3.6.1 Phương pháp thống kê mô tả
Bài nghiên cứu được thống kê theo phương pháp thống kê mô tả, cụ thể: các mẫu được chọn sẽ được thống kê tổng quát theo hai hướng là: Bậc đại học và giới tính.
Công cụ hỗ trợ xử lý dữ liệu là phần mềm SPSS.20
3.6.2 Kiểm tra độ tin cậy thang đo bằng hệ số Cronbach’s Alpha
loại bỏ một số biến không phù hợp với mô hình, dẫn đến sự sai sót khi thực hiện phân tích nhân tố khám phá EFA.
Tiêu chuẩn đánh giá:
- Hệ số Cronbach’s Alpha quá thấp (<0.6), thang đo nhân tố được coi là kém tin cậy, chứa các câu hỏi không liên quan đến nhau, không đo lường cùng một khái niệm. Nếu quá lớn (>0.95), thang đo được cho là có các câu hỏi giống hệt nhau chỉ khác nhau về cách dùng từ. Do đó, hệ số này thuộc khoảng 0.6 < Hệ số Cronbach’s Alpha >0.95 được xem là tốt đối với mô hình nghiên cứu. (Zoviik,2019)
- Hệ số tương quan với tổng (Corrected Item-Total Correlation) thể hiện mức độ kết nối với các biến trong cùng một nhân tố. Nếu hệ số này > 0.3 thể hiện rằng biến quan sát đó sự kết nối và có ý nghĩa trong mô hình hồi quy. (Zoviik,2019)
3.6.3 Phân tích nhân tố EFA
Theo Hair & ctg (1998): Phân tích nhân tố khám phá EFA là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. (Lưu Hà Chi, 2019).
Một số tiêu chuẩn quan trọng trong EFA là:
- Hệ số nhân tố tải Factor loading lớn hơn hoặc bằng 0.5 được xem là đủ điều kiện kết luận biến quan sát có ý nghĩa thống kê và mối tương quan giữa biến quan sát với nhân tố là tốt.
- Tổng phương sai trích total variance explained thể hiện phần trăm các nhân tố trích được của các biến đo lường.
- Thống kê KMO là một biện pháp lấy mẫu đầy đủ cho cả tổng thể và cho mỗi biến (Kaiser 1970; Cerny và Kaiser 1977; Dziuban & Shirkey, 1974). Gía trị KMO thuộc khoảng 0,5 ≤ KMO ≤ 1 được xem là đủ điều kiện để kết luận rằng các biến có mối tương quan tốt với nhau.
- Kiểm định Bartlett (Bartlett’s test of sphericity): kiểm tra ma trận tương quan có phải là một ma trận nhận dạng hay không. Một ma trận nhận dạng là
trong đó tất cả các yếu tố chéo là 1 và tất cả các yếu tố đường chéo tắt là 0. Nếu hệ số Sig. của kiểm định Bartlettt < 0.05 thì có thể kết luận rằng ma trận tương quan không phải là một ma trận nhận dạng, do đó các biến quan sát có tương quan với nhau.
- Trị số Eigenvalue là phương sai của các yếu tố. Tại Eigenvalue >=1, các nhân tố
được rút ra được xem là mang thông tin ý nghĩa nhất.
- Trong quá trình EFA cần thực hiện phép xoay nhân tố (Varimax): Mục đích để hội tụ các biến quan có mức tương quan giống nhau tạo thành một nhân tố, và để phân kỳ các nhân tố đại diện biến độc lập. Tại mức trọng số tải phù hợp với cỡ mẫu sẽ trích được các nhân tố đạt tiêu chuẩn. Nếu sử dụng trọng số tải không phù hợp sẽ có khả năng loại biến oan.
3.6.4 Phân tích hồi quy đa biến: