7. Tổng quan về tài liệu nghiên cứu
2.6.2 Phân tích nhân tố khẳng định Confirmatory factor analysis (CFA)
Phân tích nhân tố khẳng định CFA đƣợc sử dụng để quyết định các biến số của từng thành phần một cách chặt chẽ hơn, dựa vào ma trận tƣơng quan của các biến số. Cụ thể, phân tích CFA đƣợc sử dụng để khám phá tính đơn hƣớng/đơn nguyên (Unidimensionality) của mỗi thành phần. Theo Steenkamp và Van Trijp (1991), mức độ phù hợp của mô hình với dữ liệu thị trƣờng cho chúng ta điều kiện cần và đủ để cho tập biến quan sát đạt đƣợc tính đơn hƣớng, trừ trƣờng hợp các sai số của các biến quan sát có tính tƣơng quan với nhau. Nhƣ vậy CFA là bƣớc tiếp theo của EFA nhằm kiểm định xem có một mô hình lý thuyết có trƣớc làm nền tảng cho một tập hợp các quan sát không.
Trong phân tích CFA, để đo lƣờng mức độ phù hợp của mô hình với thông tin thị trƣờng, ngƣời ta thƣờng sử dụng chi-square (CMIN), chi-square điều chỉnh theo bậc tự do (CMIN/df), chỉ sổ GFI (Goodness of Fit Index), chỉ số AGFI (Adjusted Goodness of Fit Index), chỉ số RMR (Root Mean Square Residual), chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số TLI (Tucker và Lewis Index) và chỉ số RMSEA (Root Mean Square Error Approximation). Mô hình đƣợc xem là thích hợp khi kiểm định Chi-square có p-value > 0.05. Tuy nhiên Chi-square có nhƣợc điểm là phụ thuộc vào kích thƣớc mẫu. Nếu một mô hình nhận đƣợc các giá trị GFI, TLI, CFI ≥ 0.9,
AGFI ≥ 0.8, RMR ≤ 0.05 (Bentler và Bonett, 1980); CMIN/df ≤ 2, một số trƣờng hợp CMIN/df có thể ≤ 3 (Carmines và McIver, 1981); RMSEA ≤ 0.08, RMSEA ≤ 0.05 đƣợc xem là rất tốt (Steiger, 1990); thì mô hình đƣợc xem là phù hợp với dữ liệu thị trƣờng, hay tƣơng thích với dữ liệu thị trƣờng. Trong nghiên cứu thực tế CMIN/df < 5 (với mẫu n ≥ 200); hay CMIN/df < 3 (khi cỡ mẫu n ≤ 200) thì mô hình đƣợc xem là phù hợp tốt (Kettinger và Lee, 1995).