Trong bài viết sau đây, tailuanvan.com xin chia sẻ đến bạn những lý thuyết chung về phân tích độ tin cậy Cronbach’s Alpha. Đừng bỏ qua bài viết này nếu bạn đang muốn tìm hiểu sâu về nội dung này.
1. Giới thiệu chung về phân tích Cronbach’s 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).
2. Công thức tính độ tin cậy của thang đo Cronbach’s Alpha
Trong đó:
- K là số biến số- item- thường chính là số câu hỏi chẳng hạn
- Xích ma bình phương chính là Phương sai. Các thuật ngữ và công thức thống kê các bạn có thể tìm trên Google hoặc cơ bản cũng đã nắm được
- Y là biến thành phần
- X là biến tổng
3. Hướng dẫn cách điều chỉnh hệ số Cronbach’s Alpha
Phần 1: Mối quan hệ giữa số liệu và hệ số Cronbach’s Alpha
Nhận xét 1: Số liệu càng đồng nhất, Cronbach’s Alpha càng cao
Dưới đây là một ví dụ, ta thấy rằng dữ liệu tại 3 biến, tại mỗi quan sát là đồng nhất nên Cronbach’s Alpha = 1. Dù bỏ đi bất kỳ biến số nào thì Cronbach’s Alpha vẫn bằng 1.
Nhận xét 2: Làm cho số liệu phân tán, Cronbach’s Alpha sẽ giảm- ngược lại số liệu hội tụ Cronbach’s Alpha sẽ tăng
Ví dụ: Bạn nhìn vào dòng số 2, thay đổi giá trị quan sát số 2 tại biến y1, ngay lập tức Cronbach’s Alpha giảm xuống 0.994
Nhận xét 3: Số liệu quá phân tán kéo Cronbach’s Alpha xuống thấp, thậm chí tạo ra Cronbach’s Alpha âm
Cùng xem ví dụ minh họa dưới đây:
Phần 2: Kết luận
- Độ đồng nhất giữa các biến quan sát càng cao, Cronbach’s Alpha càng cao. Tuy nhiên cẩn thận vì có thể bạn đã bị trùng lặp các biến. Ví dụ 2 câu hỏi sau thực chất chỉ là 1
c1: Xin anh chị cho biết mức độ đồng ý với nhận định “Món ăn này hợp khẩu vị của mình” theo thang điểm 0-10.
c1: Xin anh chị cho biết mức độ đồng ý với nhận định “Món ăn này ngon” theo thang điểm 0-10.
- Các yếu tố “không liên quan đến nhau” thì là không liên quan, và sẽ không có nhân tố nào có thể là đại diện cho chúng. Đó là lý do tại sao bạn cần loại bỏ những nhân tố “chẳng liên quan”.
Phần 3: Thực hành
Qua bài viết trên chắc chắn các bạn đã nắm được “kỹ thuật vật lý” đối với hệ số Cronbach’s Alpha. Tuy nhiên điều này không mang nhiều ý nghĩa nếu chỉ khắc phục đơn thuần vấn đề này, càng vào những nội dung sau thậm chí số liệu càng rối rắm- không lối thoát. Ví dụ khi chạy EFA, Hồi quy,…
Biện pháp triệt để và khoa học đó là:
– Làm sạch dữ liệu trước khi phân tích- Loại bỏ các quan sát “rác”
– Thu thập dữ liệu cẩn thận. Mô tả đúng câu hỏi để không bị hiểu lầm
4. Quy tắc loại biến khi phân tích Cronbach’s Alpha
Có hai quy tắc loại biến trong Cronbach’s Alpha, chỉ cần thỏa mãn 1 trong 2 điều kiện dưới đây thì bạn bắt buộc phải loại biến:
– Hệ số cronbach’s alpha if item deleted lớn hơn hệ số cronbach hiện tại
– Hệ số tương quan biến tổng bé hơn 0.3 hoặc 0.4 ( tùy trích dẫn của tác giả nào).
Ví dụ, kết quả cronbach của thang đo có 4 items ra như sau:
Ta thấy tương quan biến tổng của biến TINCAY3 là 0.089 < 0.3, do đó ta phải loại TINCAY3 và chạy lại cho 3 biến còn lại. Ngoài ra hệ số Cronbach’s Alpha nếu loại bỏ biến TINCAY3 là 0.881 (tô màu đỏ ở trên), và số 0.881 này > 0.679 ( là hệ số cronbach’s alpha của thang đo), do đó dựa vào tiêu chuẩn này loại biến TINCAY3 cũng được.
Cũng có một số trường hợp hệ số tương quan biến tổng > 0.3, nhưng hệ số Cronbach’s alpha if items deleted lại lớn hơn cronbach’s alpha hiện tại. Ta vẫn phải loại biến trong trường hợp này.
Lưu ý ý nghĩa của hệ số Cronbach’s Alpha nếu loại bỏ biến TINCAY3 là 0.881(tô màu đỏ ). Đó là giá trị cronbach’s alpha nếu chạy lại cho 3 biến TINCAY1,2,4 (như bảng bên dưới) . Do giá trị cronbach’s alpha càng cao càng tốt, do đó nếu loại bỏ TINCAY3 mà cronbach tăng lên thì tại sao lại không loại 🙂
Cách tăng giá trị Cronbach’s Alpha cũng áp dụng hai quy tắc này để xử lý. Trong một số trường hợp bài luận văn cần phải cải thiện hệ số Cronbach’s Alpha thì cần phải loại một số items như trên đã đề cập.
Để lại một bình luận