tất cả các biến quan sát đều có hệ số tải nhân tố Factor Loading lớn hơn 0.5. Như vậy, 21 biến quan sát này đều đảm bảo tiêu chuẩn phân tích khám phá nhân tố EFA và không cần phải loại bất kỳ thêm biến quan sát nào.
5.3.2. Phân tích nhân tố khám phá EFA cho biến phụ thuộc
Bảng 5.6: Hệ số KMO và kiểm định Bartlett của biến phụ thuộc
Hệ số KMO 0.703
Chi bình phương 231.834
Kiểm định Bartlett Df 3
Sig. <0.001
(Nguồn: Nhóm nghiên cứu phân tích)
Tương tự như phân tích các biến độc lập, tiến hành phân tích nhân tố khám phá EFA cho các biến phụ thuộc. Cụ thể ta có một số kết quả để phân tích như sau:
Hệ số KMO = 0.703 với kiểm định Bartlett có Sig. < 0.001 (< 0.05) cho thấy phân tích EFA là thích hợp;
Eigenvalue = 2.237 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất
Tổng phương sai trích = 74.579% cho thấy có 74.579% biến thiên của dữ liệu được giải thích bởi 1 nhân tố được rút ra;
Ba biến phụ thuộc được đưa vào phân tích EFA được trích thành 1 nhân tố và tất cả các biến liên quan đều có hệ số tải nhân tố > 0.5.
Bảng 5.7: Kết quả phân tích nhân tố khám phá EFA biến phụ thuộcNhân tố Nhân tố
Quyết định chọn quán cà phê để học bài
0.761
30
QD1
QD2 QD3
(Nguồn: Nhóm nghiên cứu phân tích)
5.4. Phân tích tương quan Pearson
Nhóm nghiên cứu dựa vào phân tích tương quan Pearson để lượng hoá mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến độc lập với biến phụ thuộc sau khi đã có được mô hình hiệu chỉnh cuối cùng.