Để thực hiện phân tích nhân tố khám phá EFA chính xác và tránh gây sai lệch về kết quả, nhóm tác giả tiến hành phân chia nhóm biến độc lập và nhóm biến phụ thuộc, sau đó thực hiện phân tích nhân tố khám phá EFA cho từng nhóm riêng.
5.3.1. Phân tích nhân tố khám phá EFA của biến độc lập
Khám phá dựa theo kết quả của bảng “KMO and Bartlett’s Test” để xem xét sự phù hợp của phân tích nhân tố qua hệ số KMO (Kaiser – Meyer – Olkin) và đánh giá các biến quan sát trong nhân tố đó có tương quan với nhau qua kiểm định Bartlett.
Bảng 5.4: Hệ số KMO và kiểm định BartlettHệ số KMO Hệ số KMO
Kiểm định Bartlett
(Nguồn: Nhóm nghiên cứu phân tích)
Từ bảng trên ta thấy được rằng hệ số KMO có giá trị 0.5 ≤ KMO = 0.823 ≤ 1, và kiểm định Bartlett có Sig < 0.001 < 0.05 cho thấy phân tích nhân tố được chấp nhận và phù hợp với tập dữ liệu nghiên cứu.
Các thang đo phù hợp sau khi đánh giá độ tin cậy được tiếp tục sử dụng trong phân tích nhân tố khám phá EFA với phương pháp trích nhân tố Principal Component, phép quay Varimax và có điểm dừng khi trích xuất nhân tố Eigenvalue ≥ 1.
Cụ thể, giá trị Eigenvalue = 1.371 và trích được 5 nhân tố mang ý nghĩa là VT, SP, KG, XH, DV (Vị trí, sản phẩm, không gian, xã hội, dịch vụ) để giữ lại trong mô hình. Đồng thời có tổng phương sai trích = 64.535 ≥ 50% cho thấy mô hình EFA là phù hợp với các nhân tố trích cô đọng được 64.535% biến thiên các biến quan sát và thất thoát 35.465% các biến quan sát.
28
Bảng 5.5: Kết quả phân tích nhân tố khám phá EFA biến độc lậpBiến quan sát Biến quan sát KG1 KG2 KG3 KG4 KG5 SP1 SP2 SP4 SP3 VT4 VT1 VT2 VT3 XH2 XH4 XH3 XH1 DV3 DV4 DV2 DV1
(Nguồn: Nhóm nghiên cứu phân tích)
29
Bảng trên cho thấy 21 biến quan sát được gom thành 5 nhân tố từ kết quả ma trận xoay và 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)