7. Cấu trúc của luận văn
2.3.2. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá sẽ trả lời câu hỏi liệu các biến quan sát dùng để xem xét sự tác động của các yếu tố thành phần đến hành vi chia sẻ tri thức có độ kết dính cao hay không và chúng có thể rút gọn lại thành một số lượng yếu tố ít hơn để xem xét hay không. Phân tích nhân tố khám phá nhằm mục đích kiểm tra và xác định lại các nhóm biến trong mô hình nghiên cứu, rút gọn một tập k biến quan sát thành một tập F các nhân tố có ý nghĩa hơn (F<k). Giá trị hội tụ và giá trị phân biệt cũng được đánh giá thông qua bước phân tích EFA (Nguyễn Đình Thọ, 2011).
Với kết quả EFA, ta cần xem xét các yếu tố:
- Kiểm định KMO (Kaiser – Meyer – Olkin measure of sampling adequacy): KMO là một chỉ số dùng để đánh giá sự phù hợp của phân tích nhân tố khám phá (EFA). Trị số KMO lớn (từ 0,5 đến 1) thì bộ dữ liệu sẽ phù hợp để phân tích nhân tố khám phá. KMO càng gần 1 càng tốt vì phần chung giữa các biến càng lớn. Các giá trị của KMO và ý nghĩa: [0,9 – 1]: rất tốt; [0,8 – 0,9]: tốt; [0,7 – 0,8]: được; [0,6 – 0,7]: tạm được; [0,5 – 0,6]: xấu (Nguyễn Đình Thọ, 2011). Trường hợp KMO < 0,5 thì phân tích nhân tố khám phá có khả năng không
- Kiểm định Bartlett (Bartlett’s test of sphericity): dùng để kiểm định ma trận - Tương quan có phải là ma trận đơn vị I hay không. Nếu phép kiểm định Bartlett có p < 5%, ta từ chối giả thuyết H0: Ma trận tương quan là ma trận đơn vị, nghĩa là các biến có tương quan với nhau trong tổng thể.
- Tiêu chí Eigenvalue: số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1.
- Tổng phương sai trích TVE (Total Variance Explained): cho biết các nhân tố rút trích được (các nhân tố có giá trị Eigenvalues ≥ 1) sẽ giải thích được bao nhiêu
phần trăm của các biến đo lường. TVE phải đạt từ 50% trở lên mới kết luận mô hình EFA phù hợp.
- Hệ số tải nhân tố (Factor Loading): biểu thị tương quan đơn giữa các biến với nhân tố. Hệ số tải nhân tố > 0,3 được xem là đạt mức tối thiểu, hệ số tải nhân tố > 0,4 được xem là quan trọng, hệ số tải nhân tố > 0,5 được xem là có ý nghĩa thực tiễn (Hair và cộng sự, 2006). Các biến quan sát có hệ số tải nhân tố nhỏ hơn 0,5 trong EFA đều bị loại bỏ để đảm bảo sự hội tụ giữa các biến. Ngoài ra, để đảm bảo giá trị phân biệt của thang đo, chênh lệch giữa các trọng số nhân tố của một biến quan sát phải ≥ 0,3.
- Phương pháp trích hệ số được tác giả sử dụng là phương pháp trích nhân tố Principal Components với phép xoay Varimax áp dụng cho các biến đo lường. Việc phân tích nhân tố sẽ được tiến hành với các biến quan sát độc lập và biến quan sát phụ thuộc, sau đó sẽ loại bỏ từng biến có hệ số truyền tải thấp.