của phép đo lường bằng phương pháp tính hệ số Cronbach’s Alpha
a. Phương pháp phân tích yếu tố khám phá (EFA):
Phân tích EFA được tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở như thế nào, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở. Các nhân tố cơ sở là tổ hợp tuyến tính (sơ đồ cấu tạo) của các biến mô tả bằng hệ phương trình sau:
Xi = A i1F 1 + A i2 F 2 + A i3 F3 + … + A im Fm + Vi Ui
Trong đó :
Xi : biến thứ i chuẩn hoá.
Aij : hệ số hồi quy bội chuẩn hoá của nhân tố j đối với biến i. F : các nhân tố chung.
Vi : hệ số hồi quy chuẩn hoá của nhân tố đặc trưng i đối với biến i. Ui : nhân tố đặc trưng của biến i.
m : số nhân tố chung.
• Các nhân tố đặc trưng có tương quan với nhau và với các nhân tố chung. Nhân tố chung có thể được diễn tả như những kết hợp tuyến tính của các biến quan sát:
Fi = Wi1X 1 + Wi2 X 2 + Wi3 X 3 + … + Wik X k , trong đó:
• Fi : ước lượng trị số của nhân tố thứ i.
36
• k : số biến.
Số lượng các nhân tố cơ sở tuỳ thuộc vào mô hình nghiên cứu, trong đó chúng ràng buộc nhau bằng cách xoay các vector trực giao nhau để không xảy ra hiện tượng tương quan. Phân tích nhân tố khám phá EFA rất hữu dụng trong bước thực nghiệm ban đầu hay mở rộng kiểm định.
Độ giá trị hội tụ (convergent validity) và độ giá trị phân biệt (discriminant validity) của thang đo được đánh giá sơ bộ thông qua phương pháp phân tích nhân tố khám phá EFA. Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0,4 trong một nhân tố. Để đạt độ giá trị phân biệt thì khác biệt giữa các hệ số chuyển tải phải lớn hơn hoặc bằng 0,3.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt yêu cầu.
b. Đánh giá độ tin cậy của phép đo lường bằng phương pháp tính hệ số Cronbach’s Alpha:
Tính hệ số Cronbach’s Alpha được thực hiện đối với mỗi nhóm biến cố kết nên các nhân tố. Hệ số Cronbach’s Alpha cho biết sự tương đối đồng nhất trong đo lường theo các biến có nội dung gần gũi nhau và đã hình thành nên một nhân tố. Hệ số tin cậy Cronbach’s Alpha dùng để xác định độ tin cậy của thang đo. Hệ số tương quan biến tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong
37
cùng một thang đo, do đó hệ số này càng cao, sự tương quan của các biến với các biến khác trong nhóm càng cao. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có Cronbach’s Alpha từ 0,7 đến 0,8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lường tốt.
Bảng 2.1: Bảng thang đo theo hệ số Cronbach’s Alpha 0,8 ≤ Cronbach Alpha ≤ 1 : Thang đo lường tốt.
0,7 ≤ Cronbach Alpha ≤ 0,8 : Thang đo có thể sử dụng được. 0,6 ≤ Cronbach Alpha ≤ 0,7
: Có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Theo Nunally & Burnstein (1994) thì các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 được xem là biến rác và đương nhiên là bị loại khỏi thang đo.
Công thức của hệ số Cronbach’s Alpha là: = N/[1 + (N – 1)], Trong đó là hệ số tương quan trung bình giữa các mục hỏi.