Quá trình phân tích dữ liệu nghiên cứu được thực hiện theo trình tự như sau: Kiểm định độ tin cậy thang đo (Cronbach’s alpha)
Đầu tiên, trước khi thực hiện phân tích nhân tố khám phá (EFA) ta tiến hành nghiên cứu đánh giá độ tin cậy của thang đo bằng hệ số Cronbach‟s alpha. Hệ số α của Cronbach là một kiểm định thống kê cho cho chúng ta biết được mức độ chặt chẽ của các thang đo. Quá trình kiểm định này giúp chúng ta loại bỏ các biến rác có thể tạo nên nhân tố giả khi phân tích EFA.
Theo Hair và ctg (1998), giá trị hệ số Cronbach‟s Alpha có các quy tắc đánh giá như sau:
<0.6: Thang đo nhân tố là không phù hợp
0.6 -0.7: Chấp nhận được với các nghiên cứu mới 0.7-0.8: Chấp nhận được
0.8-0.95: Tốt
≥ 0.95: Chấp nhận được nhưng không tốt, nên xem xét các biến quan sát có thể có hiện tượng trùng biến.
Đồng thời theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) các biến phải có hệ số tương quan biến tổng (item-total correlation) không nhỏ hơn 0.3, hệ số này sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo.
Các tiêu chí để chấp nhận biến khi thực hiện đánh giá độ tin cậy thang đo gồm: Hệ số Cronbach‟s alpha ≥ 0.6
Hệ số tương quan biến tổng của từng biến (item-total correlation) ≥ 0.3 Phân tích nhân tố khám phá (EFA)
Sau khi thực hiện kiểm định độ tin cậy thang đo, ta tiếp tục phân tích nhân tố khám phá (EFA). Việc phân tích nhân tố khám phá nhằm rút gọn dữ liệu thu thập đượctừ một tập hợp nhiều biến quan sát lớn thành một nhóm nhỏ hơn những vẫn mang đầy đủ ý nghĩa và xác định mối quan hệ giữa các biến cũng như tìm ra nhân tố đại diện cho các biến quan sát sử dụng trong mô hình.
Trong bài khi tiến hành phân tích EFA tác giả sử dụng phương pháp trích nhân tố là Principal components với phép xoay Varimax.
Một số thông số thống kê đƣợc sử dụng trong nghiên cứu này nhƣ sau:
Hệ số tải nhân tố (Factor loading): Theo Hair và ctg (1998), hệ số này là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Các giá trị đánh giá thông số này cụ thể như sau:
Factor loading > 0.3 được xem là đạt mức tối thiểu. Factor loading > 0.4 được xem là quan trọng.
Factor loading > 0.5 được xem là có ý nghĩa thực tiễn.
Đồng thời Hair và ctg (1998) cũng đưa ra lời khuyên rằng, nếu chọn tiêu chuẩn Factor loading > 0.3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải nhân tố > 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải > 0.75.
Trong bài nghiên cứu tác giả chọn cỡ mẫu là 250 do đó tác giả lựa chọn tiêu chuẩn hệ số tải nhân tố > 0.4 là phù hợp để EFA có ý nghĩa.
Hệ số KMO (Kaiser-Meyer-Olkin): là các chỉ số được sử dụng để kiểm tra sự phù hợp phân tích nhân tố. Giá trị KMO là 0.5 ≤ KMO ≤ 1 thì nhân tố đó phân tích là thích hợp. Đồng thời, kiểm định Bartlett có ý nghĩa thống kê (p-value ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể.
Tổng phương sai trích (Total Varicance Explained): Theo Nguyễn Đình Thọ (2001), tổng phương sai trích phải lớn hơn hoặc bằng 50%. Hệ số này thể hiện nhân tố trích được bao nhiêu phần trăm của các biến đo lường, tổng này đạt từ 50% tức là phần chung phải lớn hơn phần riêng và sai số.
Hệ số Eigenvalue: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Nếu hệ số này >1 thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.