Analysis)
Trong việc xác định hoặc trích xuất số lượng các nhân tố cơ bản, tác giả đã sử dụng kỹ thuậ phân tích nhân tố EFA để đánh giá sơ bộ thang đo cho từng khái niệm bằng phương pháp kiểm định Bartlett’s test để kiểm định giả thuyết mối tương quan giữa các biến với nhau và phép trích nhân tố được sử dụng là Principal Axis Factoring với phép xoay Promax (phương pháp trích này phản
ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay Varimax) để đo lường sự tương quan của mẫu khảo sát theo Hair và cộng sự (2015).
Phép đo Kaiser-Meyer-Olkin về mức độ thích hợp của việc lấy mẫu (sau đó, nó được gọi là “KMO”) và kiểm định Barlett. Kiểm định Kaiser- Meyer-Olkin là một phép đo mức độ đầy đủ của việc lấy mẫu so sánh độ lớn của các hệ số tương quan được tính toán với độ lớn của các hệ số tương quan từng phần (Pett và cộng sự, 2003, trang 77). Tiêu chí KMO nằm trong khoảng từ 0 đến 1, với giá trị nhỏ chỉ ra rằng tổng các hệ số tương quan bình phương là nhỏ so với tổng các hệ số tương quan riêng bình phương và do đó phân tích nhân tố có thể không khôn ngoan. Nếu không, giá trị lớn hơn của KMO sẽ được chấp nhận và thích hợp hơn để thực hiện phân tích sâu hơn: phân tích nhân tố. Khi đánh giá quy mô của KMO tổng thể, Kaiser (1974) đề xuất sử dụng các tiêu chí sau cho các giá trị này: 1) Trên .90 là “tuyệt vời”, 2) Trong ngưỡng 0.8 là “tốt”, 3) Trong khoảng 0.7.là “Trung bình”, 4) Dưới .60 là “ “không thể chấp nhận c” (Pett và cộng sự, 2003,). Tuy nhiên, Ghozali (2006) cho rằng giá trị kỳ vọng của KMO phải> 0,5 để thiết lập phân tích nhân tố. Khi số lượng các yếu tố đã được xác định, giai đoạn tiếp theo là giải thích chúng. Để hỗ trợ quá trình này, các yếu tố cần xoay. Có hai kỹ thuật quay chính: Giải pháp nhân tố trực giao (ví dụ: Varimax, Quartimax, Equamax) hoặc xiên (ví dụ, Oblimin trực tiếp và Promax) (Pallant, 2007, trang 183). Nghiên cứu này sử dụng phương pháp Varimax, phương pháp này cố gắng giảm thiểu số lượng các biến có mức tải cao trên mỗi nhân tố. Mục tiêu của Varimax là đơn giản hóa các cột của ma trận tải nhân tố chưa được điều chỉnh. (Pallant, 2007, trang 141).
Theo Hair và cộng sự (2010), các tiêu chuẩn khi phân tích EFA:
Chỉ số KMO (Kaiser-Meyer-Olkin measure of sampling adequacy): là một chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO (0,5 ≤ KMO ≤ 1) có giá trị trong khoảng từ 0,5 đến 1 thì phù hợp để phân tích nhân tố khám phá.
Kiểm định Bartlett’s ý nghĩa thống kê (sig. <0.05): đại lượng thống kê dùng để xem xét giả thuyết 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 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tải nhân tố (Factor loadings): là những hệ số tương quan đơn giữa các biến và các nhân tố, hệ số này ≥ 0.5 (Hair et al., 1998). Những biến quan sát có hệ số tải nhân tố (Factor loading) lớn hơn 0,3 được xem là đạt mức tối thiểu mới được giữ lại, những biến quan sát có hệ số tải nhân tố nhỏ hơn 0,3 sẽ bị loại khỏi mô hình.
Tổng phương sai trích >50% (Gerbing và Anderson, 1988): Thể hiện phần trăm biến thiên của các biến quan sát.