7. KẾT CẤU LUẬN VĂN
4.1.3.Phân tích nhân tố khám phá EFA
Phân tích nhân tố thường được dùng trong quá trình xây dựng thang đo lường các khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra tính đơn khía cạnh của thang đo lường (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Như vậy, phân tích nhân tố vừa giúp ta rút gọn tập hợp nhiều biến thành một số biến tương đối ít đồng thời kiểm tra độ kết dính hay độ tin cậy của các biến trong cùng một thang đo. Bên cạnh đó, nó sẽ giúp ta
72
kiểm định lại lần nữa các chỉ số đánh giá biến trong từng yếu tố có thực sự đáng tin cậy và có độ kết dính như chúng đã thể hiện ở phần xác định hệ số Cronbach Alpha hay không? Tương tự nó giúp ta kiểm tra xem 4 yếu tố mà chúng ta đã xây dựng có thực sự đo lường cùng khái niệm và có độ kết dính cao hay không. Khi phân tích nhân tố khám phá EFA một số tiêu chuẩn mà các nhà khoa học quan tâm là:
Thứ nhất, hệ số KMO (Kaiser – Meyer – OlKin) ≥ 0.5, mức ý nghĩa kiểm định Bartlett ≤ 0.5. KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.5) thì các biến quan sát có tương quan với nhau trong tổng thể;
Thứ hai, hệ số tải nhân tố (Factor Loading) ≥ 0.5; nếu biến quan sát nào có hệ số tải nhân tố < 0.5 sẽ bị loại. Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice – Hall International, Inc, Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading >0.3 được xem là đạt được mức tối thiểu; Factor loading >0.4 được xem là quan trọng; Factor loading >0.3 được xem là có ý nghĩa thực tiễn. Trong nghiên cứu này tác giả chọn Factor loading > 0.5 để kiểm định;
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50%. Theo Hair & ctg (1998) yêu cầu rằng phương sai trích phải đạt từ 50% trở lên và Journal ò Maketing Research, Vol.25, 186 – 192 cũng yêu cầu phương sai trích phải lớn hơn hoặc bằng 50%;
Thứ tư, Hệ số Eigenvalua phải có giá trị ≥ 1 (Cerbing và Anderson 1998). Để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoum & AL – Tamimi 2003).
Tiến hành phân tích nhân tố, trước khi tiến hành phân tích nhân tố ta cũng cần kiểm tra xem việc dùng phương pháp này có phù hợp hay không. Việc kiểm tra này sẽ được thực hiện bởi việc tính hệ số KMO và Bartlett’s Test. Trị số KMO đạt mức trung bình là 0.773 và Sig. của Bartlett’s Test nhỏ hơn 1/1000 cho thấy 16 biến này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố.
Phương pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal component analysis) với giá trị Eigenvalue > 1.
73
Nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue > 1 mới được giữ lại trong mô hình phân tích.
Bảng kết quả phân tích nhân tố cho thấy có tất cả 16 nhân tố nhưng chỉ có 4 nhân tố Eigenvalue lớn hơn 1. Bốn nhân tố này sẽ được giữ lại tiếp tục phân tích. Phương sai trích đạt 60.643% > 50%, điều này thể hiện sự biến thiên của nhân tố trong mô hình có thể giải thích được 60.643% sự biến thiên của tổng thể, tỷ lệ này nằm trong nhóm trung bình. Hệ số Sig = 0.000 < 0.05 và hệ số Eigenvalue = 4.481 điều này thể hiện được việc thống kê là đảm bảo sự tin cậy. Như vậy các yêu cầu trong quá trình phân tích nhân tố điều đảm bảo, từ đó những nhân tố thu được từ việc phân tích sẽ là nhân tố ảnh hưởng đến sự đồng ý của khách hàng tác động vào thị trường căn hộ tại thời điểm hiện tại.
Nhìn vào hệ số tải nhân tố ở ma trận (component matrix) ta khó có thể thấy được những biến nào giải thích nhân tố nào, do vậy ta cần phải xoay các nhân tố. Ở đây phương pháp xoay được chọn là Varimax procedure, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0.5 và chênh lệch hệ số tải nhân tố nhỏ hơn 0.3. Chỉ những biến có hệ số tải nhân tố lớn hơn 0.5 mới được sử dụng để giải thích một nhân tố nào đó. Sau khi xoay các nhân tố sự tập trung của các biến theo từng nhân tố đã thể hiện rõ ràng với 04 biến được phân chia cụ thể. Kết quả phân tích nhân tố khám phá cho các biến quan sát thu được như sau:
Bảng 4.2: Tổng hợp kết quả phân tích nhân tố khám phá cho các biến quan sát (Sau khi tiến hành xoay nhân tố (16 biến))
Nhân tố Hệ số tải nhân tố
Tổng sản phẩm quốc nội (GDP) 0.775 0.772 0.769 0.745
Lạm phát (LP) 0.856 0.782 0.673 0.635
Lãi suất 0.747 0.736 0.666 0.632
Chính sách 0.851 0.790 0.689 0.629
Hệ số KMO = 0.773 Phương sai trích: 60.643%
Sig = 0,000 Eigenvalue = 4.481
74
Từ kết quả tổng hợp nêu trên, tác giả nhận thấy các nhân tố ảnh hưởng đến thị trường căn hộ bao gồm 04 nhân tố theo sự lựa chọn ban đầu là 05 và loại bỏ khi kiểm định Cronbach Alpha (01 biến tỷ giá hối đoái USD/ VND). Như vậy, bốn nhân tố gồm: Tổng sản phẩm quốc dân; lạm phát; lãi suất; chính sách.
Phân tích nhân tố cũng giúp ta xác định được hệ số của các biến đối với từng nhân tố như sau: Fi = Wi1 X1 + Wi2 X2 + Wi3 X3 + Wi4 X4 + . . . + Wi16 X16
Trong đó:
Fi: nhân tố thứ i được giải thích bởi 16 biến quan sát Wi: là biến thứ k khi giải thích biến thứ i
k: là số biến (1; 16)
Qua kết quả phân tích nhân tố, ta ước lượng điểm nhân tố của 4 nhân tố trên qua việc xét các điểm nhân tố trong từng phương pháp ước lượng điểm nhân tố thì nhân tố có điểm cao nhất sẽ ảnh hưởng đến mức độ đồng ý của khách hàng nhiều nhất. Thể hiện rõ trong bảng Component Score Coefficient Matrix (trang 111)