phân biệt của thang đo (phân tích EFA)
Độ giá trị của thang đo là khả năng thang đo đo lường đúng điều người đo lường mong muốn, thể hiện qua giá trị hội tụ và giá trị phân biệt của thang đo khác nhau thì thang đo đạt giá trị phân biệt; nếu kết quả đo lường của nhiều biến quan sát, cùng đo một khái niệm, hội tụ thì thang đo đạt giá trị hội tụ.
Độ giá trị của thang đo được đo lường bằng kỹ thuật phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) thông qua phần mềm SPSS. Mục tiêu khi sử dụng phân tích EFA là nhằm rút gọn tập biến quan sát đo lường các khái niệm bằng cách loại bỏ các biến quan sát không phù hợp về nội dung (không đảm bảo tính phân biệt và hội tụ); từ đó, tập biến quan sát đo lường của từng khái niệm được rút ngắn mà vẫn chứa đựng đầy đủ nội dung thông tin cần đo lường của tập biến quan sát ban đầu. Khi phân tích nhân tố khám phá (EFA), nghiên cứu quan tâm các tiêu chuẩn sau:
- Hệ số KMO (Kaiser-Meyer-Olkin) ≥ 0.5 với mức ý nghĩa của kiểm định Bartlett ≤ 0.05. Bartlett test kiểm tra Ho: các biến không có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
- Số lượng nhân tố trích: tiêu chí Eigenvalue được dùng để xác định nhân tố trích. Theo Gerbing và Anderson (1988), các nhân tố có Eigenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Với tiêu chí này, chỉ giữ lại những nhân tố quan trọng có Eigenvalue ≥ 1.
- Tổng phương sai trích: thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Theo Nguyễn Đình Thọ (2014). tổng này đạt từ 50% trở lên là được, còn từ 60% trở lên là tốt. Nếu thỏa điều kiện này, ta kết luận mô hình EFA là phù hợp.
- Hệ số tải nhân tố (Factor Loading): đây là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Theo Nguyễn Đình Thọ (2014), hệ số tải > 0.3 được xem là đạt mức tối thiểu, > 0.4 được xem là quan trọng, > 0.5 được xem là có ý nghĩa thực tiễn. Chênh lệch trọng số ≥ 0.3 là điều kiện đảm bảo giá trị phân biệt giữa các khái niệm. Nghiên cứu này sử dụng phân tích EFA để loại dần các biến có hệ số tải nhân tố nhỏ hơn 0.3.
Trong nghiên cứu phương pháp trích Principal Component Analysis với phép quay Varimax được sử dụng để khám phá cấu trúc dữ liệu.