bạn sẽ phân biệt rõ ràng giữa biến độc lập, biến phụ thuộc, và biến điều kiện (control variables) để xây dựng các mối quan hệ nhân quả.

Tóm lại:

♦ EFA không yêu cầu tách biệt các biến độc lập và biến phụ thuộc khi chạy.

♦ Bạn sẽ chạy EFA chung cho tất cả các biến quan sát mà bạn muốn phân tích, để xác định các yếu tố tiềm ẩn.

♦ CB-SEM sẽ sử dụng kết quả từ EFA (cấu trúc nhân tố) để xây dựng mô hình với các mối quan hệ giữa các biến độc lập, phụ thuộc, và yếu tố tiềm ẩn.

Vậy nên, bạn không cần phải tách riêng biến độc lập, biến trung gian và biến phụ thuộc trong khi thực hiện EFA.