6. Tổng quan tài liệu
3.3.PHÂN TÍCH NHÂN TỐ KHÁM PHÁ
Sau khi tiến hành kiểm định độ tin cậy của thang đo bằng hệ số Cronbach Alpha, các thang đo đƣợc đánh giá tiếp theo bằng phƣơng pháp phân tích nhân tố khám phá EFA. Phân tích nhân tố khám phá sẽ trả lời câu hỏi liệu các biến quan sát dùng để xem xét sự tác động của các yếu tố có độ kết dính cao không và chúng có thể gom gọn lại thành một số nhóm nhân tố ít hơn để xem xét không. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo. Đối với nghiên cứu này, phân tích nhân tố khám phá sẽ đƣợc thực hiện cho các biến độc lập và biến phụ thuộc riêng. Phƣơng pháp rút nhân tố sử dụng là phƣơng pháp rút thành phần chính (Principal component) với phép xoay Varimax để rút trích đƣợc số lƣợng nhân tố là bé nhất (Hoàng Trọng-Chu Nguyễn Mộng Ngọc, 2008). Một số tiêu chuẩn trong phân tích nhân tố khám phá nhƣ sau:
- Hệ số Kaiser-Mayer-Olkin (KMO): là chỉ số dùng để xem xét sự thích
hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu nhƣ trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu
- Kiểm định Bartlett dùng để xem xét giả thuyết các biến không có tƣơng
quan trong tổng thể. Kiểm định Bartlett phải có ý nghĩa thống kê (Sig. 0,05) thì các biến quan sát có tƣơng quan với nhau trong tổng thể
- Hệ số tải Factor loadings là những hệ số tƣơng quan đơn giữa các biến
và các nhân tố. Hệ số này nhỏ hơn 0,5 trong EFA sẽ tiếp tục bị loại để đảm bảo giá trị hội tụ giữa các biến. Phƣơng pháp trích hệ số sử dụng là Principal components và điểm dừng khi trích các nhân tố có Eigenvalue lớn hơn 1, tổng phƣơng sai trích bằng hoặc lớn hơn 50%.