Như đã trình bày tại chương 3 phân tích khám phá nhân tố là phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát có mối tương quan với nhau thành một tập biến (các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các nội dung thông tin của tập biến ban đầu (Hair et
al, 2006). Kỹ thuật phân tích khám phá nhân tố không xem xét sự khác nhau giữa biến độc lập và biến phụ thuộc mà chỉ đánh giá mối quan hệ tương quan giữa các biến với nhau. Vì vậy ta sẽ tiến hành phân tích các biến quan sát của các biến độc lập cùng một lượt để tìm hiểu các biến nguyên nhân tiềm ẩn từ các biến quan sát. Các biến quan sát của biến phụ thuộc được phân tích riêng.
Tiêu chuẩn đánh giá phân tích khám phá nhân tố phù hợp là hệ số KMO lớn (giữa 0,5 và 1), kiểm định Barlett có p-value nhỏ hơn 0,05; phương sai trích tối thiểu 50%, hệ số factor loading lớn hơn hoặc bằng 0,5. Phương pháp phân tích sử dụng phương pháp Principal component với phép xoay varimax để thu được số lượng nhân tố là bé nhất. Kết quả phân tích từ dữ liệu nghiên cứu thu thập được như sau:
4.2.2.1. Phân tích nhân tố khám phá đối với biến độc lập
Dựa trên kết quả kiểm định Cronbach’s Alpha, toàn bộ các biến quan sát hợp lệ được đưa vào phân tích nhân tố khám phá (EFA), để giảm bớt hay tóm tắt dữ liệu và tính độ tin cậy (Sig) của các biến quan sát có quan hệ chặt chẽ với nhau hay không.
Đặt giả thiết H0: “Các biến không tương quan trong tổng thể”
Sau 2 lần phân tích nhân tố khám phá (EFA), kết quả phân tích lần cuối cho thấy:
Bảng 4.2. KMO and Bartlett's Test các biến độc lập
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,848
Bartlett's Test of Sphericity
Approx. Chi-Square 2.375,380
Df 276
Sig. 0,000
(Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả)
Từ số liệu Bảng 4.2 cho thấy:
-Hệ số KMO=0,848 thỏa điều kiện 0,5 ≤ KMO ≤ 1,
-Kiểm định Bartlett có Sig = 0,000<0,05
Bảng 4.3. Kết quả phân tích nhân tố khám phá (EFA) các biến độc lập
Rotated Component Matrixa Component
PL2 0,822 PL3 0,791 PL5 0,783 PL1 0,773 PL4 0,766 ĐĐ4 0,789 ĐĐ6 0,782 ĐĐ3 0,780 ĐĐ5 0,775 ĐĐ7 0,731 VT2 0,824 VT3 0,809 VT4 0,784 VT1 0,771 CS4 0,765 CS1 0,715 CS3 0,677 CS2 0,675 QH1 0,783 QH3 0,775 QH2 0,739 ĐT3 0,793 ĐT2 0,792 ĐT4 0,780 Eigenvalues 6,084 2,674 2,350 1,700 1,516 1,343 Phương sai trích % 25,349 36,490 46,280 53,365 59,682 65,278
(Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả)
Bác bỏ H0, vậy các biến có tương quan trong tổng thể, 6 nhân tố có Eigenvalues = 1,343> 1, phương sai trích là 65,278% >50% biến thiên của dữ liệu được giải thích bởi 6 nhân tố này.
Dựa vào kết quả xoay trong bảng 4.3, nhận thấy các biến quan sát đều có hệ số tải nhân tố (factor loading) lớn hơn 0,5. Như vậy, kết quả thu được đều thỏa mãn các điều kiện về thống kê, cho thấy giá trị thu được là phù hợp và có ý nghĩa thống kê và đủ điều kiện để ta hồi quy. Sau khi phân tích sơ bộ ta thu được 6 nhóm nhân tố với các biến quan sát thành phần như trên bảng 4.3 và 6 nhóm nhân tố lần lượt là: Nhân tố Đặc điểm công việc: Gồm 5 biến quan sát bao gồm: ĐĐ3, ĐĐ4, ĐĐ5,
ĐĐ6, ĐĐ7.
Nhân tố Đào tạo và thăng tiến Gồm 3 biến quan sát bao gồm: ĐT1, ĐT2, ĐT3.
Nhân tố Chính sách khen thưởng: Gồm 4 biến quan sát bao gồm: CS1, CS2, CS3, CS4.
Nhân tố Trách nhiệm công việc: Gồm 4 biến quan sát bao gồm: VT1, VT2, VT3, VT4.
Nhân tố Chính sách lương, phúc lợi: Gồm 5 biến quan sát bao gồm: PL1, PL2, PL3, PL4, PL5.
Nhân tố Mối quan hệ trong công việc: Gồm 3 biến quan sát bao gồm: QH1, QH2, QH3.
4.2.2.2. Phân tích nhân tố khám phá đối với biến phụ thuộc
Tương tự như các biến độc lập, đối với biến phụ thuộc Động lực làm việc, tác giả cũng dựa trên kết quả kiểm định Cronbach’s Alpha, toàn bộ 3 biến quan sát hợp lệ: ĐL1, ĐL2, ĐL3 được đưa vào phân tích nhân tố khám phá (EFA), để giảm bớt hay tóm tắt dữ liệu và tính độ tin cậy (Sig) của các biến quan sát có quan hệ chặt chẽ với nhau hay không.
Đặt giả thiết H0: “Các biến không tương quan trong tổng thể”
Kết quả phân tích nhân tố khám phá (EFA) ngay từ lần đầu tiên cho thấy:
Bảng 4.4. KMO and Bartlett’s Test biến phụ thuộc
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,711
Bartlett’s Test of Sphericity
Approx. Chi-Square 229,530
Df 3
Sig. 0,000
(Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả)
Từ số liệu Bảng 4.4 cho thấy:
-Hệ số KMO=0,711 thỏa điều kiện 0,5 ≤ KMO ≤ 1, -Kiểm định Bartlett có Sig = 0,000<0,05
Bảng 4.5. Kết quả phân tích nhân tố khám phá (EFA) biến phụ thuộc
Component 1 ĐL2 0,848 ĐL3 0,843 ĐL1 0,843 Eigenvalues 2,141 Phương sai trích % 71,356
(Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả)
Bác bỏ H0, vậy các biến có tương quan trong tổng thể, nhân tố có Eigenvalues = 2,141> 1, phương sai trích là 71,356% >50% biến thiên của dữ liệu được giải thích bởi nhân tố này. Dựa vào kết quả xoay trong bảng 4.5, nhận thấy các biến quan sát đều có hệ số tải nhân tố (factor loading) lớn hơn 0,5. Như vậy, kết quả thu được đều thỏa mãn các điều kiện về thống kê, cho thấy giá trị thu được là phù hợp và có ý nghĩa thống kê và đủ điều kiện để tiến hành hồi quy.