, Nợ quá hạn
Sự tin tưởng
tưởng Sự Hài Lòng Sự đápứng Sự Cảm Thông
Trong nghiên cứu, chúng ta có thể thu thập được một số lượng biến khá lớn và có liên hệ với nhau. Sử dụng phương pháp EFA có thể giúp thu nhỏ và tóm tắt dữ liệu thành một bộ biến số có ý nghĩa với số lượng nhân tố ít hơn số biến. Để đảm bảo mô hình EFA đảm bảo tin cậy, đòi hỏi thực hiện các kiểm định chính sau:
(1) Kiểm định tính thích hợp của EFA: Sử dụng thước đo KMO để đánh giá sự thích hợp của mô hình EFA. Khi trị số KMO thoả mãn điều kiện 0,5< KMO < 1 thì phân tích EFA là thích hợp cho dữ liệu thực tế.
(2) Kiểm định tương quan của các biến trong thước đo đại diện: Sử dụng kiểm định Bartlett để đánh giá các biến có tương quan với nhau trong một thang đo hay không. Nếu kiểm định này có ý nghĩa thống kê (Sig. <0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
(3) Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố: Sử dụng phương sai trích (% Cumulative variance) để đánh giá mức độ giải thích của các biến quan sát với nhân tố. Trị số phương sai trích nhất thiết phải lớn hơn 50%.
(4) Xác định số lượng nhân tố cần rút trích: Xác định dựa vào Eigenvalue, chỉ có những nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích.
(5) Chỉ tiêu Factor Loading (Hệ số tải nhân số): Theo Hair & ctg (1998), trọng số Factor Loading > 0,5 được xem là đảm bảo mức thiết thực của EFA.
Bước 3: Phân tích hồi quy đa biến MRA (Multiple Regression Analysis)
Để mô hình hồi quy đảm bảo khả năng tin cậy và hiệu quả, ta cần thực hiện các kiểm định sau:
(1) Kiểm định tương quan từng phần của các hệ số hồi quy: Mục tiêu của kiểm định này là xem xét các biến độc lập có tương quan ý nghĩa với biến phụ thuộc hay không. Khi mức ý nghĩa của các hệ số hồi quy từng phần có độ tin cậy Sig. < 0,05 thì kết luận giữa biến phụ thuộc và biến độc lập có ý tương quan với nhau.
(2) Mức độ giải thích của mô hình: Hệ số xác định R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá mức độ giải thích của mô hình. R2 hiệu chỉnh càng lớn thể hiện mức độ giải thích của mô hình càng cao.
(3) Mức độ phù hợp của mô hình: Mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình
được xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng 0 và mô hình phù hợp
khi có ít nhất một hệ số hồi quy khác 0.
Giả thuyết: H0 : Các hệ số hồi quy đều bằng 0