CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.7. Phương pháp phân tích dữ liệu
3.7.2. Phân tích nhân tố khám phá EFA
Khác với thang đo Cronbach’s Alpha đánh giá mối quan hệ giữa các biến trong cùng một nhóm, cùng một nhân tố, thì EFA xem xét mối quan hệ giữa các biến quan sát ở trong tất cả các biến độc lập khác nhau nhằm phát hiện những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu. Cụ thể là từ một tập hợp nhiều biến quan sát ban đầu, sau khi phân tích nhân tố khám phá sẽ trở thành các nhóm nhân tố có ý nghĩa hơn.
- Hệ số KMO (Kaiser-Mayer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của thực hiện phân tích nhân tố. Trị số KMO nằm trong khoảng u cầu thì phân tích nhân tố EFA là thích hợp. Điều kiện cần thiết để thực hiện phân tích nhân tố là: 0,5 ≤ KMO ≤ 1.
- Kiểm định Barlett có ý nghĩa thống kê là đại lượng thống kê để xem xét giả thiết các biến khơng có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê thì nghĩa là các biến có mối tương quan với nhau trong tổng thể và thực hiện phân tích nhân tố là phù hợp. Nếu trị số Sig. <0,05, chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
42
- Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích.
Phân tích nhân tố khám phá sẽ được tiến hành 2 lần. Lần một để đưa các biến quan sát vào đúng nhóm nhân tố và lần hai là để kiểm tra lại xem kết quả đã đúng chưa.