CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3 Phân tích nhân tố khám phá EFA
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là khơng có biến phụ thuộc và biến độc lập, chỉ dựa vào mối tương quan giữa các biến với nhau (interrelationships).
EFA dùng để rút gọn một tập k biến quan sát thành một tập F <k các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến biến quan sát.
Tiêu chuẩn của phương pháp phân tích nhân tố: - Theo Kaisen (1974) thì chỉ số KMO > 0.5;
- Theo Nguyễn Đình Thọ (2013) thì 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 thì giá trị Eigenvalue >= 1 và tổng phương sai trích > 50%. Do đó trong mỗi nhân tố thì những biến quan sát có hệ số Factor loading < 0.5 sẽ tiếp tục bị loại để bảo đảm sự hội tụ giữa các biến quan sát trong một nhân tố.
- Các trường hợp không thỏa mãn các điều kiện trên sẽ bị loại bỏ.
Sau khi phân tích kiểm định Cronbach’s Anpha và loại bỏ đi những biến có tương quan biến – tổng yếu trong từng nhóm thang đo, ta tiến hành phân tích nhân tố sử dụng phần mềm SPSS cho các nhóm biến sau:
4.3.1 Phân tích nhân tố khám phá EFA đo nhóm biến độc lập
Bảng 4.8 Kết quả khám phá EFA
Nguồn: số liệu từ dữ liệu khảo sát
- Kết quả hệ số KMO bằng 0.875> 0.5 chứng tỏ sự thích hợp của phân tích nhân tố EFA.
- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Điều kiện cần để áp dụng
Nhân tố
Niềm tin Hệ thống thông tin Hệ thống khen thưởng Tương tác nhân viên
NT5 .800 NT1 .794 NT4 .791 NT3 .784 NT2 .776 NT6 .673 NT7 .629 HTTT1 .906 HTTT4 .794 HTTT2 .776 HTTT3 .654 HTKT1 .796 HTKT3 .787 HTKT4 .749 HTKT2 .644 NV3 .816 NV4 .814 NV1 .719 NV2 .661 Eigenvalue 8.220 2.128 1.655 1.417 KMO = 0.875 Bartlett’s: Sig. = 0.000
phân tích nhân tố đó là các biến quan sát mà phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Kết quả sig=0.000 < 0.05 chứng tỏ rằng các biến quan sát có tương quan với nhau và thỏa điều kiện phân tích nhân tố.
- Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích. Kết quả cho thấy có 4 nhân tố có Eigenvalue>=1 nên cả 4 nhân tố đều được giữ lại.
- Tổng phương sai trích là 70.629% ≥ 50% cho thấy mơ hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện 4 nhân tố này giải thích được 70.629 % biến thiên của dữ liệu.
- Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại, hệ số này thể hiện ở ma trận xoay nhân tố. Kết quả cho thấy ở ma trận xoay tất cả các biến quan sát đầu vào đều thỏa điều kiện hệ số tải >=0.5 và hội tụ thành 4 nhân tố.
4.3.2 Phân tích nhân tố khám phá EFA đo nhóm biến phụ thuộc
Nhân
tố Trị số Eigenvalues
Các chỉ số kiểm định KMO Bartlett Tổng phương
sai trích Ma trận xoay 1 2.985 .719 Sig =.000 59.691 % “chỉ có 1 nhân tố được trích”
Bảng 4.9 Kết quả khám phá EFA các nhóm nhân tố phụ thuộc
Nguồn: số liệu từ dữ liệu khảo sát
Nhận thấy kết quả kiểm định KMO và Bartlett chỉ ra các biến quan sát của thang đo chia sẻ tri thức có mối quan hệ tương quan với nhau và đủ điều kiện để phân tích nhân tố vì KMO = 0.719 > 0.5 và kiểm định Bartlett's là 342.373 với mức
ý nghĩa Sig. = 0.000 < 0.05 điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hồn tồn thích hợp.
Tổng phương sai trích là 59.691% ≥ 50% cho thấy mơ hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện nhân tố chia sẻ tri thức giải thích được 59.691 % biến thiên của dữ liệu.
Bảng Rotated Component Matrix báo Only one component was extracted. The solution cannot be rotated. Đây không phải là lỗi phần mềm hay lỗi dữ liệu, thơng báo này mang ý nghĩa: Chỉ có 1 nhân tố được trích, do đó, SPSS khơng thể thực hiện xoay ma trận. Điều này hoàn toàn hợp lý, bởi SPSS chỉ thực hiện xoay nhân tố khi có từ 2 nhân tố trở lên được trích.
Sau khi thực hiện phân tích nhân tố và quyết định các biến có ý nghĩa để giữ lại phân tích hồi quy, ta tính tốn giá trị đại diện cho từng nhân tố bằng trung bình của các biến thuộc cùng một nhân tố:
- Nhân tố chia sẻ tri thức: TT (trung bình của TT1, TT2, TT3, TT4, TT5). - Nhân tố niềm tin: NT (trung bình của NT1, NT2, NT3, NT4, NT5, NT6, NT7).
- Nhân tố sự tương tác giữa nhân viên: NV (trung bình của NV1, NV2, NV3, NV4).
- Nhân tố hệ thống thông tin: HTTT (trung bình của HTTT1, HTTT2, HTTT3, HTTT4).
- Nhân tố hệ thống thưởng: HTKT (trung bình của HTKT1, HTKT2, HTKT3, HTKT4).