Phân tích nhân tố khám phá EFA là một phƣơng pháp phân tích định lƣợng dùng để rút gọn một tập gồm nhiều biến đo lƣờng phụ thuộc lẫn nhau thành một tập hợp ít hơn để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair et al. 2009). Phân tích nhân tố khám phá EFA nhằm xác định mức độ hội tụ của các biến quan sát theo từng thành phần và giá trị phân biệt giữa các nhân tố.
Phân tích nhân tố khám phá EFA dựa trên cơ sở mối quan hệ giữa các biến đo lƣờng. Trong bài nghiên cứu, tác giả sử dụng các tiêu chí để đánh giá mối quan hệ giữa các biến:
56
- Kiểm định KMO (Kaiser-Meyer- Olkin) đánh giá sự phù hợp của bộ dữ liệu cho phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5≤KMO≤1) là điều kiện đủ để phân tích nhân tố là phù hợp.
- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong yếu tố có tƣơng quan với nhau hay không. Kiểm định Bartlett có ý nghĩa thống kê khi Sig Bartlett’s Test <0.05, các biến quan sát có tƣơng quan với nhau trong nhân tố.
- Hệ số tải nhân tố (Factor Loading) biểu thị mối quan hệ tƣơng quan giữa biến quan sát với nhân tố/ yếu tố. Hệ số tải nhân tố càng cao, tƣơng quan giữa biến quan sát và nhân tố đó càng lớn và ngƣợc lại. Theo Đinh Phi Hổ (2014), Cỡ mẫu 100≤ quy mô mẫu ≤350 thì Giá trị chọn (Factor Loadings) là 0.55. Hệ số tải nhân tố đƣợc chấp nhận là lớn hơn 0.55, ngƣợc lại nhỏ hơn 0.55 bị loại ra khỏi mô hình. - Phƣơng sai trích (% cumulative) đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phƣơng sai trích phải lớn hơn 50%.