Tiếp theo, nhóm nghiên cứu đã tiến hành phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) để tiến hành đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phân tích nhân tố khám phá dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F< k) các nhân tố có ý nghĩa hơn, dựa trên mối quan hệ tuyến tính giữa các biến quan sát với nhân tố lựa chọn.
Trong phân tích nhân tố EFA, phép xoay Varimax và phương pháp trích Pricipal Components Analysis là cách thức được sử dụng phổ biến nhất.
Để xác định độ phù hợp của EFA, kiểm định định Barlett và KMO được sử dụng.
Hệ số KMO (Kaiser - Meyer - Olkin) dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO cần phải có giá trị từ 0,5 đến 1 để thể hiện phân tích nhân tố là thích 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 hay không. Kiểm định Bartlett có ý nghĩa thống kê khi Sig Bartlett’s Test < 0.05 chứng tỏ rằng các biến quan sát có mối tương quan với nhau trong tổng thể.
Để chọn lựa nhân tố, nhóm nghiên cứu còn sử dụng tiêu chí Eigenvalues:
Trị số Eigenvalues để lựa chọn nhân tố trong phân tích EFA, chỉ những nhân tố có Eigenvalue từ 1 trở lên mới được giữ lại trong mô hình phân tích. Khi đó, các nhân tố có thể giải thích phương sai nhiều hơn so với 1 biến đơn lẻ.
Việc đánh giá giá trị thang đo EFA, ta phải xem xét đến hệ số tải nhân tố:
Hệ số tải nhân tố (Factor Loading) dùng để đánh giá giá trị thang đo EFA biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Xét với mẫu nghiên cứu của đề tài thì hệ số này cần > 0.5 và chênh lệch trọng số < 0.3 được xem là có ý nghĩa thực tiễn.
Bên cạnh đó nhóm nghiên cứu cũng xem xét tới tổng phương sai tích (Total Variance Explained) thể hiện các nhân tố giải thích được bao nhiêu phần trăm biến quan sát. Trị số này cần phải lớn hơn 50%. Trong phân tích, nhóm nghiên cứu sử dụng phương pháp trích Principal Components Analysis và phép xoay Varimax.
4.2.3.1. Phân tích biến độc lập
Qua việc thực hiện chạy số liệu trên SPSS 20 kết hợp với phương pháp trên nhóm nghiên cứu đã thu được kết quả phân tích EFA sau:
Bảng 4.9: Tổng hợp các hệ số phân tích nhân tố EFA của biến độc lập
(Nguồn: Kết quả tổng hợp của nhóm nghiên cứu)
Biến quan sát Nhóm nhân tố
1 2 3 4 5 6 7 LV2 0,865 LV1 0,859 LV4 0,833 LV3 0,824 LV5 0,744 CS5 0,783 CS3 0,757 CS2 0,652 CS4 0,637 CS1 0,614 DK4 0,778 DK1 0,745 DK3 0,724
DK2 0,720 QL1 0,88 QL3 0,876 QL2 0,802 LTT2 0,831 LTT3 0,819 LTT1 0,765 NT2 0,828 NT3 0,782 NT1 0,776 HL2 0,780 HL3 0,751 HL1 0,611 Eigenvalues 7,225 2,810 2,340 1,826 1,641 1,216 1,152 Tổng phương sai tích 70,037% KMO = 0,828 Sig = 0,000
Bảng 4.10: Bảng kết quả KMO và Bartlett (Nguồn: Kết quả tổng hợp của nhóm nghiên cứu)
Kaiser - Meyer - Olkin Measure of Sampling
Bartlett's Test of Sphericity Approx. Chi -
Square 2161,561
df 325
Sig. 0,000 Xét kết quả thu được ở bảng trên, ta nhận thấy rằng: Kết quả phân tích nhân tố khám phá với các biến quan sát đều cho kết quả tốt và có độ tin cậy cao.
Hệ số KMO = 0,828 > 0,5 cho thấy việc phân tích các nhân tố là thích hợp. Kiểm định Bartlett cho kết quả là 2161,561 với Sig.= 0,000 < 0,05 có ý nghĩa thống kê và các biến quan sát có tương quan với nhau trong nhân tố và tổng thể.
Bên cạnh đó, qua theo dõi bảng có thể thấy rằng các hệ số tải nhân tố (Factor Loading) đều trên mức 0,5 và giá trị hệ số hội tụ Eigenvalues của các nhân tố này đều lớn hơn 1 cho thấy rằng các biến quan sát có mối quan hệ với nhân tố gốc.
Tổng phương sai tích của 7 nhóm nhân tố = 70,037%, các nhân tố giải thích được 70,037% biến quan sát và trên 50% cho thấy rằng mô hình EFA là phù hợp.
Các nhân tố đã đảm bảo đại diện cho dữ liệu khảo sát ban đầu với 7 nhân tố bao gồm:
Làm việc nhóm (LV1, LV2, LV3, LV4, LV5)
Chính sách phát triển sự nghiệp (CS1, CS2, CS3, CS4, CS5)
Điều kiện làm việc (DK1, DK2, DK3, DK4)
Cấp quản lý (QL1, QL2, QL3)
Lương, thưởng (LT1, LT2, LT3)
Nhận thức nghề nghiệp (NT1, NT2, NT3)
Mức độ hài lòng với tổ chức (HL1, HL2, HL3)
4.2.3.2. Phân tích biến phụ thuộc
Bảng 4.11: Tổng hợp hệ số phân tích nhân tố EFA biến phụ thuộc ( Nguồn: Kết quả tổng hợp của nhóm nghiên cứu)
Biến quan sát Hệ số tải QD1 0,773 QD2 0,796 QD3 0,727 QD4 0,786 Phương sai trích 77,050% Eigenvalues 3,082 KMO 0,845 Sig. 0,000
Theo dõi bảng tổng hợp trên nhận thấy rằng các biến quan sát của nhân tố quyết định nghỉ việc cho kết quả tốt: Các hệ số tải nhân tố (Factor Loading) đều thỏa mãn > 0,5 các biến quan sát đều tải về nhân tố. Kết quả phân tích có sự tin cậy cao với hệ số KMO = 0,845 > 0,5 và sig = 0,000 < 0,05. Giá trị hệ số hội tụ Eigenvalues = 3,082 thỏa mãn lớn hơn 1 và tổng phương sai trích = 77,050% cho thấy nhân tố này biểu diễn được 77,050% sự biến thiên của biến quan sát. Có thể kết luận rằng nhân tố “Quyết định nghỉ việc” có khả năng đại diện cho các biến khảo sát ban đầu.
Như vậy, qua phân tích nhân tố khám phá EFA của biến độc lập và biến phụ thuộc cho thấy các thang đo được lựa chọn đều đảm bảo yêu cầu, các biến đều có tính hội tụ. Kết quả phân tích trên phù hợp tiếp tục thực hiện kiểm định, phân tích ở các bước tiếp theo.