Việc đánh giá sơ bộ độ tin cậy và giá trị của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach alpha và phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) thơng qua phần mềm xử lý SPSS 16 để sàn lọc, loại bỏ các biến quan sát khơng đáp ứng tiêu chuẩn (biến rác). Trong đĩ :
– Cronbach alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát (các câu hỏi) trong thang đo thơng qua hệ số Cronbach alpha. Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr. 257-258) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach alpha cĩ giá trị từ 0,8 trở lên đến gần 1,0 là thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng được. Song, cũng cĩ nhiều nhà nghiên cứu (ví dụ: Nunally, 1978; Peterson, 1994; Slater, 1995) đề nghị hệ số Cronbach alpha từ 0,6 trở lên là cĩ thể sử dụng được trong trường họp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứuP
2 P . Tuy nhiên, theo Nunnally et al (1994), hệ số Cronbach alpha khơng cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach alpha, người ta cịn sử dụng hệ sốtương quan biến tổng (iterm - total correlation) và những biến nào cĩ tương quan biến tổng < 0,3 cũng sẽ bị loại bỏ.
Phân tích nhân tố khám phá (EFA) là tên chung của một nhĩm thủ tục được sử dụng phổ biến để đánh giá thang đo hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tĩm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các khía cạnh khác nhau của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm :
(2)Đây cũng là tiêu chuẩn được sử dụng trong các nghiên cứu của Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2007, 2008, 2009); Trần Kim Dung (2005, 2007).
38
– Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đĩ, giả thiết Ho (các biến khơng cĩ tương quan với nhau trong tổng thể) bị bác bỏ và do đĩ EFA được gọi là thích hợp khi 0,5 < KMO < 1 và Sig < 0,05. Trường hợp KMO 30T< 0 , 530T thì phân tích nhân tố cĩ khả năng khơng thích họp với dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr. 262).
– Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu %bị thất thốt). Theo Gerbing và Anderson (1988), các nhân tố cĩ Engenvalue < 1 sẽ khơng cĩ tác dụng tĩm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích > 50%.
– 26TTiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair & ctg, Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là cĩ ý nghĩa thực tiễn. Trường hợp chọn 26Ttiêu chuẩn Factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350; nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55; nếu cỡ mẫu khoảng 50 thì Factor loading > 0,75 (Nguyễn Khánh Duy, 2009, tr.14)
Trong nghiên cứu này, mẫu nghiên cứu cĩ kích thước lớn 26T(n=398) và 26T hơn nữa, sau phân tích EFA là tiến trình thực hiện phân tích hồi qui bội. Vì thế trong quá trình EFA sẽ sử dụng phương pháp trích Pricipal Axis Factoring với phép xoay Promax; loại bỏ các biến quan sát cĩ trị số Factor loading < 0,4 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố < 0,3.