Hệ số (Kaiser – Meyer – Olkin) KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) có ý nghĩa là phân tích nhân tố là 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 (Trọng & Ngọc, 2005).
Các biến có hệ số truyền tải (Factor loading) nhỏ hơn 0.5 sẽ bị loại, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 và tổng phương sai trích lớn hơn 50% (Gerbing & Anderson, 1988).
Phép trích Principal axis factoring với phép quay Promax sẽ được sử dụng trong phân tích nhân tố thang đo các thành phần độc lập. Dùng phương pháp trích nhân tố Principal axis factoring với phép quay Promax sẽ phản ánh cấu trúc dữ liệu chính xác hơn dùng phương pháp Principal component với phép quay Varimax (Gerbing & Anderson, 1988).
Vậy, mục đích phân tích EFA để loại dần các biến có trọng số (factor loading) < 0.5. (Trong đó: Factor loading > 0.3 được xem là đạt được mức tối thiểu, Factor
loading > 0.4 được xem là quan trọng, Factor loading > 0.5 được xem là có ý nghĩa. Vì cỡ mẫu là 206 nên chỉ nhận các biến có factor loading > 0.5).
Đồng thời: 0.5 = < KMO = < 1, Sig < 0.05 thì thang đo được chấp nhận.
Tổ hợp thang đo trên sau khi loại bỏ các biến ở giai đoạn đánh giá độ tin cậy còn lại 23 biến. Quá trình phân tích nhân tố của tổ hợp thang đo này trải qua 2 bước. Kết quả phân tích cụ thể của mỗi bước được thể hiện như sau:
Bƣớc 1, có 24 biến quan sát được đưa vào phân tích theo phương pháp trích
Principal Component với phép quay Varimax. Các biến có hệ số tải nhân tố (factor loadings) nhỏ hơn 0,5 hoặc có hệ số tải nhân tố giữa các nhân tố gần bằng nhau sẽ bị loại. Theo tiêu chuẩn Eigenvalue lớn hơn 1 thì có 6 nhân tố được rút ra. Trong bảng này (xem phụ lục 3) có Cumulative = 71.196% cho biết 6 nhân tố đầu tiên giải thích được 71.196% biến thiên của dữ liệu. Hệ số KMO = 0.923 (>0.5). Phân tích nhân tố lần đầu có 1 biến quan sát bị loại “cấp lãnh đạo luôn cho tôi tham gia vào các quyết định quan trọng – TQGS1” do có hệ số truyền tải quá thấp.
Bƣớc 2, sau khi loại bỏ biến quan sát TQGS1 có 23 biến quan sát còn lại tiếp tục
đưa vào phân tích lần 2 theo tiêu chuẩn Eigenvalue lớn hơn 1 chỉ 06 nhân tố được rút ra. Trong bảng này (xem phụ lục 3) Cumulative tăng lên 71.895% và hệ số KMO = 0.920 (>0.5) là đạt yêu cầu. Hệ số tải nhân số của tất cả các nhân tố đều lớn hơn 0,5. Mức ý nghĩa của kiểm định Bartlett = 0,000 (<0,05) nên ở độ tin cậy 95% các biến quan sát có tương quan với nhau trong tổng thể. Vì vậy, kết quả EFA là phù hợp (xem phụ lục 3).
Kết quả phân tích nhân tố lần 2 cho thấy có 23 biến quan sát được gom thành 6 nhóm nhân tố. Các hệ số tải nhân tố của mỗi biến quan sát đều lớn hơn 0,5. Hệ số Cronbach alpha của từng nhóm nhân tố được tính lại và cho kết quả phù hợp. Sáu nhân tố được thể hiện như sau:
Bảng 4.1: Kết quả phân tích nhân tố - biến độc lập Biến Nhân tố 1 2 3 4 5 6 ĐKMT1 .772 ĐKMT3 .756 ĐKMT2 .739 ĐKMT4 .716 SPHMT1 .629 TLTN2 .750 TLTN1 .742 TLTN4 .737 TLTN3 .559 TQGS3 .754 TQGS4 .686 HT3 .621 TQGS2 .538 HT4 .533 KT4 .773 KT3 .746 KT2 .725 KT1 .588 HT1 .741 HT2 .723 SPHMT2 .760 SPHMT4 .684 SPHMT3 .679
Cronbach Alpha 0.849 0.851 0.867 0.848 0.849 0.783 % of Variance 16.118 12.566 15.605 9.673 4.878 5.768 Extraction Sums of Squared Loadings Cumulative 64.608%