7. BỐ CỤC CỦA ĐỀ TÀI
3.2.3.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố để xem xét khả năng rút gọn số lượng các biến quan sát để phản ánh sự tác động của các nhân tố. Cụ thể:
- Kiểm định KMO: tiến hành phân tích nhân tố, dữ liệu thu được phải đáp ứng được các điều kiện qua kiểm định KMO và kiểm định Bartlett’s. Dùng hệ số KMO để kiểm tra xem kích thước mẫu có được có phù hợp với phân tích nhân tố hay không.
- Ma trận xoay các nhân tố: Phương pháp xoay nhân tố Varimax proceduce, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Sau khi xoay sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏ hơn 0,5 ra khỏi mô hình, chỉ những quan sát có hệ số tải nhân tố lớn hơn 0,5 mới được sử dụng để giải thích một nhân tố nào đó. Phân tích nhân tố khám phá EFA sẽ giữ lại các biến quan sát có hệ số tải lớn hơn 0,5 và sắp xếp chúng thành những nhóm chính.
Để xác định số lượng nhân tố, sử dụng 2 tiêu chuẩn:
+ Tiêu chuẩn Kaiser (Kaiser Criterion): nhằm xác định số nhân tố được trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Giá trị Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, chỉ có nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
+ Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố là thích hợp nếu tổng phương sai trích không được nhỏ hơn 50%.
Kết quả phân tích nhân tố được thể hiện như sau:
- Kiểm định KMO
Bảng 3.3. Kiểm định KMO
KMO and Bartlett’s Test
Trị số KMO 0,837
(Kaiser-Meyer-Olkin of Sampling Adequacy)
Approx, Chi-Square 13649,720
Đại lượng thống kê Bartlett 1326
df
(Bartlett’s Test of Sphericity) 0,000
Sig,
Nguồn: Tính toán của tác giả
Kết quả kiểm định cho ra trị số của KMO đạt 0,837 lớn hơn 0,5 và Sig của Bartlett’s Test là 0,000 nhỏ hơn 0,05 cho thấy 52 quan sát này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố.
- Ma trận xoay các nhân tố
Kết quả phân tích nhân tố khám phá lần 1 cho ra được 11 nhân tố và không có biến quan sát nào có hệ số tải nhỏ hơn 0,5. Bên cạnh đó, 11 nhóm nhân tố này được rút trích giải thích được 58,261% sự biến động của dữ liệu.
Kết quả phân tích nhân tố khám phá trên cho thấy tổng phương sai trích là 58.261% lớn hơn 50% và giá trị Eigenvalues của các nhân tố đều lớn hơn 1, do đó sử dụng phương pháp phân tích nhân tố là phù hợp. (Phụ lục 6)