4. PHÂN TÍCH KẾT QUẢ KHẢO SÁT
4.4 Kết quả phân tích nhân tố khám phá
Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett (Bartletts test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Chúng ta cần lưu ý, điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. 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. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartletts Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,905 Approx. Chi-Square 5053,839 Bartlett's Test of Sphericity df 351
Sig. ,000
=>Kết quả đã đạt yêu cầu vì 0,905 nằm trong khoảng (0.5 ≤ KMO ≤ 1), có ý nghĩa thống kê vì hệ số sig<0,000.
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có (Eigenvalue ≥ 1) mới được giữ lại trong mô hình phân tích.
Nghiên cứu gồm 30 biến được chia thành 5 nhân tố thành phần và cho thấy giá trị riêng là 1.226>1.
Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
Nghiên cứu đã cho thấy tổng phương sai trích là 69,734% > 50%, Còn lại 30.266% là sự thay đổi là do các nhân tố còn lại
=>KMO, giá trị riêng, tổng phương sai trích đạt yêu cầu.
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Theo Hair & ctg (2009,116), Multivariate Data Analysis, 7th Edition thì: Factor Loading ở mức±0.3: Điều kiện tối thiểu để biến quan sát được giữ lại. Factor Loading ở mức±0.5: Biến quan sát có ý nghĩa thống kê tốt. Factor Loading ở mức±0.7: Biến quan sát có ý nghĩa thống kê rất tốt.
Tuy nhiên, giá trị tiêu chuẩn củahệ số tải Factor Loadingnên được xem xét cùng kích thước mẫu. Với từng khoảng kích thước mẫu khác nhau, mức trọng số nhân tố để biến quan sát có ý nghĩa thống kê là hoàn toàn khác nhau.
Rotated Component Matrixa Component 1 2 3 4 5 HH3 ,804 HH2 ,801 HH4 ,800 HH1 ,792 NLPV1 ,783 NLPV2 ,779 NLPV4 ,760 NLPV3 ,725 CT4 ,715 CT1 ,698 CT2 ,693 CT3 ,663 DU3 ,522 DU4 ,509 DU2 TC2 ,753 TC1 ,749 TC5 ,739 TC3 ,647 TC4 ,598 ML3 ,715 ML1 ,698 ML2 ,652 DU1 ,539 GC2 ,792 GC3 ,782 GC1 ,666
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
Hệ số tải nhân tố được chọn >0,5 nhưng các chỉ số của nhóm DU không đạt yêu cầu nên loại hệ số của DU
Rotated Component Matrixa Component 1 2 3 4 5 HH4 ,824 HH3 ,814 HH2 ,809 HH1 ,798 NLPV1 ,789 NLPV4 ,786 NLPV2 ,785 NLPV3 ,731 TC2 ,760 TC1 ,749 TC5 ,742 TC3 ,661 TC4 ,620 CT4 ,728 CT2 ,718 CT1 ,708 CT3 ,704 GC3 ,795 GC2 ,795 GC1 ,700 ML3 ,792 ML2 ,714 ML1 ,710
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
Sau khi chúng ta loại nhóm DU chúng ta có được 5 nhóm nhân tố phù hợp có hệ số tải >0,5 với các nhóm như HH_NLPV, TC, CT, GC, ML.
Nhân tố HH_NLPV bao gồm 8 biến quan sát được và được đặt tên Hàng Hóa và Năng Lực Phục Vụ, ký hiệu là HH_NLPV
Nhân tố CT bao gồm 4 biến quan sát được và đặt tên là Cảm Thông, ký hiệu là CT
Nhân tố GC bao gồm 3 biến quan sát được và đặt tên là Gía Cả, ký hiệu là GC Nhân tố Ml bao gồm 3 biến quan sát được và đặt tên là Mạng lưới, ký hiệu là ML