Varimax Rotation Là Gì? Phép Xoay Vuông Góc Trong EFA Và Promax

Varimax rotation là gì (Phép xoay nhân tố Varimax) là một phương pháp xoay trục tọa độ vuông góc (Orthogonal Rotation) do nhà tâm lý học thống kê Henry Felix Kaiser đề xuất năm 1958, được sử dụng phổ biến trong Phân tích nhân tố khám phá (EFA) và Phân tích thành phần chính (PCA) nhằm tối đa hóa phương sai của bình phương các hệ số tải nhân tố trên từng cột. Thông qua phép xoay Varimax, ma trận nhân tố ban đầu vốn rối rắm sẽ được chuyển đổi về “Cấu trúc đơn giản” (Simple Structure), giúp mỗi biến quan sát chỉ tải mạnh lên một nhân tố đơn lẻ và gần bằng 0 ở các nhân tố còn lại.

Tại sao phải xoay nhân tố (Factor Rotation) trong phân tích EFA?

Khi phần mềm SPSS thực hiện bước trích xuất nhân tố ban đầu (Unrotated Factor Extraction), thuật toán toán học chỉ tập trung vào mục tiêu gom được càng nhiều phương sai càng tốt vào nhân tố ban đầu, sau đó đến nhân tố thứ hai, thứ ba:

• Hệ quả của ma trận chưa xoay (Unrotated Component Matrix): Hầu hết các biến quan sát đều có hệ số tải (Factor Loadings) ở mức lưng chừng (từ 0.40 đến 0.60) trên cùng lúc hai hoặc ba nhân tố (hiện tượng tải chéo – Cross-loading hàng loạt). Nhà nghiên cứu không thể phân định được biến quan sát nào thực sự thuộc về nhóm khái niệm nào.
• Cơ chế hình học của Phép xoay nhân tố: Hãy hình dung các biến quan sát là các điểm cố định trong không gian đa chiều, còn các nhân tố là các trục tọa độ. Phép xoay nhân tố giữ nguyên vị trí các điểm dữ liệu và xoay hệ trục tọa độ quanh gốc O sao cho các trục nhân tố đi xuyên qua chính giữa tâm của từng cụm đám mây điểm biến quan sát.
• Tính bất biến của Tổng phương sai trích: Phép xoay nhân tố hoàn toàn không làm thay đổi Tổng phương sai trích (Total Variance Explained) của toàn mô hình và không làm thay đổi hệ số Communalities của từng biến; nó chỉ phân bổ lại phương sai (Redistribute variance) từ nhân tố đầu sang các nhân tố sau để làm rõ nét cấu trúc phân nhóm.

“Nếu ma trận nhân tố chưa xoay là một bức ảnh chụp bị mờ nhòe khiến các vật thể chồng lấn lên nhau, thì phép xoay Varimax chính là động tác xoay vòng lấy nét ống kính máy ảnh để từng nhóm nhân tố hiện lên sắc sảo và tách biệt hoàn toàn.”

Bản chất toán học của thuật toán Varimax Rotation (Kaiser, 1958)

Tên gọi Varimax là từ viết tắt của cụm từ “Variance Maximization” (Tối đa hóa phương sai). Để đạt được “Cấu trúc đơn giản” (Simple Structure của Thurstone, 1947), Kaiser đặt ra bài toán: Trên mỗi cột nhân tố j, nếu một số biến có hệ số tải bình phương tiến sát về 1.0 (tải rất cao) và tất cả các biến còn lại tiến sát về 0.0 (không tải), thì phương sai (độ phân hóa) của các bình phương hệ số tải trong cột đó sẽ đạt giá trị cực đại:

Hàm mục tiêu Varimax: V = Σ_j [ (1/p) × Σ_i (l_{ij}²)² – ((1/p) × Σ_i l_{ij}²)² ] → Max

Trong đó l_{ij} là hệ số tải của biến quan sát thứ i trên nhân tố thứ j (đã được chuẩn hóa Kaiser – Kaiser Normalization bằng cách chia cho căn bậc hai của Communality), và p là tổng số biến quan sát. Đặc tính quan trọng của Varimax rotation là gì là một Phép xoay vuông góc (Orthogonal Rotation): Trong suốt quá trình xoay, góc giữa các trục nhân tố luôn được giữ cố định bằng đúng 90 độ. Điều này đồng nghĩa với việc các nhân tố rút trích ra sau phép xoay Varimax được giả định là hoàn toàn độc lập và không tương quan với nhau (Hệ số tương quan giữa các nhân tố r = 0).

