4 Tháng chín, 2026
Trong phân tích nhân tố khám phá (EFA), hệ số tải (Factor Loading) là chỉ số quan trọng giúp đánh giá mức độ liên hệ giữa biến quan sát và nhân tố được trích xuất. Vậy hệ số tải là gì, bao nhiêu được xem là đạt yêu cầu và cách đọc hệ số tải nhân tố trong SPSS như thế nào? Cùng VietGuru tìm hiểu nhé!
1. Ý nghĩa của Factor Loading trong phân tích EFA
Trong phân tích nhân tố khám phá (EFA), Factor Loading hay hệ số tải nhân tố cho biết mức độ liên hệ giữa một biến quan sát với nhân tố mà biến đó được nhóm vào. Đây là chỉ số quan trọng giúp đánh giá liệu các biến quan sát có thực sự đại diện tốt cho từng nhân tố trong mô hình hay không.
Cụ thể, Factor Loading giúp người nghiên cứu:
- Đánh giá mức độ liên hệ giữa biến quan sát và nhân tố: Factor Loading càng cao cho thấy biến quan sát càng có mối liên hệ chặt chẽ với nhân tố tương ứng.
- Xác định biến quan sát phù hợp: Một biến có hệ số tải cao trên một nhân tố và thấp trên các nhân tố khác thường được xem là phù hợp để đại diện cho nhân tố đó.
- Phát hiện biến gây nhiễu: Nếu một biến có Factor Loading thấp hoặc tải cao đồng thời trên nhiều nhân tố, biến này có thể không phản ánh rõ ràng một khái niệm cụ thể và cần được xem xét.
- Hỗ trợ điều chỉnh thang đo: Dựa vào Factor Loading, nhà nghiên cứu có thể cân nhắc giữ lại, loại bỏ hoặc điều chỉnh các biến quan sát nhằm nâng cao chất lượng thang đo.
Như vậy, Factor Loading trong EFA là cơ sở quan trọng để đánh giá mức độ hội tụ và sự phân biệt tương đối của các biến quan sát, từ đó hỗ trợ nhà nghiên cứu xây dựng thang đo có cấu trúc rõ ràng và phù hợp với dữ liệu thực tế.
Ý nghĩa của Factor Loading trong phân tích EFA
2. Ngưỡng đánh giá Factor Loading theo Hair và cộng sự
Theo Hair và cộng sự, việc đánh giá Factor Loading cần được đặt trong mối tương quan với cỡ mẫu, số lượng biến quan sát và số nhân tố được trích. Dưới đây là các ngưỡng Factor Loading thường được sử dụng và cách lựa chọn phù hợp.
2.1. Factor Loading tối thiểu 0.3 – 0.5
Theo Hair và cộng sự, trị tuyệt đối của Factor Loading từ 0.3 đến 0.4 có thể được xem là mức tối thiểu để cân nhắc giữ lại một biến quan sát. Tuy nhiên, đây chưa phải là mức thể hiện mối liên hệ mạnh giữa biến quan sát và nhân tố, vì vậy cần xem xét thêm các tiêu chí khác trước khi đưa ra quyết định.
Có thể tham khảo các mức đánh giá Factor Loading như sau:
| Factor Loading | Mức độ đánh giá | Ý nghĩa |
| 0.3 – < 0.4 | Tối thiểu | Có thể cân nhắc giữ lại trong một số trường hợp |
| 0.4 – < 0.5 | Chấp nhận được | Biến có mức liên hệ tương đối với nhân tố |
| ≥ 0.5 | Tốt | Biến có mức liên hệ mạnh, được ưu tiên giữ lại |
Trong đó, Factor Loading ≥ 0.5 thường được xem là ngưỡng tốt và có ý nghĩa thực tiễn cao. Khi một biến quan sát có hệ số tải đạt từ 0.5 trở lên trên một nhân tố và không tải mạnh trên các nhân tố khác, biến đó thường được đánh giá là phù hợp để đại diện cho nhân tố.
Ví dụ: Trong kết quả EFA, biến X1 có Factor Loading = 0.68 trên nhân tố F1 thì có thể xem là biến có mức độ liên hệ tốt với F1. Ngược lại, nếu X1 chỉ có Factor Loading = 0.32, nhà nghiên cứu cần cân nhắc kỹ việc giữ lại biến, đặc biệt khi biến này còn có hệ số tải đáng kể trên một nhân tố khác.
