- Kiểm tra độ tin cậy Cronbach’s Alpha, loại các biến làm Cronbach’s Alpha < 0,
CHƯƠNG.4 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.3 PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn sau:
Thứ nhất, hệ số KMO (Kaiser- Meyer-Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005, 262).
Thứ hai, hệ số tải nhân tố (Factor Loading), theo Hair & ctg (1998), factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading ≥ 0,3 được xem
50
đạt mức tối thiểu, Factor loading ≥ 0,4 được xem là quan trọng, ≥ 0,5 được xem là có ý nghĩa thực tiễn. Ngoài ra, Hair & ctg (1998) còn có một số kết luận: Nếu chọn tiêu chuẩn factor loading ≥ 0,3 thì cỡ mẫu của bạn ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading ≥ 0,55, nếu cỡ mẫu của bạn khoảng 50 thì factor loading phải ≥ 0,75. Do đó, trong nghiên cứu này, nhằm đảm bảo độ tin cậy, biến quan sát nào có hệ số tải nhân tố ≤ 0,50 sẽ bị loại.
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (Gerbing&Anderson, 1988).
Căn cứ trên các điều kiện trên, tác giả tiến hành phân tích nhân tố khám phám (EFA) theo phương pháp trích Principals axis factoring kết hợp với phương pháp xoay
Promax.