Phương pháp phân tích nhân tố được sử dụng để rút gọn và tóm tắt dữ liệu. Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại bỏ các biến không đủ độ tin cậy sẽ thực hiện việc phân tích nhân tố khám phá (EFA). Phân tích nhân
tố khám phá (EFA) là kỹ thuật được sử dụng để thu nhỏ các tham số ước lượng theo từng nhóm biến. Phương pháp này rất hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Phân tích nhân tố khám phá (EFA) được thực hiện thông qua đánh giá các chỉ tiêu sau để bảo đảm ý nghĩa thống kê:
Kiểm định trị số KMO (Kaiser- Meyer - Olkin): Đây 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
30
sự (1998) cho rằng: “Hệ số này lớn hơn 0,3 được xem là mức tối thiểu, lớn hơn 0,4 được
xem là mức quan trọng, lớn hơn 0,5 được xem là có ý nghĩa thiết thực”
Đánh giá giá trị Eigenvalue: Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi mỗi nhân tố, đánh giá hệ số Eigenvalue là một trong những cách để xác định số lượng nhân tố. Theo tiêu chuẩn Kaiser chỉ những nhân tố Eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại vì không có tác dụng tóm tắt thông tin tốt hơn một biến gốc (Garson, 2003).
Kiểm định Bartlett’s: Bartlett’s test of sphericity là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể với các giả thuyết. 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. Kết quả phân tích yếu tố đảm bảo được mức ý nghĩa thống
kê (Hair và cộng sự, 1998).
Đánh giá phương sai trích: Phương sai trích hay là phần trăm biến thiên (cummulative) của dữ liệu được giải thích bởi các nhân tố. Tiêu chuẩn đạt yêu cầu đối với phương sai trích là tổng phương sai trích phải lớn hơn hoặc bằng 50% trở lên (Hair và cộng sự, 1998). Giá trị tổng phương sai trích có ý nghĩa cho biết tổng số phần trăm biến thiên của dữ liệu được giải thích bởi các nhân tố.