f) Biến phụ thuộc: quyết định lựa chọn quán cà phê của sinh viên
4.3.3.3. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là phương pháp được sử dụng để thu nhỏ và tóm tắt các dữ liệu thành một tập nhỏ hơn các nhân tố có ý nghĩa hơn. Cụ thể, dưới đây là các tiêu chí trong phân tích nhân tố khám phá EFA:
hotrotailieu247@gmail.com
để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt tối thiểu từ 0.5 trở
hotrotailieu247@gmail.com
lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là thích hợp. Phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu đang nghiên cứu nếu chỉ số KMO nhỏ hơn 0.5.
− Kiểm định Bartlett (Barlett’s test of sphericity): Dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay khơng. Nếu Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), thì các biến quan sát có tương quan với nhau trong tổng thể.
− Trị số Eigenvalue:Hệ số Eigenvalue là tiêu chí được sử dụng để xác định số lượng nhân tố trong phân tích EFA. Cụ thể, những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích.
− Tổng phương sai trích (Total Variance Explained): Thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50%. Thỏa điều kiện này, chúng ta kết luận mơ hình EFA phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cơ đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
− Hệ số tải nhân tố (Factor loading): Giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao thì tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Thực tế áp dụng, hệ số tải 0.45 hoặc 0.5 được sử dụng làm mức tiêu chuẩn với cỡ mẫu trong khoảng (120;350) . Nhóm khảo sát có 200 mẫu nên chọn hệ số tải bằng 0.5.