2.1. Phƣơng pháp nghiên cứu
2.1.2. Phương pháp phân tích nhân tố khám phá
Phân tích khám phá (EFA) thuộc nhóm phân tích đa biến phụ thuộc
lẫn nhau, nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối tƣơng quan giữa các biến với nhau. Phân tích EFA dùng để rút gọn một tập k chỉ số thành một tập F (F < k) các yếu tố ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các yếu tố với các chỉ số. Số lƣợng các yếu tố tuỳ thuộc vào mơ hình nghiên cứu, trong đó chúng ràng buộc nhau bằng cách xoay các vector trực giao nhau để không xảy ra hiện tƣợng tƣơng quan [29].
Phân tích EFA đƣợc dùng đến trong trƣờng hợp mối quan hệ giữa các chỉ số và yếu tố là không rõ ràng hay khơng chắc chắn. Phân tích EFA theo đó đƣợc tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ quan hệ giữa các chỉ số và các yếu tố nhƣ thế nào, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số chỉ số phản ánh các yếu tố. Các yếu tố là tổ hợp tuyến tính (sơ đồ cấu tạo) của các chỉ số và đƣợc mô tả bằng hệ phƣơng trình sau: 1 11 1 12 2 13 3 1 2 21 1 22 2 23 3 2 .... .... p p p p F x x x x F x x x x (2.6)
Số lƣợng các yếu tố tùy thuộc vào mơ hình nghiên cứu, trong đó chúng ràng buộc nhau bằng cách xoay các vector trực giao nhau để không xảy ra hiện tƣợng tƣơng quan. Phân tích EFA rất hữu dụng trong bƣớc thực nghiệm ban đầu hay mở rộng kiểm định.
Để đánh giá quan hệ giữa các chỉ số, tác giả Hair [65] đã chỉ ra một vài tiêu chí sau:
Kiểm định Bartlett: dùng để xem xét ma trận tƣơng quan có phải là
ma trận đơn vị không. Ma trận đơn vị ở đây đƣợc hiểu là ma trận có hệ số tƣơng quan giữa các chỉ số bằng 0, và hệ số tƣơng quan với chính nó bằng 1. Nếu phép kiểm định Bartlett có p < 5%, có nghĩa là sử dụng phân tích EFA phù hợp.
Kiểm định KMO: (Kaiser - Meyer - Olkin) là chỉ số dùng để so sánh độ
lớn của hệ số tƣơng quan giữa 2 chỉ số Xi và Xj với hệ số tƣơng quan riêng phần của chúng. Để sử dụng phân tích EFA, thì KMO phải lớn hơn 0,50. Nếu KMO ≥ 0,90: rất tốt; 0,80 ≤ KMO < 0,90: tốt; 0,70 ≤ KMO <0,80: đƣợc; 0,60 ≤ KMO <0,70: tạm đƣợc; 0,50 ≤ KMO < 0.60: xấu; KMO < 0,50: không chấp nhận đƣợc [29].
Trong luận án, NCS sử dụng phƣơng pháp EFA để kiểm tra việc phân nhóm của các chỉ số KNTƢ với BĐKH vào các nhóm CSHT, tự nhiên, xã
hội, nhân lực, tài chính. Bản chất của phân tích EFA giúp nhà nghiên cứu đánh giá lựa chọn các chỉ số có thể đƣợc chia thành bao nhiêu yếu tố. Các chỉ số và các nhóm có mối quan hệ với nhau đủ thỏa mãn các kiểm định Bartlett và KMO để đảm bảo thực hiện đƣợc phân tích bằng phƣơng pháp EFA.