Nhóm biến Số lượng biến Cronbach’s Alpha Yếu tốCán bộ thẩm định (CLCB) 4 0,976 Yếu tốQuy trình thẩm định(QTTD) 4 0,968 Yếu tố Phương pháp thẩm định(PPTĐ) 4 0,965 Yếu tốNguồn thông tin (NTT) 4 0,962 Yếu tốChỉ tiêu thẩm định (CTTĐ) 3 0,953
(Nguồn: kết quảxửlý dữliệuđiều tra)
Kết quả xử lý ở bảng trên cho thấy, hệ số Cronbach’s Alpha của tất cả các nhân tố sau khi rút trích từ các biến quan sát bằng phương pháp phân tích nhân tố EFA đều lớn hơn 0,7. Nhân tố " Yếu tố Cán bộ thẩm định (CLCB)" (Cronbach's Alpha =0,976) là nhóm nhân tố có hệ số Cronbach’s Alpha cao nhất trong nhóm. Ngoài ra, tất cả các hệ số Cronbach’s Alpha của các nhóm biến quan sát còn lại đều có giá trị Cronbach’s Alpha khá cao, đều lớn hơn 0,7 và trong mỗi nhóm biến thì hệ số tương quan tổng của các biến quan sát đều lớn hơn 0,3. Điều này khẳng định thang đo các nhân tố rút trích từ các biến quan sát là phù hợp và đáng tin cậy. Vậy ta có thể sử dụng 5 nhóm biến này trong các bước phân tích tiếp theo.
2.3.3 Kết quả phân tích nhân tố khám phá (EFA)
nghiên cứu thuộc hầu hết các lĩnh vực kinh tế, xã hội, đặc biệt đối với các nghiên cứu lượng hóa một vấn đề định tính như chất lượng thẩm định tài sản đảm bảo trong nghiên cứu này. Chất lượng thẩm định tài sản đảm bảo cho các khoản vay của khách hàng doanh nghiệp được kết tinh bởi nhiều yếu tố (items) như đã được thiết kế trong bộ câu hỏi và các bảng kiểm dịnh CronbachØs Alphaở phần trên. Vì vậy, nếu áp dụng phân tích thống kê mô tả và các kiểm định thống kế sẽ có khối lượng công việc rất lớn và hiệu quả phân tích không cao. Vì vậy, phương pháp phân tích nhân tố khám phá (Exploring Factor Analysis – EFA) được sử dụng.
Trong phương pháp này tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết Ho (các biến không 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 (Nguyễn Đình Thọ, 2013). Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu. Tiêu chuẩn rút trích nhân tố gồm chỉ số Eigenvalue (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).
- 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 & ctg (1998), Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực tiễn. Trường hợp chọn tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350;nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55;nếu cỡ mẫu khoảng 50 thì Factor loading > 0,75. Ngoại lệ, có thể giữ lại biến có Factor loading < 0,3, nhưng biến đó phải có giá trị nội dung. Trường hợp các biến có Factor loading không thỏa mãn điều kiện trên hoặc 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 bị loại và các biến còn lại sẽ được nhóm vào nhân tố tương ứng đãđược rút trích trên ma trận mẫu.
Trước khi tiến hành phân tích nhân tố khám phá, chúng ta cần xem xét sự phù hợp (kiểm tra điều kiện cần) để phân tích nhân tố bằng kiểm định KMO và Bartlett's Test.