CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Quy trình nghiên cứu
3.5.2 Phân tích nhân tố khám phá EFA
Sau khi đã thực hiện kiểm định hệ số tin cậy Cronbach’s Alpha cho thang đo tác giả tiếp tục tiến hành phân tích nhân tố khám phá EFA. Để đánh giá mức độ giá trị của các biến quan sát bao gồm: giá trị hội tụ, giá trị phân biệt và mức độ tương quan giữa chúng với tổng thể. Kiểm định nhân tố EFA nhằm mục đích rút gọn tập hợp các biến quan sát trùng lặp nhau.
Khi phân tích nhân tố EFA các nhà nghiên cứu cần quan tâm đến các chỉ số sau:
Hệ số KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Theo (Hutcheson & Sofroniou, 1999) đề xuất một số ngưỡng giá trị KMO như sau:
KMO ≥ 0,5: mức chấp nhận tối thiểu 0,5 < KMO ≤ 0,7: bình thường 0,7 < KMO ≤ 0,8: tốt
0,8 < KMO ≤ 0,9: rất tốt KMO > 0,9: xuất sắc
Hair và cộng sự cho rằng việc gộp phân tích chung biến độc lập và phụ thuộc trong một phân tích nhân tố khám phá và sau đó lại kiểm tra mối quan hệ phụ thuộc là không phù hợp. Nghĩa là khi chúng ta thực hiện phân tích EFA, việc cho chung các biến độc lập và phụ thuộc vào phân tích chung với nhau là không hợp lý. Bởi với một đề tài đã xác định được độc lập và phụ thuộc, nghĩa là ngay từ đầu chúng ta đã mặc định xuất hiện mối quan hệ phụ thuộc giữa 2 nhóm biến: một nhóm là tác động lên biến khác và một nhóm là chịu tác động của biến khác (Hair và cộng sự, A Primer on Partial Least Squares Structural Equations Modeling (PLS-SEM), 2014).
Và với cỡ mẫu tối thiểu là 100, Hair và cộng sự (Hair và cộng sự, A Primer on Partial Least Squares Structural Equations Modeling (PLS-SEM), 2014) cho rằng:
Trị tuyệt đối Factor Loading ở mức 0,3 đến 0,4: cân nhắc là điều kiện tối thiểu để biến quan sát được giữ lại.
Trị tuyệt đối Factor Loading ở mức từ 0,5 trở lên: mức tối ưu, các biến quan sát có ý nghĩa thống kê tốt.
Tổng phương sai trích thể hiện các nhân tố trích được bao nhiêu phần trăm các biến đo lường. Phải đạt từ 50% trở lên và Eigen Value tối thiểu bằng 1 thì nhân tố mới tóm tắt thông tin tốt nhất.