Thực hiện phân tích nhân tố của thang đo nhằm xem xét số lượng nhân tố trích cho phù hợp với giả thuyết ban đầu về số lượng thành phần của thang đo nếu thang đo đa hướng. Số lượng nhân tố có thể trích không phù hợp lớn hơn hoặc nhỏ hơn giả thuyết đều có thể xảy ra, lúc này cần xem xét nguyên nhân và thực hiện hiệu chỉnh tên biến phù hợp với nhân tố. Bên cạnh đó, phân tích nhân tố nhằm xem xét các biến trong bối cảnh nghiên cứu có phù hợp với giả thuyết đề ra. Trường hợp một số biến trong giả thuyết đo lường một khái niệm nhưng kết quả cho thấy một yếu tố khác, khi đó biến nhóm không đúng vào nhân tố cần thực hiện kiểm tra lại lý thuyết và sử dụng kết quả nghiên cứu định tính. Nếu các biến không đo lường khái niệm cần đo thì loại, ngược lại nếu các biến đo lường khái niệm mà nó đang đo thì hiệu chỉnh lại thang đo trong phần thiết kế nghiên cứu (Thọ N.Đ, 2011). Sử dụng phép trích Principal Axis Factoring với
Chương 4: Thiết kế nghiên cứu
phép quay Promax vì nó phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principle Component với phép quay Varimax (Gerbing & Anderson, 1998).4
Các tiêu chuẩn dùng để áp dụng cho phân tích nhân tố bao gồm như sau:
Phân tích nhân tố dựa trên mối quan hệ giữa các biến vì vậy trước khi sử dụng phân tích nhân tố cần xem xét mối quan hệ giữa các biến đo lường, sử dụng ma trận hệ số tương quan để nhận biết mức độ quan hệ giữa các biến. Nếu hệ số tương quan nhỏ (<0.3) sử dụng không phù hợp.
Kiểm định KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan phần riêng của chúng (Norusis, 1994), KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Kaiser (1974) đề nghị KMO ≥ 0.6 tạm được, KMO ≥ 0.7 được, KMO ≥ 0.8 tốt, KMO ≥ 0.9 rất tốt. Hệ số KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố, trị số này lớn hơn 0.5 và nhỏ hơn 1 là điều kiện để phân tích nhân tố là thích hợp.
Kiểm định theo tiêu chí Eigenvalue là một tiêu chí sử dụng phổ biến trong xác định số lượng nhân tố, với tiêu chuẩn này số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1 (≥ 1).
Đánh giá thang đo là nhân tố trọng số và tổng phương sai trích, với thang đo đơn biến hay nhiều biến đo lường trong thực tiễn nghiên cứu lớn hơn hay bằng 0.5 là chấp nhận được, tức là tổng phương sai trích không nhỏ hơn 50 (Gerbing và Anderson, 1988). Hệ số tải nhân tố (được gọi là factor loading) của biến quan sát cho thấy biến nào nhỏ hơn 0.4 sẽ bị loại. Theo Hair và cộng sự (1998) hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của nhân tố xét theo mô hình EFA (Exploratory Factor Analysis), hệ số tải trọng số lớn hơn 0.4 được xem là quan trọng và nếu lớn hơn 0.5 được xem là có ý nghĩa thiết thực. Hair và cộng sự (1998,111) cũng khuyên bạn đọc như sau: nếu chọn tiêu chuẩn factor loading > 0.3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0.55, nếu cỡ mẫu của bạn khoảng 50 thì Factor loading phải > 0.75
Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố5
Sau khi chạy nhân tố, thỏa điều kiện như KMO lớn hơn 0.5 và nhỏ hơn 1, phương sai trích lớn hơn 50%, hệ số Eigenvalue không nhỏ hơn 1. Bước kế tiếp là thực hiện kiểm định giả thuyết nhân tố, xem xét số lượng nhóm nhân tố và các biến đã đúng với nhóm theo lý thuyết hay không, đúng thì xem xét nguyên nhân gây ra sai lệch so với giả thuyết.