So sánh chuyên sâu: Khi nào dùng Principal Components + Varimax và khi nào dùng PAF + Promax?

Đây là câu hỏi phương pháp luận trọng tâm mà mọi học viên cao học và nghiên cứu sinh cần nắm vững khi chạy EFA trên SPSS:

• Tổ hợp 1: Phương pháp trích Principal Components (PCA) đi kèm phép xoay vuông góc Varimax:

• Bản chất: Phép xoay Varimax giữ các trục nhân tố vuông góc 90 độ (độc lập nhau), xuất ra bảng Rotated Component Matrix (Ma trận nhân tố xoay).
• Phạm vi áp dụng: Rất phù hợp khi mục tiêu của bạn là rút gọn chiều dữ liệu và sau đó dùng điểm số nhân tố hoặc biến đại diện để đưa vào chạy mô hình hồi quy đa biến OLS trên SPSS. Vì các nhân tố vuông góc không tương quan nhiều với nhau, việc dùng Varimax giúp hạn chế hiện tượng đa cộng tuyến trong hồi quy OLS.
• Tổ hợp 2: Phương pháp trích Principal Axis Factoring (PAF) đi kèm phép xoay xiên Promax (Oblique Rotation):

• Bản chất: Trong khoa học hành vi và tâm lý xã hội, các khái niệm tiềm ẩn (như Chất lượng dịch vụ, Hình ảnh thương hiệu, Sự hài lòng) trên thực tế luôn có mối tương quan cụ thể với nhau chứ không thể độc lập tuyệt đối. Phép xoay xiên Promax cho phép các trục nhân tố tạo với nhau một góc nhọn hoặc góc tù (khác 90 độ), xuất ra bảng Pattern Matrix (Ma trận mẫu).
• Phạm vi áp dụng: Theo khuyến nghị của Hair et al. (2019), khi đề tài của bạn tiếp tục chuyển sang chạy Phân tích nhân tố khẳng định CFA và Mô hình cấu trúc tuyến tính CB-SEM trên phần mềm AMOS, bạn bắt buộc phải chọn tổ hợp Principal Axis Factoring + Promax để đồng bộ về mặt giả định toán học với AMOS.

Bảng đối chuẩn so sánh giữa Phép xoay vuông góc Varimax và Phép xoay xiên Promax

Dưới đây là bảng phân biệt toàn diện hai phương pháp xoay nhân tố phổ biến trên SPSS:

Tiêu chí đối chiếu	Phép xoay Varimax (Orthogonal)	Phép xoay Promax (Oblique)
Góc giữa các trục nhân tố	Giữ cố định góc vuông 90 độ	Cho phép góc xiên tự do (khác 90 độ)
Giả định tương quan nhân tố	Các nhân tố hoàn toàn độc lập (r = 0)	Cho phép các nhân tố tương quan với nhau
Phương pháp trích đi kèm	Principal Components (PCA)	Principal Axis Factoring (PAF)
Bảng kết quả đọc hệ số tải	Rotated Component Matrix	Pattern Matrix (và Structure Matrix)
Mô hình phân tích tiếp theo	Hồi quy tuyến tính đa biến OLS (SPSS)	Phân tích CFA và mô hình CB-SEM (AMOS)
Các phép xoay cùng nhóm	Quartimax, Equamax	Direct Oblimin

Hướng dẫn thao tác chọn Varimax Rotation và đọc bảng Rotated Component Matrix trên SPSS

Quy trình thực hiện từng bước trên phần mềm IBM SPSS:

1. Vào menu Analyze → Dimension Reduction → Factor…
2. Đưa các biến quan sát vào ô Variables. Nhấp nút Extraction…: Chọn Method: Principal components, chọn Based on Eigenvalue > 1 → nhấn Continue.
3. Nhấp vào nút Rotation…:

• Tại khu vực Method, tích chọn vào ô Varimax.
• Tại khu vực Display, giữ tích chọn Rotated solution → nhấn Continue.

