Chương 3 : Thiết kế nghiên cứu
3.1 Quy trình nghiên cứu
3.2.2.4 Phương pháp phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá EFA để xem xét mối quan hệ giữa các biến, tất các nhân tố khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố ngay từ đầu.
Hệ số KMO (Kaiser- Meyer-Olkin): dùng để kiểm định sự phù hợp của các nhân tố
0.5 ≤ KMO≤1: nhân tố phân tích là phù hợp KMO < 0.5: nhân tố phân tích không phù hợp
Kiểm định Bartlett (Bartlett’s test of sphericity): dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau không? Kiểm định Bartlett có ý nghĩa thống kê khi giá trị: sig Bartlett’s Test < 0.05, chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Trị số Eigenvalue dùng để xác định số lượng nhân tố trong phân tích EFA. Những nhân tố có giá trị Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích
Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp.
Hệ số tải nhân tố (Factor Loading) biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số Factor Loading càng cao, nghĩa là tương quan giữa các biến quan sát đó với nhân tố càng cao và ngược lại
Theo Hair & ctg (2009,116), Multivariate Data Analysis, 7th Edition thì + Hệ số Factor Loading ±0.3: Điều kiện tối thiểu để biến quan sát được giữ lại + Hệ số Factor Loading ±0.5: Biến quan sát có ý nghĩa thống kê tốt
+ Hệ số Factor Loading ±0.3: Biến quan sát có ý nghía thống kê rất tốt Đề tài nghiên cứu có kích thước mẫu là 120 mẫu, hệ số tải Factor Loading ở mức 0.5 là phù hợp.