Biến quan sát
Hệsốtương quan biến tổng (Corrected Item – Total
Correlation)
HệsốCronbach’s Alpha nếu loại biến (Cronbach’s Alpha if
Item Deleted) Khảnăng tiêu thụsản phẩm Cronbach’s Alpha = 0,794 TT1 0,650 0,725 TT2 0,646 0,712 TT3 0,640 0,721
Sau khi tiến hành kiểm định độtin cậy thang đo biến phụthuộc (Khảnăng tiêu thụsản phẩm) thông qua hệsốCronbach’s Alpha với kết quảnhư bảng trên, ta thấy biến phụthuộc có hệsốCronbach’s Alpha (Cronbach’s Alpha if Item Deleted) lớn hơn 0,6. Đồng thời, các biến quan sát đều có hệsốtương quan biến tổng (Corrected Item – Total Correlation) lớn hơn 0,3 và hệsốCronbach’s Alpha nếu loại biến nhỏhơn hệsố Cronbach’s Alpha của biến độc lập tươngứng.
Vì vậy, dựa vào các tiêu chí kiểm định độtin cậy thangđo như trên, ta có thểkết luận rằng thang đo được sửdụng là đáng tin cậy nên đềtài quyết định giữlại tất cảcác biến quan sát như ban đầu đểtiến hành các bước phân tích tiếp theo.
Phương pháp phân tích nhân tốkhám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trịquan trọng của thang đo là giá trịhội tụvà giá trịphân biệt.
- Giá trịhội tụ: Các biến quan sát cùng tính chất hội tụvềcùng một nhân tố, khi biểu diễn trong ma trận xoay, các biến này sẽnằm chung một cột với nhau.
- Giá trịphân biệt: Các biến quan sát hội tụvềnhân tốnày và phải phân biệt với các biến quan sát hội tụ ởnhân tốkhác, khi biểu diễn trong ma trận xoay, từng nhóm biến sẽtách thành từng cột riêng biệt.
Với kiểm định độtin cậy thang đo Cronbach Alphaởbước trên, chúng ta đang đánh giá mối quan hệgiữa các biến trong cùng một nhóm, cùng một nhân tố, chứ không xem xét mối quan hệgiữa tất cảcác biến quan sátởcác nhân tốkhác. Trong khi đó, nhân tốkhám phá EFA xem xét mối quan hệgiữa các biếnởtất cảcác nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tốhoặc các biến quan sát bịphân sai nhân tốtừban đầu.
2.3.3.1. Kiểm định KMO và Bartlett’s Test biến độc lập
Khi bắt đầu tiến hành phân tích nhân tốkhám phá EFA (Exploratory Factor Analysis), nghiên cứu sẽtiến hành kiểm định hệsốKMO (Kaiser Meyer – Olkin of Sampling Adequacy) và Bartlett’s (Bartlett’s test of sphericity) nhằm xem xét việc phân tích này có phù hợp hay không, trong đó:
- HệsốKMO (Kaiser-Meyer-Olkin) là một chỉsốdùng đểxem xét sựthích hợp của phân tích nhân tố. Trịsốcủa KMO phải đạt giá trị0,5 trởlên (0,5≤ KMO ≤ 1) là điều kiện đủ đểphân tích nhân tốlà phù hợp. Nếu trịsốnày nhỏhơn 0.5, thì phân tích nhân tốcó khảnăng không thích hợp với tập dữliệu nghiên cứu.
- Kiểm định Bartlett’s (Bartlett’s test of sphericity) dùng đểxem xét các biến quan sát trong nhân tốcó tương quan với nhau hay không. Chúng ta cần lưu ý, điều kiện cần đểáp dụng phân tích nhân tốlà các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tốphải có mối tương quan với nhau. Điểm này liên quan đến giá trịhội tụtrong phân tích EFA được nhắcởtrên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tốcho 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.
Kết quảkiểm định như bảng sau: