CHƯƠNG 1 GIỚI THIỆU ĐỀ TÀI
4.3. Phân tích khám phá nhân tố
Phân tích khám khá nhân tố là một kỹ thuật thống kê mạnh mẽ được sử dụng để giảm thiểu và tổng hợp dữ liệu. Mục tiêu chính của khám phá nhân tố là xác định (1) số lượng các yếu tố ảnh hưởng đến vấn đề nghiên cứu và (2) mức độ của mối quan hệ giữa các yếu tố và các biến quan sát (DeCoster, 1998).
Đầu tiên, cần thiết phải kiểm tra mức độ phù hợp lấy mẫu của việc phân tích khám phá nhân tố dựa trên chỉ tiêu Kaiser Meyer Olkin (KMO). Trong trường hợp giá trị của KMO dao động từ 0.5 đến 01 và p-value của kiểm định Barlett nhỏ hơn mức 10% thì phân tích khám phá nhân tố sẽ trở nên phù hợp để rút gọn các biến quan sát thành các yếu tố. Trong trường hợp giá trị của KMO nhỏ hơn 0.5 hoặc p-value của kiểm định Barlett lớn hơn 10% thì điều này có nghĩa là phân tích khám phá nhân tố không phù hợp.
Bằng cách thực hiện phân tích khám phá nhân tố, các nhà nghiên cứu có thể quyết định được số lượng các yếu tố cần trích xuất trong mơ hình nghiên cứu. Một phần quan trọng trong phân tích khám phá nhân tố là ma trận diễn giải yếu tố. Theo đó hệ số tải nhân tố (factor loading) của các biến quan sát cần được phân tích kỹ lưỡng. Do hệ số tải nhân tố phản ánh mối tương quan giữa các biến quan sát và các yếu tố. Đồng thời, các tài liệu nghiên cứu trước đây cho rằng hệ số tải nhân tố phải lớn hơn giá trị 0.5.
Kết quả khám phá nhân tố EFA được luận văn thể hiện trong bảng 4.9. Qua bảng 4.9 có thể thấy rằng hệ số KMO của khám phá nhân tố đạt 0.866 và cao hơn giá trị 0.5 mà các nghiên cứu trước đây đã đề nghị khi phân tích sự phù hợp của khám phá nhân tố EFA. Ngoài ra, kết quả kiểm tra sự phù hợp của khám phá nhân tố EFA
của kiểm định Bartlett cho thấy giá trị p-value của kiểm định bằng 0.0000, nhỏ hơn mức ý nghĩa thống kê 10%. Điều này cho thấy rằng phân tích khám phá nhân tố EFA sẽ trở nên phù hợp để rút gọn các biến quan sát thành các yếu tố như các nghiên cứu trước đây đã từng lập luận.
Bảng 4.10. Kết quả kiểm tra sự phù hợp của khám phá nhân tố
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0.866 Bartlett's Test of Sphericity Approx. Chi-Square 2656.453
df 325
Sig. 0.000
Nguồn: Phụ lục xử lý kết quả dữ liệu thống kê theo phần mềm SPSS
Hơn thế nữa, như đã đề cập, việc phân tích hệ số tải của các biến quan sát trong các thang đo để xem mức độ phù hợp của các yếu tố được trích từ phương pháp khám phá nhân tố EFA. Kết quả này được trình bày trong bảng 4.10. Dựa vào bảng kết quả 4.10 có thể thấy rằng tất cả các biến quan sát đều có giá trị hệ số tải lớn hơn 0.5 và được phân vào 06 thành phần khác biệt với nhau.
Bảng 4.11. Kết quả phân tích khám phá nhân tố
Biến quan sát 1 2 3 4 5 6 PB5 0.905 PB4 0.837 PB2 0.826 PB3 0.789 PB1 0.783 AT3 0.862 AT2 0.852 AT1 0.839
AT5 0.833 AT4 0.824 PC2 0.843 PC4 0.800 PC1 0.799 PC3 0.798 SN4 0.846 SN2 0.801 SN1 0.778 SN3 0.752 PR4 0.815 PR2 0.735 PR1 0.702 PR3 0.680 PU2 0.784 PU4 0.735 PU3 0.692 PU1 0.646
Nguồn: Phụ lục xử lý kết quả dữ liệu thống kê theo phần mềm SPSS
Với những chỉ số trên, luận văn có thể kết luận rằng phân tích khám phá nhân tố EFA hồn tồn có ý nghĩa thực tiễn, khả năng giải thích cho thực tế cao và hình thành 06 yếu tố có ý nghĩa như đã đề cập bao gồm thái độ, nhận thức hữu ích, nhận thức rủi ro, nhận thức kiểm sốt hành vi, nhận thức chi phí tài chính và chuẩn chủ quan.