CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.1. Kết quả nghiên cứu
4.1.3. Phân tích nhân tố khám phá EFA
Phân tích EFA để rút gọn một tập hợp biến
Theo Nguyễn Đình Thọ (2011), phân tích nhân tố khám phá EFA giúp rút gọn biến quan sát thành tập hợp một nhân tố ít hơn, có nghĩa hơn mà vẫn bao qua được nội dung tập hợp các biến ban đầu.
Khi phân tích EFA cần có những điều kiện như sau:
- Hệ số KMO (Kaiser- Meyer – Olkin): (Kaiser, 1974)KMO ở mức chấp nhận được phải lớn hơn 0.5.
- Kiểm định Barlett’s có mức ý nghĩa sig < 0.05 để chứng tỏ dữ liệu dùng phân tích nhân tố là thích hợp và giữa các biến có tương quan với nhau (Nguyễn Đình Thọ, 2011)
- Hệ số tải nhân tố (factor loading) ≥ 0.5 mới đảm bảo ý nghĩa của EFA. Đồng thời, hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn hơn 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (J. J. Hair và cộng sự, 2010) - Tiêu chí điểm dừng eigenvalue có giá trị tối thiểu phải bằng 1 và tổng phương
sai trích ≥ 50% (J. J. Hair và cộng sự, 2010)
Trong đề tài nghiên cứu này, phân tích nhân tố sẽ giúp ta xem xét khả năng rút gọn số lượng 21 biến quan sát xuống cịn một số ít các biến dùng để phản ánh một cách cụ thể sự tác động của các nhân tố. Kết quả phân tích nhân tố được thể hiện dưới đây:
❖ Kiểm định KMO
Để tiến hành phân tích nhân tố khám phá thì dữ liệu thu được phải đáp ứng được các điều kiện qua kiểm định KMO và kiểm định Bartlett’s. Bartlett’s Test dùng để kiểm định giả thuyết H0 là các biến khơng có tương quan với nhau trong tổng thể, tức ma trận tương quan tổng thể là một ma trận đơn vị, hệ số KMO dùng để kiểm tra xem kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay khơng.
Nguyễn Đình Thọ (2011)thì giá trị Sig. của Bartlett’s Test nhỏ hơn 0.05 và giá trị
Bảng 4.9 Kiểm định KMO (nguồn: tính tốn của tác giả)
KMO and Bartlett’s Test
Trị số KMO (Kaiser-Meyer-Olkin of Sampling Adequacy) 0.859
Đại lượng thống kê Bartlett’s (Bartlett’s Test of Sphericity)
Approx. Chi-Square 2554.507
df 210
Sig. 0.000
Kết quả kiểm định tại bảng 4.9 cho ra trị số của KMO đạt 0.859 lớn hơn 0.5 và Sig của Bartlett’s Test là 0.000 nhỏ hơn 0.05 cho thấy 21 quan sát này có tương quan với nhau và hồn tồn phù hợp với phân tích nhân tố.
❖ Ma trận xoay các nhân tố
Phương pháp được chọn ở đây là phương pháp xoay nhân tố Promax proceduce, xoay ngun góc các nhân tố để tối thiểu hố số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏ hơn 0.5 ra khỏi mơ hình. Chỉ những quan sát có hệ số tải nhân tố lớn hơn 0.5 mới được sử dụng để giải thích một nhân tố nào đó. Phân tích nhân tố khám phá EFA sẽ giữ lại các biến quan sát có hệ số tải lớn hơn 0.5 và sắp xếp chúng thành những nhóm chính. Kết quả phân tích nhân tố khám phá lần 1 cho ra được 5 nhóm nhân tố. Bên cạnh đó, 5 nhóm nhân tố này được rút trích giải thích được 60,002% sự biến động của dữ liệu.
Nhằm xác định số lượng nhân tố trong nghiên cứu này sử dụng 2 tiêu chuẩn: - Tiêu chuẩn Kaiser (Kaiser Criterion) nhằm xác định số nhân tố được trích từ
thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Giá trị Eigenvalue đại diện
cho phần biến thiên được giải thích bởi mỗi nhân tố, chỉ có nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích.
- Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố là thích hợp nếu tổng phương sai trích khơng được nhỏ hơn 50%
Bảng 4.10 Kết quả EFA cho thang đo nhân tố (nguồn: tính tốn của tác giả)
Biến quan sát Hệ số tải nhân tố 1 2 3 4 5 ASQ3 0.814 ASQ4 0.774 ASQ6 0.757 ASQ2 0.748 ASQ1 0.740 ASQ8 0.738 ASQ5 0.630 ASU3 0.896 ASU5 0.837 ASU4 0.811 ASU2 0.769 PU4 0.818 PU2 0.794 PU1 0.741 PU3 0.719 PWC1 0.955 PWC3 0.876 PWC4 0.682 PEOU2 0.860 PEOU4 0.785 PEOU3 0.703
Eigenvalues 6.415 3.349 2.090 1.733 1.399
Phương sai rút trích
28.811% 14.140% 8.453% 6.459% 5.242%
Tổng phương sai rút trích: 63.105%
Như vậy. sau khi xoay các nhân tố, ta thấy sự tập trung của các quan sát theo từng nhân tố đã khá rõ ràng. Bảng kết quả phân tích tại bảng 4.10 cho thấy có tất cả 21 quan sát tạo ra 5 nhân tố, đủ điều kiện để thực hiện các phân tích tiếp theo. Kết quả: cả 5 nhân tố đều được trích với tổng phương sai giải thích được 63.105% lớn hơn 50%
- Nhân tố 1 (ASQ) gồm 7 biến quan sát: ASQ1, ASQ2, ASQ3, ASQ4, ASQ5, ASQ6, ASQ8
- Nhân tố 2 (ASU) gồm 4 biến quan sát: ASU2, ASU3, ASU4, ASU5 - Nhân tố 3 (PU) gồm 4 biến quan sát: PU1, PU2, PU3, PU4
- Nhân tố 4 (PWC) gồm 3 biến quan sát: PWC1, PWC3, PWC4 - Nhân tố 5: (PEOU) gồm 3 biến quan sát: PEOU2, PEOU3, PEOU4