Cronbach’s Alpha = 0.861
Biến Trung bình thang đo nếu loại biến Phƣơng sai thang đo nếu loại biến Tƣơng quan biến tổng Cronbach’s Alpha nếu loại biến
HTPP1 53,227 151,331 0,626 0,859 HTPP2 53,547 145,270 0,664 0,859 HTPP3 53,053 146,829 0,738 0,857 HTPP4 53,653 139,342 0,782 0,857 GC1 53,180 142,779 0,709 0,858 GC2 52,793 155,561 0,562 0,860 GC3 53,127 147,628 0,615 0,859 GC4 53,033 150,905 0,632 0,859 GC5 53,153 148,399 0,737 0,858 KM1 54,127 148,675 0,734 0,858 KM2 53,880 146,012 0,722 0,858 KM3 53,520 151,500 0,621 0,859 KM4 53,740 155,590 0,554 0,860 KM5 53,747 152,096 0,718 0,858 CLSP1 52,967 147,858 0,645 0,859 CLSP2 52,987 154,080 0,573 0,860 CLSP3 53,000 151,302 0,571 0,860
(Nguồn: Số liệu khảo sát tháng 02/2016)
Từ bảng 4.2 cho thấy tất cả các nhân tố đều thỏa yêu cầu của nghiên cứu đặt ra cụ thể hệ số Cronbach’s Alpha đạt là 0,861 lớn hơn 0,6 đạt yêu cầu của nghiên cứụ Bên cạnh đó hệ số tƣơng quan biến tổng đều lớn hơn 0,3 đạt yêu cầu của nghiên cứu,
với hệ số tƣơng quan biến tổng nhỏ nhất là 0,554 và hệ số tƣơng quan biến tổng lớn nhất là 0,782. Ngoài ra hệ số Cronbach’s Apha sau khi xóa biến đều nhỏ hơn hệ số Cronbach’s Alpha hiện tạị Nên điều này có ý nghĩa là các biến quan sát đều đƣợc giữ lại để phân tích cho bƣớc tiếp theọ
4.2.2. Phân tích nhân tố khám phá EFA
Sau khi tiến hành kiểm tra mức độ tin cậy bằng hệ số Cronbach’s Alpha đối với thang đo các yếu tố ảnh hƣởng đến quyết định sử dụng thức ăn chăn nuôi Cargill cho heo của các hộ ni ở tỉnh Đồng Tháp thì có thể sử dụng đƣợc tất cả các biến (20 biến) và đƣợc sử dụng tiếp tục trong phân tích nhân tố khám phá. Phân tích nhân tố khám phá dùng để đánh giá độ hội tụ của các biến quan sát theo các thành phần.
Các biến có trọng số (factor loading) nhỏ hơn 0,5 trong phân tích nhân tố khám phá (EFA) sẽ tiếp tục bị loạị Phƣơng pháp trích hệ số sử dụng là phƣơng pháp phân tích nhân tố, phép xoay Varimax. Thang đo đƣợc chấp nhận khi tổng phƣơng sai trích bằng hoặc lớn hơn 50% (Gerbing & Anderson, 1988). Trị số KMO (Kaiser Meyer – Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích. Trị số KMO lớn nằm trong khoảng 0,5 đến 1 là đủ điều kiện để phân tích nhân tố thích hợp, ngƣợc lại nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Trong phân tích nhân tố khám phá EFA, để xác định tất cả các biến có tƣơng quan nhƣ thế nào, ta sử dụng kiểm định Bartlett’s để kiểm định giả thuyết:
H0: Các biến khơng có tƣơng quan H1: Các biến có tƣơng quan
Để tóm tắt các thơng tin chứa đựng trong các biến gốc, ta cần phải rút ra một số nhân tố từ mơ hình. Trong đề tài này, tác giả sẽ sử dụng phƣơng pháp dựa vào Eigenvalue
để xác định số lƣợng nhân tố đó. Với phƣơng pháp này, chỉ có những nhân tố nào có Eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mơ hình. Những nhân tố nào có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng.
Kết quả kiểm định mức độ tin cậy bằng hệ số Cronbach’s Alpha thì có 18 biến trong thang đo các yếu tố ảnh hƣởng đến quyết định sử dụng thức ăn chăn nuôi
Cargill cho heo của các hộ nuôi ở tỉnh Đồng Tháp. Theo mơ hình lý thuyết, nhân tố:
(1) Hệ thống phân phối (4 biến), (2) Giá cả (5 biến), (3) Chiêu thị (5 biến), (4)
Chất lƣợng sản phẩm (4 biến). Kết quả phân tích nhân tố khám phá EFA sẽ đƣợc trình bảy tiếp theọ