VI Hài Lòng Chung
2 Hoàng Trọng, Chu Nguyễn Mộng Ngọc (008), Phân tích dữ liệu nghiên cứu với SPSS, Nhà xuất bản Thống kê.
Kiểm định trị số KMO (Kaiser-Meyer-Olkin)
Trị số KMO là chỉ số dùng để xem xét sự thích hợp của các phân tích nhân tố, trị số KMO có giá trị trong khoảng từ 0.5 đến 1.0 thì phân tích nhân tố là thích hợp với dữ liệu, cịn trong trường hợp nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. 2
Đánh giá Hệ số tải nhân tố (Factor loading - FL)
Hệ số tải nhân tố (Factor loading - FL) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố khám phá EFA, nó phụ thuộc vào kích thước mẫu quan sát và mục đích nghiên cứu. Nếu Factor loading > 0.3 là đạt mức tối thiểu với kích thước mẫu bằng hoặc lớn hơn 350; nếu Factor loading > 0.4 là quan trọng và Factor loading > 0.5 là có ý nghĩa thực tiễn. Khi kích thước mẫu khoảng 100 thì nên chọn Factor loading > 0.512; kích thước mẫu bằng 200 thì nên chọn Factor loading > 0.384; kích thước mẫu bằng 300 thì nên chọn Factor loading > 0.298; cịn nếu kích thước mẫu bằng 600 thì nên chọn Factor loading > 0.210 (Steven 2003, trang 294).
Đánh giá giá trị Eigenvalue
Đánh giá hệ số Eigenvalue là một trong những cách để xác định số lượng nhân tố, đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại vì khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc (Garson, 2003).
2 Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS, Nhà xuất bản Thống kê. Thống kê.
Kiểm định Bartlett’s xem xét giả thiết H0
Sử dụng kiểm định Bartlett để kiểm tra giả thiết H0: Độ tương quan giữa các biến quan sát bằng khơng trong tổng thể hay nói cách khác là các biến khơng có tương quan với nhau trong tổng thể. Điều này cũng chính là nhằm mục đích xem xét việc phân tích nhân tố là có thích hợp hay khơng. Nếu kiểm định này có ý nghĩa