CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.2. KẾT QUẢ NGHIÊN CỨU CHÍNH THỨC
4.2.3. Phân tích nhân tố khám phá (EFA)
Sau khi phân tích độ tin cậy của thang đo, có 20 biến được sử dụng để phân tích nhân tố khám phá (EFA).
Điều kiện để phân tích nhân tố:
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).
Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Điều kiện đủ để phân tích nhân tố là: 0,5 ≤ KMO ≤ 1. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp. Kiểm định Bartlett có ý nghĩa thống kê (Sig. <0,05): đây là một đại lượng thống kê dùng để xem xét giả thiết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. <0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và Eigenvalue có giá trị lớn hơn 1 (Gerbing & Anderson, 1988).
Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003).
Phân tích nhân tố khám phá (EFA) lần một với 23 biến của các thành phần độc lập thì có một biến SHH2 của thành phần sự hữu hình bị loại khỏi thang đo do có hệ số tải nhân tố của biến thấp (< 0,5) và SHH1 tiếp tục bị loại do không gom lại được thành nhóm.
Quay lại phân tích độ tin cậy của thang đo (loại biến SHH, SHH2). Kết quả cho thấy độ tin cậy của thang đo đều thỏa điều kiện (> 0,4) (xem Phụ lục 3).
Tiến hành phân tích nhân tố khám phá (EFA) lần hai (loại bỏ biến SHH1, SHH2). Phân tích chỉ ra các biến đã gom thành năm nhóm theo như mô hình nghiên cứu đề xuất ban đầu, kết quả phân tích khám phá (EFA) được trình bày như ở Bảng 4.7.
Hệ số KMO (Bảng 4.6) sau khi phân tích khám phá (EFA) lần hai là 0,799 với mức ý nghĩa thống kê là 0,000, cho thấy phân tích yếu tố khám phá của các thành phần độc lập là phù hợp.
Từ kết quả phân tích Eigenvalues và phương sai trích (xem Phụ lục4), ta thấy 21 biến quan sát ban đầu được chia thành năm nhóm:
Tổng phương sai trích là 70,651% nên thang đo giải thích được 70,651% sự biến thiên của dữ liệu.
Giá trị eigenvalues của của các nhân tố đều cao (>1), nhân tố thứ sáu có Eigenvalues = 1.261 (thấp nhất).
Bảng 4.5: Kết quả kiểm định KMO và Bartlett đối với các biến độc lập
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,799 Bartlett's Test of Sphericity Approx. Chi-Square 1604,509
Df 153
Sig. ,000
Bảng 4.6: Kết quả phân tích nhân tố khám phá (EFA)
Rotated Component Matrixa
Component 1 2 3 4 5 STC2 ,843 STC1 ,842 STC3 ,836 STC4 ,817 SHH3 ,806 SHH4 ,798
SHH5 ,796 SHH6 ,774 DU2 ,812 DU4 ,786 DU1 ,776 DU3 ,712 SDC1 ,868 SDC2 ,848 SDC3 ,803 NLPV3 ,840 NLPV2 ,803 NLPV1 ,789
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 6 iterations.
(Nguồn: Số liệu được tổng hợp từ phần mềm SPSS 20.0)
Bảng 4.7: Kết quả kiểm định KMO và Bartlett đối với các biến phụ thuộc
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,704 Bartlett's Test of Sphericity Approx. Chi-Square 175,58
7
df 3
Sig. ,000
(Nguồn: Số liệu được tổng hợp từ phần mềm SPSS 20.0)
Hệ số KMO của thành phần CLDV là 0,704 với mức ý nghĩa thống kê là 0,000, cho thấy phân tích yếu tố khám phá của các thành phần là phù hợp. Phương sai trích của CLDV là 70,651% nên giải thích khá tốt sự biến thiên của dữ liệu.