Ma trận xoay thành tố Thành tố 1 HH2 ,839 HH4 ,827 HH1 ,814 HH3 ,801
(Nguồn: Phụ lục 4.2 – Kết quả phân tích thành tố EFA)
Các điều kiện phân tích EFA:
- Kiểm định KMO đạt 0,816 > 0,5
- Kiểm định Bartlett có giá trị Sig đạt 0,000 < 0,05 - Số lượng thành tố trích là 1
- Tổng phương sai trích TVE là 67,291% > 50% - Trọng số thành tố của các biến đều lớn hơn 0,5
Như vậy, có thể kết luận rằng các biến HH2, HH4, HH1 và HH3 cùng đo lường một thành tố là tính Hữu hiệu của hệ thống KSNB và các biến này có mối quan hệ chặt chẽ với nhau.
4.2.3 Tương quan và hồi quy
Để có thể phân tích tương quan và hồi quy, biến tổng được hình thành từ giá trị trung bình (mean) của các biến quan sát:
MT = mean(MT3,MT7,MT1,MT4,MT6,MT2) DG = mean(DG5,DG1,DG2,DG4,DG3)
GS = mean(GS1,GS4,GS2,GS3) TT = mean(TT1,TT4,TT3,TT2) KS = mean(KS1,KS2,KS4,KS3)
Biến phụ thuộc “Hữu hiệu” cũng được hình thành từ giá trị trung bình của 4 biến quan sát như sau:
HH = mean(HH2,HH4,HH1,HH3)
4.2.3.1. Xem xét ma trận tương quan giữa các biến trong mơ hình
Hệ số tương quan Pearson (r) là một chỉ số nhằm để xác định của mối tương quan tuyến tính của hai biến: cụ thể trong bài nghiên cứu này là biến phụ thuộc HH và các biến độc lập MT, DG, GS,TT và KS. Thông thường hệ số tương quan r nằm trong khoảng biến thiên từ -1 tới 1.
- Nếu r càng tiến về -1 hoặc 1: tương quan tuyến tính càng mạnh, càng chặt chẽ; - Nếu r = 1: tương quan tuyến tính tuyệt đối;
- Nếu r = 0: khơng có mối tương quan tuyến tính.
Đồng thời, cũng cần quan tâm đến mức ý nghĩa Sig thu được. Giá trị Sig thu được phải khơng vượt q 0,05 thì hệ số tương quan này mới có ý nghĩa thống kê, cịn nếu hệ số Sig đã không đáp ứng được điều kiện thì ta đã có thể xác định rằng khơng có mối tương quan của các biến đang được khảo sát.
Sau quá trình xử lý dữ liệu, tác giả thu được kết quả chi tiết được trình bày trong bảng 4.25 ngay bên dưới đây: