CHƯƠNG 2 : CƠ SỞ LÝ LUẬN VÀ MƠ HÌNH NGHIÊN CỨU
3.5. Đánh giá độ tin cậy của thang đo
3.5.1. Hệ số Cronbach’s Alpha:
Hệ số Cronbach’s Alpha là chỉ số đo lường độ tin cậy của thang đo bao gồm từ ba biến quan sát trở lên. Hệ số này chỉ đo lường độ tin cậy của thang đo mà khơng tính được độ tin cậy cho từng biến quan sát. Hệ số này biến thiên trong đoạn [0,1], hệ số này càng cao thì thang đo càng có độ tin cậy lớn. Tuy nhiên nếu hệ số này quá lớn (khoảng từ 0,95 trở lên) thì điều này cho thấy có nhiều biến trong thang đo khơng có sự khác biệt gì nhau, dẫn đến xảy ra hiện tượng gọi là trùng lặp trong thang đo (Nguyễn Đình Thọ, 2013, trang 364). Hệ số này được sử dụng để loại biến rác, các biến có hệ số tương quan tổng biến (Corrected Item-Total Correlation) nhỏ hơn 0.3 sẽ bị loại và thang đo sẽ bị loại nếu hệ số Cronbach Alpha nhỏ hơn 0,6 (Nunnally & Bernstein, 1994). Hệ số Cronbach’s Alpha cho biết mức độ tương quan giữa các biến trong bảng hỏi, được dùng để tính sự thay đổi của từng biến và mối tương quan giữa các biến (Hair & ctg, 1992). Trong nghiên cứu này, trong quá trình Cronbach alpha, tác giả sẽ giữ lại các thang đo có trị số Cronbach alpha ≥ 0,6 và loại các biến quan sát có tương quan biến-tổng < 0,3.
3.5.2. Phân tích nhân tố EFA
Phân tích nhân tố khám phá EFA được sử dụng phổ biến để đánh giá giá trị thang đo (tính đơn hướng, giá trị hội tụ và giá trị phân biệt) hay rút gọn một tập biến.
Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các thuộc tính của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005, trang 262).
Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Engenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%.
Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và ctg (1998), Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Ngoài ra, trường hợp các biến có Factor loading được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp nhận < 0,3), tức không tạo nên sự khác biệt để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến cịn lại sẽ được nhóm vào nhân tố tương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).
Trong quá trình EFA, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax (Gerbing & Anderson, 1988); loại bỏ các biến quan sát có trị số Factor loading ≤ 0,4 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố ≤ 0,3