Ta tiến hành các phân tích như sau:
- Kiểm định KMO (Kaise – Meyer – Olkin measure) để đánh giá tính thích hợp của mô hình. Khi trị số KMO thỏa điều kiện 0.5<KMO<1, phân tích nhân tố khám phá thích hợp với dữ liệu thực tế.
- Kiểm định tương quan giữa các biến trong thước đo đại diện. Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo. Khi Sig (mức ý nghĩa) của kiểm định Bartlett nhỏ hơn 0.05 (Sig<0.05), các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
dụng phương sai trích (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phương sai trích nhất thiết phải lớn hơn 50% và Eigenvalue có giá trị lớn hơn 1 (Gerbing & Anderson, 1988).
- Hệ số tải nhân tố hay trọng số nhân tố (Factor loading) là những hệ số tương quan đơn giữa các biến và các nhân tố. Điều kiện Factor loading ≥ 0,5. Nếu biến quan sát nào có hệ số tải nhân tố < 0,5 sẽ bị loại (Hair &ctg, 1998, p111).
Kết quả phân tích:
Bảng 4.3: Kết quả kiểm định KMO và Bartlett đối với các biến độc lập.
(Nguồn: số liệu được tổng hợp từ SPSS)
Hệ số KMO bằng 0.818 (0.5<KMO<1) với mức ý nghĩa Sig=0.000 cho thấy phân tích các yếu tố khám phá của các thành phần độc lập là phù hợp.
Phân tích EFA 21 biến, phân tích đã chỉ ra các biến đã được gom thành 5 nhóm như đề xuất ban đầu. Thứ hai, hệ số tải là chỉ tiêu biểu thị mối quan hệ tương quan giữa các biến quan sát với nhân tố. Hệ số tải ở mức 0.3 là điều kiện tối thiểu để biến quan sát được giữ lại, hệ số tải ở mức lớn hơn 0.5 được xem là có ý nghĩa thống kê tốt (theo Hair & ctg 2009, Multivariate Data Analysis 7th
Edition) Trong bài, tác giả chọn Chọn “Suppress small coefficients absolute value below” 0.5 để đảm bảo ý nghĩa thiết thực của EFA.
Bảng 4.4: Kết quả phân tích nhân tố khám phá EFA
(Nguồn: số liệu được tổng hợp từ SPSS)
Tổng phương sai trích là 70.279% điều này có ý nghĩa 70.279% thay đổi của các nhân tố được giải thích bởi các biến quan sát. Giá trị eigenvalues của của các nhân tố đều cao lớn hơn 1 (Xem phụ lục 3)
Kiểm định KMO của thành phần CLDV là 0.703 với mức ý nghĩa thống kê 0.000 cho thấy phân tích nhân tố khám phá của các thành phần là phù hợp. Phương sai trích 73.644% giải thích khá tốt sự biến thiên của dữ liệu. (xem phụ lục 3)
Bảng 4.5: Kết quả kiểm định KMO và Bartlett đối với biến phụ thuộc