3.3.1.1. Kiểm định Cronbach’s Alpha
Hệ số tin cậy Cronbach’s Alpha là hệ số kiểm định được sử dụng để đánh giá độ tin cậy của thang đo. Kiểm định Cronbach’s Alpha giúp chúng ta xác định các biến quan sát được dùng để đo lường một khái niệm có liên kết với
nhau để cùng mô tả khái niệm đó hay không và mức độ đóng góp của những đo lường đó bằng hệ số tương quan biến-tổng (corrected item-total correlation). Cách thức kiểm định này được sử dụng trước tiên với mục đích loại bỏ các biến không phù hợp. Theo nghiên cứu của Nunnally và Bernstein (1994), biến có hệ số tương quan biến - tổng nhỏ hơn 0,3 hoặc có độ tin cậy alpha nhỏ hơn 0,6 cần phải bị loại bỏ. Tuy vậy, nhà nghiên cứu vẫn cần lưu ý rằng nếu hệ số Cronbach’s Alpha lớn hơn 0,95 tức là quá cao thì sẽ có khả năng biến quan sát thừa đã xuất hiện trong thang đo, lúc đó nhà nghiên cứu nên loại bỏ biến thừa. Nunnally và Bernstein (1994) giá trị của Cronbach’s Alpha lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được. Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng trong nếu khái niệm nghiên cứu là mới hoặc bối cảnh nghiên cứu mới.
Từ những lý thuyết trên, tác giả tiến hành kiểm định hệ số Cronbach’s Alpha để đánh giá thang đo dựa trên các tiêu chí sau:
- Các biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0,3 sẽ được loại ra khỏi mô hình.
- Vì nghiên cứu này là một đề tài mới, nên với hệ số Alpha trên 0,7 thì thang đo được công nhận đủ điều kiện.
- Cân nhắc loại bỏ nếu một biến có hệ số Alpha nếu biến đó bị loại (Cronbach’s Apha if Item deleted) lớn hơn hệ số Alpha hiện tại.
3.3.1.2. Phân tích nhân tố EFA
Sau khi có được thang đo với độ tin cậy Cronbach’s Alpha và hệ số tương quan biến - tổng đạt yêu cầu, nghiên cứu sinh tiếp tục kiểm tra độ hội tụ và phân biệt của các biến bằng kỹ thuật phân tích nhân tố khám phá EFA. Phân tích này có vai trò kiểm tra xem các biến đã được nhóm lại với nhau hợp lý hay
chưa. Khi mô hình nghiên cứu số lượng biến quan sát lớn và các nhân tố có tương quan gần nhau thì chúng có thể được gom thành một nhóm để giúp thu gọn mô hình và dễ lượng hóa tác động giữa các nhân tố với nhau. Để phục vụ cho mô hình cấu trúc tuyến tích thì phương pháp trích nhân tố được sử dụng là Principal Axis Factoring với phép xoay Promax. Các điều kiện để thang đo được chấp nhận trong phân tích nhân tố khám phá bao gồm:
- 0,5 ≤ KMO ≤ 1. Hệ số KMO (Kaiser- Meyer- Olkin) là hệ số được sử dụng để đánh giá sự thích hợp của phân tích nhân tố. Giá trị KMO lớn có cho thấy phân tích nhân tố là thích hợp.
- Kiểm định Bartlett có ý nghĩa thống kê với mức ý nghĩa 5%. Phương pháp kiểm định Bartlett’s được sử dụng để kiểm định giả thiết H0: Các biến không có mối quan hệ tương quan với nhau trong tổng thể. Kiểm định Bartlett’s có ý
nghĩa thống kê tức là các biến quan sát có tương quan với nhau trong tổng thể.
- Hệ số tải nhân tố (Factor Loading) > 0,5. Theo Hair và cộng sự (1998), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức độ ý nghĩa thiết thực của EFA. Hệ số tải nhân tố lớn hơn 0,3 được xem là mức tối thiểu, lớn hơn 0,4 là quan trọng,
và lớn hơn 0,5 là có ý nghĩa thực tiễn. - Phương sai trích phải lơn hơn 50%.