hệ số tin cậy Cronbach Alpha và phân tích nhân tố khám phá (EFA).
- Hệ số Cronbach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Với phương pháp này, người phân tích
có thể loại bỏ các biến khơng phù hợp và hạn chế các biến rác trong quá trình nghiên cứu. Các biến có hệ số tương quan biến-tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy Cronbach Alpha từ 0.6 trở lên (Nunnally & Burnstein 1994).
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008): “Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach Alpha từ 0,8 trở lên đến gần 1 thì thang đo đo lường là tốt, từ gần 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu”. Trong nghiên cứu này, tác giả vận dụng Cronbach Alpha từ 0,6 trở lên là sử dụng được [12], [9].
- Phân tích yếu tố khám phá (EFA) là kỹ thuật được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha và loại đi các biến không đảm bảo độ tin cậy. Phương pháp này phát huy tính hữu ích trong việc xác định các tập biến cho vấn đề nghiên cứu cũng như được sử dụng để tìm kiếm mối liên hệ giữa các biến với nhau.
Khi phân tích yếu tố khám phá, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn sau:
+ Hệ số KMO (Kaiser-Meyer-Olkin) ≥ 0.5 với mức ý nghĩa Barlett ≤ 0.05. KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5 ≤ KMO ≤1 thì phân tích yếu tố là thích hợp. Kaiser (1974) đề nghị KMO ≥ 0.90 là rất tốt;
KMO ≥ 0.80: tốt; KMO ≥ 0.70: được; KMO ≥ 0.60: tạm được; KMO≥ 0.50: xấu; KMO < 0.50: khơng thể chấp nhận được (Nguyễn Đình Thọ, 2011).
+ Hệ số tải yếu tố (factor loading) ≥ 0.5. Theo Hair & cộng sự (2006), hệ số tải yếu tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA.
Factor loading > 0.3 được xem là đạt được mức tối thiểu; > 0.4 được xem là quan trọng; ≥ 0.5 được xem là có ý nghĩa thực tiễn. Hair & cộng sự (2006) cũng 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 factor loading > 0.55, nếu cỡ mẫu khoảng 50 thì factor loading phải > 0.75.
+ Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và hệ số eigenvalue > 1 (Gerbing & Anderson 1988).
+ Khác biệt hệ số tải nhân tố của một biến quan sát giữa các yếu tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các yếu tố (Jabnoun & Al_Tamimi, 2003).
Khi phân tích EFA, tác giả sử dụng phương pháp trích Principal Component Analysis với phép quay Varimax để tìm ra các yếu tố đại diện cho các biến và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1. Varimax cho phép xoay nguyên góc các yếu tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một yếu tố, vì vậy sẽ tăng cường khả năng giải thích các yếu tố.
3.4.3.7. Phân tích hồi quy tuyến tính đa biến
- Phân tích hồi quy: dùng để tìm được mối tương quan giữa các biến độc lập (các yếu tố tác động) và biến phụ thuộc (các nhân tố tác động đến TDNH với CD CCKT TP. HCM).
Phân tích hồi quy để xem xét mơ hình nghiên cứu. Với mơ hình được đề cập trong chương 2, phương pháp phân tích hồi đa biến để được thực hiện và xem xét mức độ tác động của các yếu tố đến TDNH với CD CCKT TP. HCM.