Phân tích nhân tố là tên chung một nhóm các Quảng bá thương hiệu được sử
dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu, chúng ta có thể thu
thập một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng củ chúng phải được giảm bớt xuống đến một lượng mà chúng ta có thể sử dụng được (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Phân tích nhân tố chỉ được sử
dụng khi hệ số KMO (Kaiser-Meyer-Olkin) có giá trị từ 0.5 trở lên. Điểm dừng Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1
và tổng phương sai trích (Cumulative % Extraction Sums of Squared Loadings) lớn hơn 50%. Hệ số tải nhân tố (factor loading) đạt yêu cầu phải thỏa mãn cácđiều kiện:
∙Một nhân tốphải có ít nhất 2 biến.
∙Hệsốtải nhân tốphải lớn hơn 0.5.
∙Hệsốtải nhân tốlớn hơn 0.5 chỉtrên một nhân tốtrong cùng một biến.
Trước khi tiến hành phân tích nhân tố khám phá, nghiên cứu cần kiểm định KMO để xem xét việc phân tích này có phù hợp hay không. Việc kiểm định được thực
hiện thông qua việc xét hệ số KMO (Kaiser Meyer-Olkin of Sampling Adequacy) và
Bartlett’s Test. Giá trị KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA.
Nội dung kiểm định: hệ số KMO phải thỏa mãn điều kiện 0,5 ≤ KMO ≤ 1, chứng tỏ bước phân tích nhân tố khám phá EFA là phù hợp trong nghiên cứu này.
Bảng 2.11 Kiểm định KMO và Bartlett’s Test biến độc lập
KMO and Bartlett’s Test
Trị số KMO 0,758
Đại lượng thống kê Kiểm định Bartlett
Giá trị Chi bình phương xấp xỉ 1531,663
Df 253
Sig. 0,000
(Nguồn: kết quả xử lý số liệu của tác giả năm 2021)
Kết quả thu được như sau:
− Giá trị KMO bằng 0,758 và nằm trong ngưỡng từ 0,5-1 nên phân tích EFA là phù hợp.
− Mức ý nghĩa Sig. của kiểm định bartlett’s Test = 0,00 < 0,5 nên các biến quan sát khi được đưa vào mô hình nghiên cứu có tương quan với nhau và phù hợp
nghiên cứu phân tích nhân tố khám phá EFA.