(a) Đánh giá sơ bộ thang đo bằng hệ số tin cậy Cronbach’s Alpha
Hệ số Cronbach’s Alpha là một phép kiểm định thống kê dùng để kiểm tra mức độ chặt chẽ và tương quan giữa các biến quan sát trong thang đo, giúp loại đi thang đo và những biến không phù hợp (biến rác) vì biến rác có thể tạo nên nhân tố giả mà khi phân tích EFA không có cơ sở giải thích. Theo Nunnally & Bernstein (1994) một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng 0.7 – 0.8, nếu những khái niệm có tính mới thì Cronbach’s Alpha có thể từ 0.6 trở lên vẫn chấp nhận được. Biến quan sát có hệ số tương quan biến – tổng (item – total correlation) nhỏ hơn 0.3 sẽ bị loại (trích dẫn theo Nguyễn Đình Thọ, 2011).
Kết quả phân tích hệ số Cronbach’s Alpha thang đo sơ bộ (phụ lục 4.1) cho thấy các thang đo có hệ số Cronbach’s Alpha đạt yêu cầu. Ngoại trừ thang đo chia sẻ giá trị (SV) có Cronbach’s Alpha là 0.313 < 0.6. Các hệ số tương quan biến tổng của các biến đo lường này đều nhỏ hơn 0.3. Do vậy cả 4 biến của thang đo này (từ SV1 đến SV4) đều không thỏa điều kiện để sử dụng trong phân tích EFA. Điều này
cũng có thể được giải thích là do thị trường ngày càng đông đúc và ồn ào hơn, sự cạnh tranh là tranh giành từng khách hàng nên việc tạo ra các giá trị là chưa có sự khác biệt nhiều và khoảng cách giữa các doanh nghiệp ngày càng được rút ngắn. Biến quan sát EM4 (Anh/Chị và Công ty X quan tâm đến cảm xúc của nhau) trong thang đo sự cảm thông có tương quan biến tổng là 0.126 nhỏ hơn 0.3 nên loại biến quan sát này. Sau khi liên hệ với tình hình thực tế tác giả nhận thấy có sự phù hợp nên loại biến. Tác giả kiểm tra lại thấy các thang đo đều đạt yêu cầu và đưa vào phân tích nhân tố khám phá EFA. Như vậy sau kết quả đánh giá sơ bộ Cronbach’s Alpha thì có 6 nhân tố với 29 biến quan sát đạt yêu cầu được đưa vào phân tích nhân tố khám phá EFA.
(b) Đánh giá sơ bộ thang đo bằng phân tích nhân tố khám phá EFA
Đây là kỹ thuật phân tích thống kê dùng để rút gọn một tập hợp nhiều biến quan sát có mối tương quan với nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. Tác giả sử dụng phương pháp rút trích Principal Component Analysis với phép quay vuông góc Varimax để rút trích nhân tố. Tiêu chí đánh giá như sau:
- Hệ số KMO (Kaiser-Mayer-Olkin: 0.5 ≤ KMO ≤ 1) và mức ý nghĩa của kiểm định Bartlett ≤ 0.05 (trích dẫn theo Nguyễn Đình Thọ, 2011).
- Theo Gerbing và Anderson (1988) chỉ những nhân tố có hệ số eigenvalue > 1 mới được giữ lại trong mô hình phân tích (trích dẫn theo Nguyễn Đình Thọ, 2011).
- Theo Nunnally & Bernstein (1994) thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (trích dẫn theo Nguyễn Đình Thọ, 2011).
- Trọng số nhân tố (Factor loading) > 0.5, nếu biến quan sát nào có trọng số nhân tố < 0.5 sẽ bị loại, tuy nhiên trọng số nhân tố ≥ 0.4 cũng có thể chấp nhận được trong trường hợp biến quan sát đo lường giá trị nội dung quan trọng của thang đo (trích dẫn theo Nguyễn Đình Thọ, 2011).
- Theo Jabnoun và Al-Tamimi (2003) chênh lệch giữa các trọng số nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (trích dẫn theo Nguyễn Đình Thọ, 2011).
- Kết quả phân tích nhân tố khám phá EFA lần 1 (phụ lục 4.2) cho thấy: Kiểm định KMO và Barlett cho thấy Sig=0.000<0.05 và hệ số KMO=0.654>0.5, điều này cho thấy việc phân tích nhân tố là phù hợp. Dựa vào hệ số Eigenvalue >1 và sử dụng phương pháp rút trích Principal Component Analysis với phép quay vuông góc Varimax, cho phép rút trích được 6 nhân tố từ 25 biến quan sát và tổng phương sai trích được 63.591%. Tuy nhiên biến quan sát BO2 (Anh/Chị và Công ty X cố gắng thiết lập mối quan hệ lâu dài) có trọng số nhân tố nằm trên hai nhân tố với khoảng cách nhỏ hơn 0.3 nên bị loại do không đạt giá trị phân biệt và phù hợp với tình hình thực tế. Tác giả tiến hành chạy EFA lần 2.
- Kết quả phân tích nhân tố khám phá EFA lần 2 (phụ lục 4.3) cho thấy phân tích nhân tố là phù hợp với hệ số KMO=0.660 và Sig= 0.000<0.05 Dựa vào hệ số Eigenvalue >1 và sử dụng phương pháp rút trích Principal Component Analysis với phép quay vuông góc Varimax, cho phép rút trích được 6 nhân tố từ 24 biến quan sát và tổng phương sai trích được 64.822%.