PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA

Một phần của tài liệu Nghiên cứu sự hài lòng của khách hàng doanh nghiệp đối với chất lượng dịch vụ hành chính thuế tại cục thuế tỉnh đồng nai (Trang 59 - 60)

Trong nghiên cứu định lượng, sau khi đánh giá độ tin cậy của thang đo, tác giả sử dụng phân tích nhân tố khám phá EFA để đánh giá giá trị của thang đo. Hai giá trị quan trọng được xem xét trong phân tích nhân tố khám phá EFA là giá trị hội tụ và giá trị phân biệt.

Giá trị hội tụ thể hiện ở việc các biến quan sát cùng tính chất sẽ hội tụ về cùng một nhân tố, khi biểu diễn trong ma trận xoay, các nhân tố này sẽ nằm chung một cột với nhau.

Giá trị phân biệt thể hiện ở việc các biến quan sát hội tụ về nhân tố này và phân biệt với các biến quan sát hội tụ ở nhân tố khác, khi biểu diễn trong ma trận xoay, từng nhóm biến sẽ tách thành từng cột riêng. Kết quả phân tích nhân tố khám phá EFA giúp phát hiện ra biến quan sát tải lên nhiều nhân tố hoặc biến quan sát bị phân sai nhân tố ngay từ đầu. Các tiêu chí trong phân tích nhân tố khám phá EFA bao gồm:

Hệ số KMO (Kansai-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải đạt giá trị từ 0,5 trở lên (0,5≤KMO≤1) thì phân tích nhân tố là phù hợp. Nếu KMO nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không phù hợp với bộ dữ liệu nghiên cứu.

Kiểm định Bartlett dùng để xem xét các biến quan sát trong phân tích nhân tố có tương quan với nhau hay không. Nếu kết quả kiểm định Bartlett có ý nghĩa thống kê với p-value<0,05 thì có thể kết luận rằng các biến quan sát trong phân tích nhân tố có tương quan với nhau, Cũng tức là việc áp dụng phân tích nhân tố cho các biến quan sát trên là phù hợp.

Trị số Eigenvalue dùng để xác định số lượng nhân tố trong phân tích EFA. Các nhân tố có giá trị Eigenvalue ≥1 mới được giữ lại trong mô hình phân tích.

Tổng phương sai trích (Total Variance Explained) có giá trị từ 0% đến 100%, cho biết các nhân tố được trích cô đọng bao nhiêu phần trăm trên tổng số 1005 của các biến quan sát. Tổng phương sai trích ≥50% cho thấy mô hình EFA là phù hợp.

Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, biểu thị mối tương quan giữa các biến quan sát với nhân tố. Hệ số tải nhân tố càng cao thì tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Nghiên cứu này bao gồm 279 quan sát (trong khoảng từ 120 - 350 quan sát), tương ứng hệ số tải nhân tố làm tiêu chuẩn là 0,5.

Một phần của tài liệu Nghiên cứu sự hài lòng của khách hàng doanh nghiệp đối với chất lượng dịch vụ hành chính thuế tại cục thuế tỉnh đồng nai (Trang 59 - 60)