5. KẾT CẤU CỦA ĐỀ TÀI
2.2.3 Phân tích nhân tố khám phá (EFA)
Phân tích nhân tốkhám phá EFA (Exploratory Factor Analysis) là kỹthuật được sửdụng nhằm thu nhỏvà tóm tắt các dữliệu. Phân tích nhân tố đượcứng dụng đểtóm 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 và tìm mối quan hệgiữa các biến với nhau. Trong
phân tích EFA, đại lượng Bartlett là đại lượng thống kê dùng đểxem xét giảthuyết các biến không có tương quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau (các biến đo lường phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). Do đó nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Trị số KMO (KaiMeyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để việc tiến hành phân tích nhân tố là thích hợp. Hệ sốFactor Loading >=0.55 cỡ mẫu khoảng 100 -> 350 (Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International). Kiểm định Bartlett (Bartlett¯s test) có ý nghĩa thống kê (sig < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể. Hệ số tải nhân tố (Factor Loading) là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA >= 0.5. Tổng phương sai trích (Total Varicance Explained) đạt giá trị từ 50% trở lên, các nhân tố trích ra giải thích được bấy nhiêu phần trăm sự biến thiên của dữ liệu nghiên cứu. (Gerbing & Anderson, 1988). Giá trị của Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 thì nhân tốrút ra có ý nghĩa tóm tắt thông tin tốt nhất.