Phân tích nhân tố khám phá dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo (gọi là các nhân tố). Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập hợp biến quan sát ban đầu. Phân tích nhân tố khám phá được dùng để kiểm định giá trị khái
niệm của thang đo.
Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA : - Phương pháp: đối với thang đo đa hướng, sử dụng phương pháp trích yếu tố là Principal Axis Factoring với phép quay Promax và điểm dừng khi trích các yếu tố EigenValue lớn hơn hoặc bằng 1. Phương pháp này được cho rằng sẽ phản ánh dữ liệu tốt hơn khi dùng Principal Compnents với phép quay
Varimax (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). Đối với thang
đo đơn hướng thì sử dụng phương pháp trích yếu tố Principal Components. Thang đo chấp nhận được khi tổng phương sai trích bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
- Tiêu chuẩn: Hệ số tải nhân tố phải lớn hơn hoặc bằng 0,5 để đảm bảo mức ý nghĩa thực hiện EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0,3 là mức tối thiểu chấp nhận được; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. Tiêu chuẩn chon mức giá trị hệ số tải nhân tố cở mẫu khoảng 100 thì nên chọn hệ số tải nhân tố là 0.55 ( Hair, 1998; dẫn theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Từ các cơ sở lý thuyết trên mô hình Nghiên cứu các nhận thức rủi ro tác động đến ý định mua sắm trực tuyến của khách hàng tại địa bàn quận Ninh Kiều thành phố Cần Thơ, sử dụng 23 biến quan sát để phân tích nhân tố theo các bước sau:
- Đối với các biến quan sát đo lường 5 khái niệm nhận thức rủi ro và khái niệm ý định mua hàng trực tuyến đều là các thang đo đơn hướng. Nên sử dụng phương pháp trích nhân tố Principal Components với phép quay Varimax và điểm dừng khi trích các yếu tố có Eigen Values lớn hơn 1.
- Sau đó tiến hành thực hiện kiểm định các yêu cầu gồm :
Kiểm định Barlett: các biến quan sát có liên quan với nhau trong tổng thể.
Xem xét trị số KMO: nếu KMO khoảng từ 0,5 đến 1 thì phân tích nhân tố là phù hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Để phân tích EFA có giá trị thực tiễn; tiến hành loại các biến quan sát có
hệ số tải nhân tố nhỏ hơn 0,55.
Xem xét thông số Eigen Values (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị lớn hơn 1.
Xem xét tổng phương sai trích (yêu cầu lớn hơn hoặc bằng 50%; cho biết các nhân tố được giải thích phần trăm sự biến thiên của các biến quan sát).