7. Tổng quan tài liệu nghiên cứu
2.2.8. Phân tích nhân tố khám phá (EFA)
Sau khi kiểm định độ tin cậy của thang đo bằng hệ số Cronbach's Alpha và loại đi các biến không đảm bảo, các biến còn lại sẽ đƣợc đƣa vào để phân tích nhân tố khám phá (EFA). Phƣơng pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa trên mối quan hệ giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn.
Trƣớc khi đi kiểm định giá trị thang đo bằng phƣơng pháp EFA, tác giả kiểm tra dữ liệu có đầy đủ điều kiện để phân tích không bằng kiểm định KMO và kiểm định Barlett.
Hệ số KMO (Kaiser – Meyer – Olklin) là một chỉ số dùng để đánh giá sự phù hợp của phân tích nhân tố. Nó so sánh độ lớn của hệ số tƣơng quan giữa hai biên Xi và Xj với độ lớn của hệ số tƣơng quan riêng phần của chúng. Trị số KMO từ 0,5 đến 1 thì bộ dữ liệu sẽ phù hợp để phân tích nhân tố.
Kiểm định Barlett là kiểm định thống kê nhằm xem xét giải thuyết các biến không có tƣơng quan trong tổng thể. Điều kiện cần áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau.
Phép trích Principal Component Analysis với phép quay Varimax đƣợc sử dụng trong phân tích nhân tố thang đo các biến độc lập. Các biến số có hệ số tải (Factor loading) nhỏ hơn 0,5 sẽ bị loại, điểm dừng khi Eigenvalue (đại
diện cho phần lớn biến thiên đƣợc giải thích bởi mỗi nhân tố) > 1 và tổng phƣơng sai trích lớn hơn 50% (Gerbing và Anderson, 1988).