CHƯƠNG 4 PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.1. TỔNG QUAN VỀ BỆNH VIỆN TƯ
4.2.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
Phân tích nhân tố khám phá (EFA) là tên chung của một nhóm thủ tục được sử dụng phổ biến để đánh giá nhân tố hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một nhân tố nhất định đo lường các khía cạnh khác nhau của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
- Tiêu chuẩn Barlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi 0.5≤ KMO ≤ 1 và Sig < 0,05. Trường hợp KMO <0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
- Tiêu chuẩn trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sau trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1998), các nhân tố có Engenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đó trước khi EFA). Vì thế, các nhân tố chỉ được rút trích lại tại Engenvalue ≥ 1 và được chấp nhận khi tổng phương sai trích ≥ 50%.
- Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Haid và ctg, Factor loading > 0,3 được xem là mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực tiễn. Nếu tiêu chuẩn Factor loading >
38 0,3 thì cỡ mẫu ít nhất là 350; nếu cỡ mẫu khoảng 100 thì tiêu chuẩn Factor loading > 0,55; cỡ mẫu khoảng 50 thì Factor loading > 0.75 (Nguyễn Khánh Duy, 2009, )