CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.4. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
Trong nghiên cứu định lượng, sau khi đánh giá độ tin cậy của thang đo, tác giả sử dụng phân tích nhân tố khám phá EFA để đánh giá giá trị của thang đo. Hai giá trị quan trọng được xem xét trong phân tích nhân tố khám phá EFA là giá trị hội tụ và giá trị phân biệt.
Giá trị hội tụ thể hiện ở việc các biến quan sát cùng tính chất sẽ hội tụ về cùng một nhân tố, khi biểu diễn trong ma trận xoay, các nhân tố này sẽ nằm chung một cột với nhau.
Giá trị phân biệt thể hiện ở việc các biến quan sát hội tụ về nhân tố này và phân biệt với các biến quan sát hội tụ ở nhân tố khác, khi biểu diễn trong ma trận xoay, từng nhóm biến sẽ tách thành từng cột riêng. Kết quả phân tích nhân tố khám phá EFA giúp phát hiện ra biến quan sát tải lên nhiều nhân tố hoặc biến quan sát bị phân sai nhân tố ngay từ đầu. Các tiêu chí trong phân tích nhân tố khám phá EFA bao gồm:
Hệ số KMO (Kansai-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải đạt giá trị từ 0,5 trở lên (0,5≤KMO≤1) thì phân tích nhân tố là phù hợp. Nếu KMO nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không phù hợp với bộ dữ liệu nghiên cứu.
Kiểm định Bartlett dùng để xem xét các biến quan sát trong phân tích nhân tố có tương quan với nhau hay không. Nếu kết quả kiểm định Bartlett có ý nghĩa thống kê với p-value<0,05 thì có thể kết luận rằng các biến quan sát trong phân tích nhân tố có tương quan với nhau, Cũng tức là việc áp dụng phân tích nhân tố cho các biến quan sát trên là phù hợp.
Trị số Eigenvalue dùng để xác định số lượng nhân tố trong phân tích EFA. Các nhân tố có giá trị Eigenvalue ≥1 mới được giữ lại trong mô hình phân tích.
Tổng phương sai trích (Total Variance Explained) có giá trị từ 0% đến 100%, cho biết các nhân tố được trích cô đọng bao nhiêu phần trăm trên tổng số 1005 của các biến quan sát. Tổng phương sai trích ≥50% cho thấy mô hình EFA là phù hợp.
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, biểu thị mối tương quan giữa các 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. Nghiên cứu này bao gồm 279 quan sát (trong khoảng từ 120 - 350 quan sát), tương ứng hệ số tải nhân tố làm tiêu chuẩn là 0,5.
4.4.1. Phân tích nhân tố khám phá cho biến độc lập
Phân tích nhân tố khám phá EFA cho biến độc lập với mẫu nghiên cứu gồm 279 quan sát hợp lệ. Kết quả phân tích nhân tố EFA như sau:
Bảng 4.18: Kết quả hệ số KMO và Bartlett’s Test của các nhân tố biến độc lập KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,765 Bartlett's Test of Sphericity
Approx. Chi-Square 5475.053
df 190
Sig. 0,000
Ta thấy Sig. = 0.000 < 0.05 (α = 5%) do đó kết luận giữa các biến có mối quan hệ với nhau. Hệ số KMO = 0,765 > 0.5 cho thấy mức độ ý nghĩa của tập hợp dữ liệu đưa vào phân tích nhân tố khá cao, chứng tỏ mô hình phân tích nhân tố EFA phù hợp.
Kết quả phân tích nhân tố EFA cho thấy có 5 nhân tố được rút trích với giá trị Eigenvalue = 1.957 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất. Tổng phương sai trích Rotation Sums of Squared Loadings (Cumulative %) là 83,190% > 50% nghĩa là 83,190% biến thiên của dữ liệu được giải thích bởi 5 nhân tố.
Bảng 4.19: Kết quả phân tích nhân tố EFA của các biến độc lập
Rotated Component Matrixa Component 1 2 3 4 5 TC3 0,957 TC2 0,954 TC1 0,945 TC4 0,935 DU1 0,924 DU4 0,908 DU2 0,874 DU3 0,870 HH1 0,925 HH4 0,897 HH3 0,887
Rotated Component Matrixa Component 1 2 3 4 5 HH2 0,856 NL3 0,904 NL4 0,882 NL2 0,844 NL1 0,791 DC3 0,910 DC4 0,889 DC2 0,886 DC1 0,812
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.
(Nguồn: Xử lý SPSS của tác giả)
4.4.2. Phân tích nhân tố khám phá cho biến phụ thuộc
Phân tích nhân tố khám phá EFA cho biến phụ thuộc với mẫu nghiên cứu gồm 279 quan sát hợp lệ. Kết quả phân tích nhân tố EFA như sau:
Bảng 4.20: Kết quả hệ số KMO và Bartlett’s Test của các nhân tố biến phụ thuộc
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,658 Bartlett's Test of Sphericity
Approx. Chi-Square 125,091
df 3
Sig. 0,000
Kiểm định KMO và Bartlett’s trong phân tích nhân tố cho thấy hệ số KMO là 0,658 > 0,5 với mức ý nghĩa bằng 5% (sig = 0,000) cho thấy phân tích nhân tố EFA rất thích hợp.
Kết quả phân tích EFA cho thấy, với phương pháp trích nhân tố Principal Axis Factoring với phép xoay phép quay Varimax cho phép trích được một nhân tố với 3 biến quan sát và phương sai trích tích lũy được là 60,379% (> 50%), Giá trị Eigenvalue là 1,811 (đạt yêu cầu Eigenvalue > 1), các hệ số tải nhân tố của các biến quan sát đều lớn hơn 0,5 => Thang đo đạt yêu cầu.
Bảng 4.21: Kết quả phân tích nhân tố EFA cho biến phụ thuộc Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 1,811 60,379 60,379 1,811 60,379 60,379 2 0,642 21,388 81,766 3 0,547 18,234 100,000 Extraction Method: Principal Component Analysis.