Bảng 4.6 KMO và kiểm định Barlett biến phụ thuộc
Hệ số KMO .650
Kiểm định Barlett
Giá trị Bình phƣơng xấp xỉ 66.166
df 3
Sig. .000
Nguồn: Kết quả xử lí dữ liệu
Kết quả phân tích dữ liệu cho thấy rằng hệ số KMO = 0.650 nằm trong khoảng 0.5 ≤ KMO ≤ 1 cho thấy dữ liệu dùng để phân tích là phù hợp.
Bảng 4.7 Bảng Eigenvalues và phƣơng sai trích với các biến phụ thuộc
Nhân tố
Eigenvalues khởi tạo Extraction Sums of Squared Loadings
Tổng % phƣơng
sai % tích lũy Total % phƣơng
sai % tích lũy
1 1.725 57.497 57.497 1.725 57.497 57.497 2 .649 21.633 79.130
3 .626 20.870 100.000
Nguồn: Kết quả xử lí dữ liệu
Giá trị tổng phƣơng sai trích đƣợc là 57.497% > 50%: đạt yêu cầu. Có thể nói một yếu tố có thể giải thích đƣợc 57.497% sự biến thiên của dữ liệu
Bảng 4.8 Kết quả phân tích nhân tố EFA phụ thuộc Biến quan sát Component 1 Quyết định sử dụng QD2 0,765 QD1 0,758 QD3 0,751 Eigenvalue 1,725 Phƣơng sai trích 57,497%
Nguồn: Kết quả phân tích dữ liệu
Giá trị tổng phƣơng sai trích là 57,497 % > 50 %: đạt yêu cầu. Có thể nói rằng nhân tố này giải thích đƣợc 57,497% sự biến thiên của dữ liệu.
Nhƣ vậy, ta thấy có 4 nhân tố đƣợc trích sau khi đƣợc phân tích nhân tố bằng phƣơng pháp Principal Components với phép quay Varimax. Số lƣợng các nhân tố đƣợc trích này phù hợp với các thành phần ban đầu của thang đo, chứng tỏ phân tích EFA cho việc nhóm các biến quan sát này lại với nhau là thích hợp. Và kết quả này đƣợc đƣa vào phân tích hồi quy tuyến tính đa biến (nhân tố).