Biến quan sát Nhân tố
CSTT3 ,871
CSTT2 ,861
CSTT4 ,841
CSTT1 ,785
Eigenvalues 2,823
Phương sai lũy kế 70,564
Kiểm định KMO và Bartlett's trong phân tích nhân tố phụ thuộc cho thấy hệ số KMO = 0,751 > 0,5 đạt yêu cầu. Kiểm định Bartlett's Test là 302,766 với mức ý nghĩa Sig. = 0,000 < 0,05 chứng tỏ các biến quan sát có mối quan hệ tƣơng quan với nhau. Tại mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã trích đƣợc 1 nhân tố từ 04 biến quan sát và với phƣơng sai trích là 70,564% > 50%. Do đó có thể kết luận mô hình EFA phù hợp.
4.4 Kiểm định mô hình bằng phƣơng pháp hồi quy
Sau khi tiến hành kiểm định EFA cho biến phụ thuộc và biến độc lập, bƣớc tiếp theo chính là tạo biến đại diện cho mỗi nhóm nhân tố và tiến hành phân tích tƣơng quan (correlation) và hồi quy (regression).
Giá trị biến mới đại diện cho mỗi nhóm nhân tố đƣợc định danh nhƣ sau: NIEMTIN = Mean (NT1,NT2,NT3,NT4) GIAOTIEP = Mean (GT1,GT2,GT3) LANHDAO = Mean (LĐ1, LĐ2, LĐ3, LĐ4) CAUTRUCTOCHUC = Mean (CTTC1,CTTC2, CTTC3) CNTHONGTIN= Mean(CNTT1, CNTT2, CNTT3, CNTT4, CNTT5, CNTT6) CHIASETRITHUC = Mean (CSTT1, CSTT2, CSTT3, CSTT4)
4.4.1 Kiểm định sự tƣơng quan tuyến tính giữa các biến
Bƣớc phân tích tƣơng quan Pearson đƣợc thực hiện trƣớc khi phân tích hồi quy nhằm mục đích kiểm tra mối tƣơng quan tuyến tính chặt chẽ giữa biến phụ thuộc và biến độc lập.
Hệ số tƣơng quan Pearson dùng để đo lƣờng mức độ tƣơng quan tuyến tính giữa 2 biến. Hệ số tƣơng quan Pearson (r) có giá trị dao động từ -1 đến 1 với điều kiện để tƣơng quan có ý nghĩa là giá trị sig. <0,05.
r < 0 cho biết một sự tƣơng quan nghịch giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia.
r = 0 cho thấy không có sự tƣơng quan.
r > 0 cho biết một sự tƣơng quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia.
Kết quả phân tích tƣơng quan (Pearson) đƣợc trình bày trong bảng 4.7.