Sau khi thực hiện xong phân tích nhân tố khám phá. Để tiến hành phân tích tương quan Peason và xa hơn nữa là hồi quy, chúng ta cần tạo các biến đại diện từ kết quả xoay nhân tố cuối cùng.
Bước thực hiện phân tích nhân tố khám phá, khi kết quả phân tích cuối cùng chấm dứt. Các biến quan sát được sắp xếp theo các nhóm nhân tố mới theo 2 tiêu chí: hội tụ và phân biệt. Dưới đây là một ví dụ về ma trận xoay nhân tố hoàn chỉnh:
Kết quả xoay nhân tố lần cuối chúng ta có được 6 nhân tố mới. Mỗi nhân tố sẽ gồm các biến đại diện nằm chung trên 1 cột. Để tiến hành đánh giá tương quan Pearson và hồi quy, chúng ta sẽ phải tạo các biến đại diện trung bình thông qua lệnh Mean trong Compute Variable.
Ở đây, mình sẽ tạo lần lượt các biến đại diện là:
X1 = Mean (TN3, TN2, TN1, TN5, TN4)
X2 = Mean (LD2, LD5, LD4, LD3)
.....
X6 = Mean (DN3, DN4, DN2)
Thực hiện trên SPSS, các bạn vào thẻ Transform > Compute Variable:
Giao diện cửa sổ mới hiện ra như hình dưới. Ở ô Target Variable, các bạn sẽ gõ tên biến đại diện mới (X1, X2, X3....). Mục Type & Label để các bạn điền vào chú thích cho biến, vai trò của nó giống như Lable khi các bạn tạo biến trong cửa sổ giao diện Variable View. Ví dụ biến X1 là đại diện cho nhóm biến quan sát: TN3, TN2....TN4, bạn chú thích biến này là biến Thu nhập thì sẽ gõ vào mục Type & Label.
Ở ô Numeric Expression các bạn gõ vào cấu trúc hàm: MEAN(TN3,TN2,TN1,TN5,TN4). Nghĩa là tạo biến đại diện X1 là trung bình của các biến quan sát TN3, TN2, TN1, TN5, TN4.
Sau khi tạo xong, các bạn vào lại giao diện Data View các bạn sẽ thây được các biến đại diện vừa mới được tạo ra bên cạnh các biến quan sát ban đầu:
Như vậy là chúng ta đã tạo xong các biến đại diện sau khi phân tích EFA để sử dụng các biến này vào phân tích tương quan Pearson và hồi quy về sau.
