Sau khi thực hiện Cronbach Alpha cho tất cả thang đo, từ 30 biến quan sát ban đầu đã loại bỏ đƣợc 5 biến (Q5, Q12, Q19, Q24, Q25). Chúng ta tiến hành phân tích nhân tố khám phá EFA cho 21 biến quan sát còn lại.
4.2.2.1. Kết quả EFA lần thứ nhất
Kết quả EFA lần thứ nhất (phụ lục 3.1), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,766 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 7 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 6 nhân tố này giải thích đƣợc 69,87% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.1).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.1)
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q4 – Điều kiện thời tiết không lƣờng trƣớc đƣợc. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.2. Kết quả EFA lần thứ hai
Kết quả EFA lần thứ hai (phụ lục 3.2), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,772 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề
Trang 44
nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 6 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 6 nhân tố này giải thích đƣợc 66,548% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.2).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.2)
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q8 – Bản vẽ thi công chƣa hoàn chỉnh phải chỉnh sửa trong quá trình thi công. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.3. Kết quả EFA lần thứ ba
Kết quả EFA lần thứ ba (phụ lục 3.3), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,766 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 6 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 5 nhân tố này giải thích đƣợc 67,26% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.3).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân
Trang 45
tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.3)
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q1 – Thi công trƣớc khi có giấy phép xây dựng. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.4. Kết quả EFA lần thứ tƣ
Kết quả EFA lần thứ tƣ (phụ lục 3.4), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,783 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 6 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 6 nhân tố này giải thích đƣợc 68,487% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.4).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.4)
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q28 – Yêu cầu điểu chỉnh phát sinh công việc theo yêu cầu chủ đầu tƣ. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.5. Kết quả EFA lần thứ năm
Kết quả EFA lần thứ năm (phụ lục 3.5), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,774 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề
Trang 46
nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 6 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 6 nhân tố này giải thích đƣợc 68,238% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.5).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.5) (adsbygoogle = window.adsbygoogle || []).push({});
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q8 – Bản vẽ thi công chƣa hoàn chỉnh và phải chỉnh sửa trong quá trình thi công. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.6. Kết quả EFA lần thứ sáu
Kết quả EFA lần thứ sáu (phụ lục 3.6), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,773 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 5 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 5 nhân tố này giải thích đƣợc 69,575% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.6).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân
Trang 47
tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.6)
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q14 – Thông đồng giữa các bên. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.7. Kết quả EFA lần thứ bảy
Kết quả EFA lần thứ bảy (phụ lục 3.7), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,776 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 6 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 6 nhân tố này giải thích đƣợc 70,422% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.7).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.7)
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q30 – Chậm trễ cung cấp thông tin giải quyết vấn đề giữa các bên. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.8. Kết quả EFA lần thứ tám
Kết quả EFA lần thứ tám (phụ lục 3.8), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,777 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề
Trang 48
nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 5 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 5 nhân tố này giải thích đƣợc 65,461% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.8).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.8)
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q3 – Mất cắp tại công trƣờng. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.9. Kết quả EFA lần thứ chín
Kết quả EFA lần thứ chín (phụ lục 3.9), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,790 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 5 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 5 nhân tố này giải thích đƣợc 66,885% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.9).
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân
Trang 49
tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.9)
Ma trận nhân tố sau khi xoay (Rotated Component matrix) đã loại bỏ đƣợc biến Q9 – Chƣa nhất quán giữa khối lƣợng, bản vẽ, chỉ dẫn kỹ thuật. Ta tiến hành loại bỏ biến này và tiếp tục xoay ma trận.
4.2.2.10. Kết quả EFA lần thứ mƣời
Kết quả EFA lần thứ mƣời (phụ lục 3.10), cho thấy rằng ma trận tƣơng quan tổng thể là một ma trận đơn vị bác bỏ theo kết quả kiểm định Bartlett căn cứ trên giá trị Sig với chỉ số KMO = 0,805 (Kaiser – Mayer – Olkin) đƣợc xem là thích hợp vì theo đề nghị phải thuộc phạm vi từ 0.5 đến 1 (Trọng, Ngọc, 2008). Do đó, phân tích nhân tố là phƣơng pháp phù hợp để phân tích dữ liệu này.
Ta sử dụng phƣơng pháp dựa vào eigenvalue (Determination based on eigenvalue), chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Trọng, Ngọc, 2008). Ta thấy theo tiêu chuẩn eigenvalue > 1 thì có 4 nhân tố đƣợc rút ra, trong bảng, hàng Cumulative % cho biết 4 nhân tố này giải thích đƣợc 62,81% biến thiên của dữ liệu (kết quả này là đạt yêu cầu). (xem phụ lục 3.10). (adsbygoogle = window.adsbygoogle || []).push({});
Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn, dễ giải thích hơn. Ta sử dụng phƣơng pháp Varimax procedure để xoay nhân tố : xoay nguyên góc các nhân tố để tối thiểu hoá số lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy, sẽ tăng cƣờng khả năng giải thích các nhân tố (Trọng, Ngọc, 2008). (xem phụ lục 3.10)
Dựa vào, ma trận nhân tố sau khi xoay (Rotated Component matrix),chúng ta có thể thấy đƣợc việc xoay các nhân tố làm cho việc giải thích đƣợc dễ dàng hơn. Cụ thể : Nhóm 1: Bao gồm các nhân tố Q16 - Năng lực tài chính chủ đầu tƣ yếu kém, Q18 - Chậm trễ trong duyệt chi phí phát sinh, phụ lục hợp đồng, Q17 - Chi phí đền bù giải phóng mặt bằng cao, Q20 - Nguồn tài trợ bị thắt chặt bởi yếu tố kinh tế khủng hoảng, Q13 - Lạm phát làm giá cả vật tƣ thi công tăng, Q11 - Dự toán sai hoặc không chính xác
Trang 50
Nhóm 2: Bao gồm các nhân tố Q22 - Lập danh mục phạm vi công việc, tiến độ thực hiện thiếu soát, Q21 - Năng lực quản lý dự án, tƣ vấn giám sát, tƣ vấn thiết kế kém, Q23 - Phát sinh khối lƣợng công việc trong quá trình thi công.
Nhóm 3: Bao gồm các nhân tố Q26 - Nhân lực phục vụ thi công thiếu kinh nghiệm, Q27 - Tiến độ thi công gấp, Q29 - Phối hợp không tốt giữa các nhà thầu thi công các hạng mục khác nhau, Q15 - Thay đổi vật liệu có giá vật tƣ cao hơn
Nhóm 4: Bao gồm các nhân tố Q7 - Thiết kế không phù hợp giữa các bản vẻ (kiến trúc, kết cấu, ME), Q10 - Thay đổi thiết kế trong quá trình thi công, Q2 - Xảy ra tai nạn trong quá trình thi công