4. Nhấp vào nút Options…: Tích chọn Sorted by size (sắp xếp hệ số tải từ cao xuống thấp theo bậc thang) và tích chọn Suppress small coefficients với giá trị Absolute value below: 0.30 (hoặc 0.50 để ẩn các hệ số tải nhỏ giúp bảng kết quả sạch đẹp) → nhấn Continue → OK.
5. Tiêu chuẩn đọc bảng Rotated Component Matrix:

• Giá trị hội tụ: Mỗi biến quan sát phải có hệ số tải (Factor Loading) trên nhân tố chính đạt từ 0.50 trở lên (hoặc ≥ 0.40 nếu cỡ mẫu N ≥ 200; ≥ 0.55 nếu cỡ mẫu N ≈ 100 theo Hair et al.).
• Giá trị phân biệt (Xử lý tải chéo – Cross-loading): Nếu một biến quan sát tải đồng thời lên 2 cột nhân tố, hiệu số chênh lệch giữa hai hệ số tải tuyệt đối phải lớn hơn hoặc bằng 0.30 (|λ₁ – λ₂| ≥ 0.30). Nếu chênh lệch nhỏ hơn 0.30, biến quan sát đó bị lỗi tải chéo nghiêm trọng và cần phải loại bỏ khỏi mô hình rồi chạy lại EFA.

Câu hỏi thường gặp về Varimax rotation là gì (FAQ)

Ngoài phép xoay Varimax, trong nhóm xoay vuông góc trên SPSS còn có Quartimax và Equamax là gì?

Quartimax tập trung tối đa hóa phương sai theo từng hàng (giúp gom hầu hết các biến vào một nhân tố tổng quát lớn), còn Equamax là sự lai ghép trung gian giữa Varimax và Quartimax; trong thực tế nghiên cứu, Varimax vượt trội hơn hẳn về khả năng tách nhóm nhân tố độc lập rõ ràng.

Tại sao khi chạy EFA chung cho cả biến độc lập và biến phụ thuộc để vào AMOS thì không nên dùng Varimax?

Vì bản chất lý thuyết nghiên cứu kỳ vọng các biến độc lập phải có tương quan tác động mạnh lên biến phụ thuộc; nếu dùng phép xoay vuông góc Varimax (ép các nhân tố không tương quan với nhau) cho chung cả biến độc lập và phụ thuộc sẽ gây mâu thuẫn trực tiếp với giả thuyết nghiên cứu.

Khi loại bỏ các biến xấu trong bảng Rotated Component Matrix, nên loại từng biến một hay loại một lúc nhiều biến?

Nếu có nhiều biến không đạt ngưỡng hội tụ (không hiện hệ số tải nào ≥ 0.50), bạn có thể loại đồng thời; nhưng đối với các biến vi phạm lỗi tải chéo (Cross-loading ở 2 cột), bạn nên ưu tiên loại từng biến xấu một rồi chạy lại EFA vì việc rút một biến ra sẽ làm thay đổi lại góc xoay của các biến còn lại.

Kết luận và định hướng ứng dụng

Hiểu rõ Varimax rotation là gì giúp nhà nghiên cứu lựa chọn đúng cặp bài trùng phương pháp trích và phép xoay nhân tố trong EFA, đảm bảo cấu trúc thang đo đạt cả tính hội tụ lẫn tính phân biệt chuẩn mực. Để tải về bộ dữ liệu mẫu thực hành xử lý biến rác trong bảng Rotated Component Matrix trên SPSS, mời quý bạn đọc tham khảo tại NCS Nguyễn Thanh Phương.