Đánh giá thang đo nghiên cứu các khái niệm nghiên cứu cần thực hiện kiểm tra
độ tin cậy và giá trị thang đo. Hệ số độ tin cậy Cronbach’s Alpha và hệ số tương quan biến – tổng (item – total correlation) giúp xem xét và loại bỏ các biến không đạt yêu cầu nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm nghiên cứu cần đo lường. Thang đo của nghiên cứu được xây dựng là thang đo đa hướng, vì vậy khi phân tích hệ số tin cậy Cronbach’s Alpha, phải tính cho từng thành phần. Đồng thời, sử dụng phương pháp phân tích nhân tố EFA để kiểm tra độ giá trị của thang đo.
Phân tích hệ số tin cậy Cronbach’s Alpha
Sử dụng phương pháp phân tích hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA nhằm loại ra các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn và Nguyễn, 2007).
Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.70 -0.80]. Nếu Cronbach’s Alpha ≥ 0.60 thì thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally & Bernstein, 1994 trích từ Nguyễn, 2012). Các biến đo lường dùng để đo lường các khái niệm nghiên cứu nên chúng phải có tương quan chặt chẽ với nhau. Vì vậy, nếu một biến đo lường có hệ số tương quan biến - tổng (Item – total correclation)
≥ 0.30 thì biến đó đạt yêu cầu, hay nói cách khác nếu biến đo lường có hệ số tương quan biến – tổng (item – total correclation) <0.30 thì bị loại khỏi thang đo (Nunnally &Bernstein, 1994 trích từ Nguyễn & Nguyễn, 2002). Khi thang đo có biến quan sát bị
loại thì hệ số tin cậy Cronbach’s Alpha sẽđược tính lại (Nguyễn & ctg, 2007). Phân tích nhân tố khám phá (EFA)
Sau khi thực hiện bước xác định độ tin cậy và giá trị của thang đo thông qua hệ
số Cronbach’s Alpha và hệ số tương quan biến – tổng (item – total correclation) để loại bỏ các biến rác, tiếp tục sử dụng phương pháp phân tích nhân tố khám phá EFA để xác
định giá trị hội tụ và giá trị phân biệt của thang đo đồng thời rút gọn các nhóm biến quan sát theo từng tập biến.
Thang đo đạt giá trị hội tụ khi hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải ≥ .40 trong một nhân tố (Jun &ctg, 2002 trích từ Ngô, 2011) và
đạt độ giá trị phân biệt khi khác biệt giữa các nhân tố≥ 0.30 (Jabnoun &ctg, 2003 trích từ Ngô, 2011). Số lượng nhân tố được xác định dựa theo chỉ số Eigenvalue. Theo tiêu chuẩn Kaiser, những nhân tố có chỉ số Eigenvalue < 1 sẽ bị loại khỏi mô hình (Garson, 2003).
Tiêu chuẩn phương sai trích (Variance explained criteria): tổng phương sai trích > 50% (Nguyễn, 2012)