Sau khi đánh giá độ tin cậy thang đo bằng hệ số Cronbach's alpha, trong phần này ta sử dụng phương pháp phân tích nhân tố khám phá (EFA). Nhân tố khám phá, gọi tắt là EFA, 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. Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau. Thay vì đi nghiên cứu 20 đặc điểm nhỏ của một đối tượng, chúng ta có thể chỉ nghiên cứu 4 đặc điểm lớn, trong mỗi đặc điểm lớn này gồm 5 đặc điểm nhỏ có sự tương quan với nhau. Điều này giúp tiết kiệm thời gian và kinh phí nhiều hơn cho người nghiên cứu.
Với kiểm định độ tin cậy thang đo Cronbach’s Alpha, chúng ta đang đánh giá mối quan hệ giữa các biến trong cùng một nhóm, cùng một nhân tố, chứ không xem xét mối quan hệ giữa tất cả các biến quan sát ở các nhân tố khác. Trong khi đó, EFA xem xét mối quan hệ giữa các biến ở tất cả các nhóm (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 từ ban đầu.
Các tiêu chí trong phân tích EFA
Hệ số KMO (Kaiser-Meyer-olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0,5≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biện quan sát trong nhân tố có trong quan với nhau hay không. Chúng ta cần lưu ý điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có 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. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biển quan sát đó với nhân tố càng lớn và ngược lại.
4.3.1. Phân tích nhân tố với các biến độc lập
1. Hệ số KMO và kiểm định Bartlett’s
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .928 Bartlett's Test of Sphericity
Approx. Chi-Square 2369.271
df 153
Sig. .000
Bảng 4. 15: Hệ số KMO và kiểm định Bartlett’s với biến độc lập
(Nguồn: Xử lý số liệu trên SPSS 20.0)
Hệ số KMO = 0.928 thỏa mãn yêu cầu kiểm định ( 0.5 ≤ KMO ≤ 1)
Kiểm biến Bartlett’s Test of Sphericity: Sig = 0.000 ≤ 0.05 do đó kiểm định có ý nghĩa thống kê các biến quan sát có mỗi tương quan với nhau.
2. Phương sai trích
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulativ e % 1 8.851 49.172 49.172 8.851 49.172 49.172 5.741 31.897 31.897 2 1.985 11.026 60.198 1.985 11.026 60.198 3.526 19.589 51.486 3 1.130 6.280 66.478 1.130 6.280 66.478 2.698 14.991 66.478 4 .759 4.215 70.693 5 .672 3.733 74.426 6 .585 3.250 77.676 7 .556 3.088 80.765 8 .512 2.846 83.610 9 .479 2.661 86.271 10 .393 2.184 88.455 11 .366 2.036 90.491 12 .333 1.847 92.338 13 .314 1.742 94.080 14 .264 1.466 95.546 15 .232 1.289 96.835 16 .214 1.186 98.021 17 .186 1.034 99.056 18 .170 .944 100.000
(Nguồn: Xử lý số liệu trên SPSS 20.0)
Bảng 4. 16: Phương sai trích với biến độc lập
Từ bảng trên ta thấy tổng phương sai trích bằng 66.478% lớn hơn 50% nên mô hình là phù hợp.
Trị số Eigenvalue là 1.130 lớn hơn 1 nên thỏa mãn . Như vậy tất cả đều thỏa mãn nhu cầu kiểm định.
3. Ma trận xoay nhân tố
Rotated Component Matrixa
Component 1 2 3 SDD2 .821 TKW3 .800 SDD3 .791 TDSD1 .778 TKW2 .704 TDSD2 .642 SDD1 .640 TKW4 .626 TDSD4 .617 TDSD3 .603 TKW1 .573 TBM4 .870 TBM2 .828 TBM1 .827 TBM3 .783 NT2 .841 NT1 .776 NT3 .682
Bảng 4. 17: Ma trận xoay nhân tố với biến độc lập
(Nguồn: Xử lý số liệu trên SPSS 20.0)
Ma trận đã đảm bảo các biến được gom lại thành từng nhóm và không có biến nào là không có hệ số tải và hệ số tải đều lớn hơn 0.5. Trong đó:
+ 11 biến hội tụ về nhân tố 1: TKW1, TKW2, TKW3, TKW4, SDD1, SDD2, SDD3, TDSD1, TDSD2, TDSD3, TDSD4.
+ 3 biến hội tụ về nhân tố 2: TBM1, TBM2, TBM3. + 3 biến cùng hội tụ về nhân tố 3: NT1, NT2, NT3.
4.3.2. Phân tích nhân tố với biến phụ thuộc
1. Hệ số KMO và kiểm định Bartlett’s
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .781 Bartlett's Test of Sphericity
Approx. Chi-Square 385.729
df 6
Sig. .000
Bảng 4. 18: Hệ số KMO và kiểm định Bartlett’s với biến phụ thuộc
(Nguồn: Xử lý số liệu trên SPSS 20.0)
Hệ số KMO = 0.781 thỏa mãn yêu cầu kiểm định ( 0.5 ≤ KMO ≤ 1)
Kiểm biến Bartlett’s Test of Sphericity Sig = 0.000 ≤ 0,05 do đó kiểm định có ý nghĩa thống kê các biến quan sát có mỗi tương quan với nhau
2. Phương sai trích
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2.840 71.012 71.012 2.840 71.012 71.012 2 .547 13.684 84.696
3 .341 8.537 93.233 4 .271 6.767 100.000
(Nguồn: Xử lý số liệu trên SPSS 20.0)
Bảng 4. 19: Phương sai trích với biến phụ thuộc
Từ bảng trên ta thấy tổng phương sai trích bằng 71.012% lớn hơn 50% nên mô hình là phù hợp.
Trị số Eigenvalue là 2.840 lớn hơn 1 nên thỏa mãn . Như vậy tất cả đều thỏa mãn nhu cầu kiểm định. 3. Ma trận xoay nhân tố Component Matrixa Component 1 QDMH1 .859 QDMH2 .842 QDMH4 .837 QDMH3 .832
Bảng 4. 20: Ma trận xoay nhân tố với biến phụ thuộc
Hệ số tải nhân tố của các biến quan sát đều thỏa mãn điều kiện khi phân tích nhân tố là hệ số Factor Loading > 0,5 và số nhân tố tạo ra khi phân tích nhân tố là 1 nhân tố.