CHƢƠNG 3 KẾT QUẢ NGHIÊN CỨU
3.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
Phân tích nhân tố khám phá là kỹ thuật được sử dụng để thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và đươc sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của các phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 – 1,0 thì phân tích này mới thích hợp, còn nếu nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Ngoài việc sử dụng trị số KMO, có thể sử dụng kiểm định Barlett. Kiểm định Barlett xem xét giả thiết H0: Độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa trong thống kê (Sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể. Ngoài ra phân tích nhân tố còn dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng Eigenvalue đai diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc. Factor loading (FL) – Hệ số tải nhân tố: là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA phụ thuộc và kích thước mẫu quan sát và mục đích nghiên cứu. Nếu FL > 0,3 là đạt mức tối thiểu với kích thước mẫu khoảng 350, FL > 0,4 là quan trọng và FL > 0,5 là có ý nghĩa thực tiễn. Khi kích thước mẫu khoảng 100 thì nên chọn FL > 0,55, còn nếu kích thước mẫu 50 thì nên chọn FL > 0,75. Phép trích nhân tố được sử dụng là Principal Axis Factoring (PAF) với phép quay không vuông góc Promax
3.3.1. P ân tí EFA đối với biến độc lập
Kết quả phân tích EFA đối với biến độc lập như sau: - Chỉ số KMO = 0,821
- Sig= 0,000
- Tổng phương sai trích là 75,727%.
- Tất cả các biến quan sát đều có hệ số tải nhân tố lớn hơn 0,5 và chênh lệch hệ số tải nhân tố ở các nhóm nhân tố lớn hơn 0,3.
- Có 6 nhân tố được trích tại eigenvalue 1,452 (Bảng 3.13)
Bảng 3.13. Kết quả EFA của biến độc lập
Biến quan sát Hệ số tải nhân tố
1 2 3 4 5 6 CB4 0,908 CB3 0,851 CB1 0,849 CB2 0,804 TT3 0,660 GB2 0,918 GB3 0,898 GB1 0,848 GB4 0,783 TT5 0,896 TT1 0,865 TT4 0,857 TT2 0,763 HT1 0,928 XD1 0,775 XD3 0,740 HT3 0,673
Biến quan sát Hệ số tải nhân tố 1 2 3 4 5 6 HT4 0,551 GTT1 0,915 GTT3 0,793 GTT4 0,682 GTT2 0,569 CS1 0,972 CS3 0,834 CS2 0,809
(Nguồn: Kết quả nghiên cứu của đề tài)
Các nhân tố tiềm ẩn của mô hình như sau:
- Nhóm (1) có 5 biến quan sát được đặt tên là ―Sự cân bằng quyền lực‖, gồm:
+ 4 biến quan sát thuộc thang đo CB (CB1, CB2, CB3, CB4)
+ 1 biến quan sát TT3 (Anh/Chị cảm nhận được sự hỗ trợ của cấp trên đối với các quyết định của mình).
- Nhóm (2) có 4 biến quan sát thuộc thang đo GB (GB1, GB2, GB3, GB4), được đặt tên là ―Sự gắn bó‖
- Nhóm (3) có 4 biến quan sát thuộc thang đo TT (TT1, TT2, TT4, TT5) được đặt tên là sự tin tưởng
- Nhóm (4) có 5 biến quan sát được đặt tên là ―Sự hợp tác‖, gồm: + 3 biến quan sát thuộc thang đo HT (HT1, HT3, HT4)
+ 2 biến quan sát thuộc thang đo XD (XD1 - Trong công ty anh/chị hiếm có các xung đột nghiêm trọng và XD3 - Các xung đột trong công ty anh/chị được giải quyết một cách thân thiện)
- Nhóm (5) có 4 biến quan sát thuộc thang đo GTT (GTT1, GTT2, GTT3, GTT4) được đặt tên là ―Sự giao tiếp‖
- Nhóm (6) có 3 biến quan sát thuộc thang đo CS (CS1, CS2, CS3) được đặt tên là ―Chia sẻ mục tiêu và giá trị‖
3.3.2. Phân tích EFA đối với biến phụ thuộc
Kết quả phân tích nhân tố khám phá EFA của các biến phụ thuộc cho thấy:
- Chỉ số KMO = 0,727 - Sig= 0,000
- Tổng phương sai trích là 90,365%.
- Tất cả các biến quan sát đều có hệ số tải nhân tố lớn hơn 0,5. - Có 1 nhân tố được trích tại eigenvalue 2,711 (Bảng 3.14).
Bảng 3.14: Kết quả EFA của biến phụ thuộc
Biến quan sát Hệ số tải nhân tố 1
QH3 0,991
QH2 0,898
QH1 0,886
(Nguồn: Kết quả nghiên cứu của đề tài)