KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy (KMO) 0.810 Bartlett's Test of Sphericity Approx. Chi-Square 1847.057 df 378 Sig. 0.000
(Nguồn: Kết quả nghiên cứu của tác giả)
Hệ số KMO (Kaiser-Meyer-Olkin) rất cao, ở đây là 0,81 cho thấy kết quả phân tích nhân tố là thích hợp với dữ liệu thực tế khảo sát được từ những nhân viên đang làm việc trong ngân hàng VCB chi nhánh Vũng Tàu. Cụ thể hơn, để sử dụng phân tích nhân tố EFA, KMO phải từ 0,8 trở lên thì dữ liệu mới gọi là tốt và đáng tin cậy (Kaiser, 1974). Bên cạnh đó, kiểm định Bartlett’s là kiểm định tính tương quan giữa các biến quan sát. Kết quả cho thấy sig. = 0,000 ≤ 0,05; điều này cho thấy giả thuyết H0 với nội dung các biến quan sát không tương quan với nhau bị bác bỏ, có nghĩa là, các biến quan sát có tương quan tuyến tính trong mỗi nhân tố, thích hợp để tiến hành phân tích EFA (Hair và cộng sự, 2006).
Trong bảng tổng phương sai trích được giải thích (Total Variance Explained), tiêu chuẩn để chấp nhận dữ liệu là phương sai trích lớn hơn 50% và chỉ số Eigenvalue có giá trị lớn hơn 1 thì nhân tố ấy mới được chọn (Gerbing và Anderson, 1988).
Bảng 4.4: Tổng phương sai được giải thích (Total Variance Explained)
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 5.117 18.276 18.276 5.117 18.276 18.276 3.604 12.873 12.873 2 3.976 14.2 32.476 3.976 14.2 32.476 3.373 12.047 24.92 3 3.143 11.227 43.702 3.143 11.227 43.702 3.032 10.83 35.75 4 1.601 5.718 49.421 1.601 5.718 49.421 2.859 10.21 45.96 5 1.559 5.567 54.987 1.559 5.567 54.987 2.528 9.027 54.987 …
Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared
Loadings Rotation Sums of Squared Loadings
(Nguồn: Kết quả nghiên cứu của tác giả)
Dựa vào bảng trên, ta thấy giá trị tổng phương sai trích = 54,987% > 50 %, đạt yêu cầu đặt ra, điều này cho thấy hơn 50% sự thay đổi của các nhân tố có thể được giải
49
thích bởi các biến quan sát. Hơn thế nữa, giá trị Eigenvalue - là tiêu chí được sử dụng để xác định số lượng nhất tố trong EFA cho thấy cả 5 nhân tố này đều lớn hơn 1.
Phân tích EFA với việc sử dụng phương pháp rút trích nhân tố và phép quay Varimax để phân nhóm các nhân tố theo thứ tự. Hệ số tải nhân tố (factor loading) được xác định dựa vào quy mơ mẫu. Với quy mơ là 180 thì hệ số tải nhân tơ phải lớn hơn 0,55 thì nhân tố ấy mới thỏa mãn (Gerbing và Anderson, 1988).
Kết quả cho thấy những biến quan sát có hệ số tải nhân tố (factor loading) lớn hơn 0,55 đang được hiện dưới bảng sau.