4.2.3.1 Phân tích nhân tố khám phá EFA cho biến độc lập
Phương pháp phân tích nhân tố khám phá EFA được sử dụng để thu nhỏ và làm gọn dữ liệu. Phương pháp EFA dựa vào mối tương quan giữa các biến với nhau
để rút gọn thành những nhân tốcó ý nghĩa hơn.
Trong nghiên cứu này, khi đưa tất cả 26 biến thu thập được vào phân tích, các biến có thể có liên hệ với nhau. Khi đó, chúng sẽ được gom thành các nhóm biến có liên hệđể xem xét và trình bày dưới dạng các yếu tốcơ bản ảnh hưởng đến phát triển DLST bền vững tại huyện Củ Chi.
Kết quả phân tích nhân tố khám phá EFA các biến độc lập như sau:
Để tiến hành phân tích nhân tố khám phá thì dữ liệu thu được phải đáp ứng
được các điều kiện qua kiểm định KMO và kiểm định Bartlett’s. Bartlett’s Test dùng để kiểm định giả thuyết H0 là các biến không có tương quan với nhau trong tổng thể, tức ma trận tương quan tổng thể là một ma trận đơn vị, hệ số KMO dùng
để kiểm tra xem kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay không. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) thì giá trị Sig. của
Bartlett’s Test nhỏ hơn 0.05 cho phép bác bỏ giả thiết H0 và giá trị 0.5<KMO<1 có
nghĩa là phân tích nhân tố là thích hợp
Bảng 4.16: Kiểm định KMO
KMO and Bartlett’s Test
Trị số KMO (Kaiser-Meyer-Olkin of Sampling Adequacy) 0,812 Đại lượng thống kê
Bartlett’s (Bartlett’s Test of Sphericity)
Giá trị Approx. Chi-Square 4857,200
Bậc tự do (Df) 325
Sig(giá trị P-value) 0,000
(Nguồn: Phân tích dữ liệu – Phụ lục 3)
Kết quả kiểm định cho ra trị số của KMO đạt 0.812 lớn hơn 0.5 và Sig của
Bartlett’s Test là 0.000 nhỏ hơn 0.05 cho thấy 26 quan sát này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố.
2. Ma trận xoay các nhân tố
Phương pháp được chọn ở đây là phương pháp xoay nhân tố Varimax proceduce, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽtăng cường khảnăng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏhơn 0,5 ra khỏi mô hình, Chỉ những quan sát có hệ số tải nhân tố lớn hơn 0,5 mới được sử
dụng để giải thích một nhân tốnào đó, Phân tích nhân tố khám phá EFA sẽ giữ lại các biến quan sát có hệ số tải lớn hơn 0,5 và sắp xếp chúng thành những nhóm chính
- Tiêu chuẩn Kaiser (Kaiser Criterion) nhằm xác định số nhân tốđược trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Giá trị Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, chỉ có nhân tố nào có Eigenvalue lớn
hơn 1 mới được giữ lại trong mô hình phân tích.
- Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố
là thích hợp nếu tổng phương sai trích không được nhỏhơn 50%.
Bảng 4.17 Kết quả EFA cho các biến độc lập Biến quan sát Hệ số tải nhân tố của các thành phần 1 2 3 4 5 6 TC1 0,849 TC2 0,848 TC3 0,831 TC4 0,804 TC5 0,723 CD1 0,805 CD4 0,804 CD2 0,791 CD5 0,778 CD3 0,715 VC3 0,900 VC1 0,869 VC5 0,839 VC2 0,792 MT2 0,835 MT1 0,821 MT4 0,815
MT5 0,803 DV5 0,822 DV1 0,822 DV2 0,799 DV3 0,760 TN3 0,843 TN2 0,789 TN5 0,773 TN4 0,750 Eigenvalu es 6,460 3,226 2,786 2,655 1,913 1,344 Phương sai rút trích 24,846 12,408 10,716 10,213 7,357 5,170 (Nguồn: Phân tích dữ liệu – Phụ lục 3) Tổng phương sai trích: 24,846 + 12,408 + 10,716 + 10,213+ 7,357+ 5,170 = 70,711 %
Từphương pháp rút trích hệ số Principal component với phép quay Varimax lần thứ nhất, với kết quả bảng 4.18 ta có:
- Đối với kết quả phân tích nhân tố khám phá trên, tổng phương sai trích là
70,711% lớn hơn 50% và giá trị eigenvalues của các nhân tốđều lớn hơn 1, do đó
sử dụng phương pháp phân tích nhân tố là phù hợp.
- Kết quả phân tích nhân tốkhám phá cho ra được 6 nhân tố có ảnh hưởng đến nhân tố PTBV. 6 nhóm nhân tốđược rút trích giải thích được 70.711% sự biến động của dữ liệu.
Sau khi tiến hành phân tích hệ số Cronbach’s Alpha và thực hiện phương
pháp rút trích Principal components với phép quay Varimax, có 6 yếu tố gồm 26 biến quan sát rút trích giải thích được 70,711% sự biến động của dữ liệu tác động
đến phát triển DLST bền vững huyện Củ Chi.