2.2. Factor Loading và kích thước mẫu
Bên cạnh giá trị của Factor Loading, cỡ mẫu cũng là yếu tố cần được xem xét khi đánh giá biến quan sát trong phân tích EFA. Theo Hair và cộng sự (2014), cỡ mẫu càng lớn thì có thể chấp nhận mức Factor Loading thấp hơn, trong khi cỡ mẫu nhỏ nên yêu cầu hệ số tải cao hơn để đảm bảo biến quan sát có mối liên hệ đủ mạnh với nhân tố.
Có thể tham khảo mối quan hệ giữa Factor Loading và kích thước mẫu tối thiểu như sau:
Factor Loading và kích thước mẫu
Như vậy, khi cỡ mẫu là 350, Factor Loading ở mức 0.30 có thể được cân nhắc. Trong khi đó, nếu nghiên cứu chỉ có khoảng 50 quan sát, hệ số tải nên đạt khoảng 0.75 để đáp ứng yêu cầu tương ứng trong bảng tham chiếu. Điều này cho thấy không nên đánh giá Factor Loading một cách độc lập mà cần đặt hệ số này trong mối quan hệ với quy mô dữ liệu.
3. Cách đọc Factor Loading trên SPSS
Sau khi thực hiện phân tích EFA trên SPSS, Factor Loading thường được thể hiện trong bảng Rotated Component Matrix hoặc Pattern Matrix, tùy thuộc vào phương pháp trích và phép xoay được lựa chọn. Đây là bảng quan trọng giúp xác định mỗi biến quan sát thuộc về nhân tố nào và đánh giá mức độ liên hệ của biến với nhân tố đó.
Để đọc Factor Loading trên SPSS, có thể thực hiện theo các bước sau:
Bước 1: Xác định Factor Loading của từng biến quan sát
Trong bảng kết quả EFA, tìm tên các biến quan sát ở các dòng và các nhân tố ở các cột. Giá trị nằm tại giao điểm giữa biến và nhân tố chính là Factor Loading của biến đó trên nhân tố tương ứng.
Ví dụ: Nếu biến X1 có hệ số tải 0.72 tại nhân tố F1, điều này cho thấy X1 có mối liên hệ khá mạnh với F1.
Bước 2: Kiểm tra mức Factor Loading
Đối chiếu Factor Loading với ngưỡng được lựa chọn. Thông thường:
- Factor Loading < 0.3: biến quan sát có mức liên hệ yếu, thường không đạt yêu cầu.
- Factor Loading từ 0.3 đến < 0.5: có thể cân nhắc giữ lại tùy vào cỡ mẫu và đặc điểm nghiên cứu.
- Factor Loading ≥ 0.5: được đánh giá tốt và thường được ưu tiên giữ lại.
Trong đó, 0.5 trở lên thường là mức được sử dụng phổ biến khi đánh giá chất lượng biến quan sát trong EFA.
Bước 3: Kiểm tra hiện tượng biến tải lên nhiều nhân tố
Không chỉ xem hệ số tải cao nhất, cần kiểm tra xem một biến có đồng thời tải mạnh lên nhiều nhân tố hay không. Nếu một biến có Factor Loading cao ở hai hoặc nhiều nhân tố, biến này có thể xảy ra tải chéo (cross-loading) và khó xác định rõ biến thuộc về nhân tố nào.
Cách đọc Factor Loading trên SPSS
Ví dụ: Ở ảnh trên, biến CV1 có hệ số tải 0.817 trên nhân tố mẹ CV, vì vậy giá trị 0.817 được gọi là hệ số tải ngoài (Outer Loading). Trong khi đó, CV1 có các hệ số tải lần lượt là 0.240 trên nhân tố DK, 0.425 trên nhân tố GV và 0.148 trên nhân tố TL. Các hệ số tải của CV1 trên những nhân tố không phải nhân tố chính này được gọi là hệ số tải chéo (Cross Loading).
Bước 4: Xác định nhân tố đại diện cho biến
Sau khi kiểm tra hệ số tải, biến quan sát thường được xếp vào nhân tố có Factor Loading cao nhất, với điều kiện hệ số tải đạt ngưỡng yêu cầu và không có vấn đề nghiêm trọng về tải chéo.
Có thể hiểu đơn giản, Factor Loading giống như mức độ “gắn kết” giữa một biến quan sát và một nhân tố. Nếu X1 gắn kết mạnh với F1 nhưng gần như không liên hệ với F2, ta có thể dễ dàng xác định X1 thuộc F1. Ngược lại, nếu X1 cùng “gắn kết” mạnh với nhiều nhân tố, cần xem xét kỹ trước khi phân loại.
Lưu ý: Khi đọc Factor Loading trên SPSS, không nên chỉ dựa vào một con số để quyết định loại biến. Cần kết hợp với KMO, Bartlett’s Test, Eigenvalue, Total Variance Explained, Communalities và hiện tượng tải chéo để đánh giá toàn diện chất lượng mô hình EFA.
4. Nên xử lý thế nào khi Factor Loading không đạt yêu cầu?
Trong quá trình phân tích EFA, không phải tất cả biến quan sát đều đạt mức Factor Loading mong muốn. Khi hệ số tải thấp hoặc xuất hiện tình trạng một biến tải mạnh lên nhiều nhân tố, nhà nghiên cứu không nên loại biến ngay mà cần xem xét nguyên nhân và đánh giá tổng thể mô hình. Bạn có thể thực hiện theo các bước sau:
- Kiểm tra lại giá trị Factor Loading: Trước tiên, xác định biến nào có hệ số tải thấp hơn ngưỡng nghiên cứu đặt ra. Thông thường, Factor Loading ≥ 0.5 được xem là mức tốt. Các biến có hệ số tải dưới 0.5 cần được xem xét, đặc biệt khi hệ số tải dưới 0.3 hoặc 0.4.
- Kiểm tra hiện tượng tải chéo: Nếu một biến có hệ số tải cao trên từ hai nhân tố trở lên, cần kiểm tra cross-loading. Trường hợp này cho thấy biến chưa thể hiện rõ mình thuộc về nhân tố nào, có thể làm giảm tính phân biệt giữa các nhân tố. Nhà nghiên cứu có thể cân nhắc loại biến nếu tải chéo lớn và không có cơ sở lý thuyết để giữ lại.
- Xem xét nội dung và ý nghĩa lý thuyết của biến: Không nên chỉ dựa vào kết quả SPSS để quyết định loại biến. Cần xem xét biến đó có thực sự quan trọng đối với khái niệm nghiên cứu hay không. Nếu biến có ý nghĩa lý thuyết rõ ràng nhưng Factor Loading chỉ thấp hơn ngưỡng một chút, có thể cân nhắc giữ lại và giải thích phù hợp trong nghiên cứu.
- Loại biến không đạt yêu cầu và chạy lại EFA: Nếu biến có Factor Loading quá thấp, tải chéo cao hoặc làm cấu trúc nhân tố không rõ ràng, nhà nghiên cứu có thể loại biến rồi thực hiện lại EFA. Việc chạy lại giúp kiểm tra xem cấu trúc nhân tố sau khi loại biến có trở nên rõ ràng và phù hợp hơn hay không. Tuy nhiên, nên loại từng biến một, ưu tiên biến có vấn đề nghiêm trọng nhất.
- Kiểm tra lại toàn bộ kết quả EFA: Sau khi xử lý biến không đạt, cần đánh giá lại toàn bộ mô hình thông qua các tiêu chí như KMO, Bartlett’s Test, Eigenvalue, phương sai trích, Communalities và Factor Loading. Chỉ nên kết luận thang đo đạt yêu cầu khi các chỉ số quan trọng đều phù hợp với tiêu chuẩn nghiên cứu.
Nên xử lý thế nào khi Factor Loading không đạt yêu cầu?
5. Lời kết
Nếu bạn đang gặp khó khăn trong việc nhập liệu, xử lý và phân tích dữ liệu bằng SPSS, dịch vụ SPSS tại VietGuru sẽ hỗ trợ bạn từ khâu làm sạch dữ liệu, kiểm định Cronbach’s Alpha, EFA, hồi quy, T-Test, ANOVA đến đọc và giải thích kết quả. Với đội ngũ có kinh nghiệm xử lý nhiều dạng đề tài nghiên cứu, VietGuru giúp bạn kiểm tra số liệu, trình bày bảng kết quả và diễn giải theo đúng định hướng nghiên cứu, hạn chế sai sót trong quá trình phân tích.
Hy vọng qua bài viết trên, bạn đã hiểu rõ Factor Loading là gì, ý nghĩa của hệ số tải nhân tố, các ngưỡng đánh giá thường được sử dụng và cách đọc hệ số tải trên SPSS. Khi thực hiện EFA, hãy kết hợp hệ số tải với cỡ mẫu, tải chéo và các chỉ số liên quan để có cơ sở đánh giá thang đo một cách chính xác.
