CHƯƠNG 3 : KẾT QUẢ NGHIÊN CỨU
3.4. Phân tích nhân tố EFA
Để phân biệt rõ ràng giữa các nhân tố thì khi phân tích nhân tố khám phá EFA cần đảm bảo các tiêu chí:
Thứ nhất, hệ số KMO (Kaiser – Meyer – Olkin) lớn hơn hoặc bằng 0.5 và nhỏ hơn
1 thì phân tích nhân tố là thích hợp. Ý nghĩa kiểm định Bartlett dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể, có sig nhỏ hơn hoặc bằng 0.05 (Hồng Trọng & Chu Nguyễn Mộng Ngọc. Phân tích dữ liệu nghiên cứu với spss, Tập 2, trang 30, 31 – Năm 2008. NXB Hồng Đức).
Thứ hai, hệ số tải nhân tố (Factor loading) lớn hơn hoặc bằng 0.45. Biến nào có
hệ số tải nhân tố nhỏ hơn 0.45 sẽ bị loại. (Tabanick & Fidell, 1989, Using Multivariate Statistic, Northrigde, USA: HaperCollins Publishers).
Thứ ba, thang đo chấp nhận được khi tổng phương sai trích lớn hơn hoặc bằng
50% và Eigenvalue có giá trị lớn hơn 1.
Thứ tư, khác biệt hệ số tải của một biến quan sát giữa các nhân tố lớn hơn hoặc
bằng 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.
3.4.1. Phân tích nhân tố EFA các thang đo của 6 yếu tố độc lập
Sau khi thực hiện kiểm định độ tin cậy thang đo bằng Cronbach’s Alpha của 6 yếu tố độc lập: Mục tiêu rõ ràng; Phong cách lãnh đạo; Chính sách đãi ngộ; Cơng nhận sự đóng góp cá nhân; Quyền tự chủ trong cơng việc; Mơi trường làm việc thì có 31 biến được đưa vào phân tích nhân tố khám phá EFA.
Bảng 3.11 Kiểm định KMO của 31 biến
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .785 Bartlett's Test of Sphericity Approx. Chi-Square 3210.434
df 465
Sig. .000
Nguồn: Kết quả phân tích của tác giả, 2017
Theo kết quả phân tích cho thấy hệ số KMO = 0.785 (>0.5) với mức ý nghĩa sig= .000 (≤0.05) trong kiểm định Barllet, tổng phương sai trích bằng 64.198% (>50%) nên các biến có tương quan với nhau và thỏa điều kiện trong phân tích nhân tố.
Phân tích nhân tố khám phá EFA được tiến hành theo phương pháp trích yếu tố Principal Components với phép xoay Varimax nhằm mục đích nhóm các thang đo thành các nhân tố mới, giảm cộng tuyến giữa các nhân tố trong việc phân tích hồi quy bội tiếp theo.
Theo kết quả từ bảng 3.12, các nhân tố được trích đều thỏa điều kiện Factor Loading của các biến đều lớn hơn 0.5 và chênh lệch giữa Factor Loading lớn nhất và Factor Loading bất kỳ đều lớn hơn 0.3. Kết quả trích được 6 nhân tố như sau:
(1) Nhân tố thứ nhất gồm 6 biến quan sát LD1, LD2, LD3, LD4, LD5, LD6 đo lường yếu tố Vai trò người lãnh đạo (LD)
(2) Nhân tố thứ hai gồm 5 biến quan sát CN1, CN2, CN3, CN4, CN5 đo lường yếu tố Công nhận sự đóng góp cá nhân (CN).
(3) Nhân tố thứ ba gồm 5 biến quan sát MT1, MT2, MT3, MT4, MT5 đo lường yếu tố Mục tiêu rõ ràng (MT).
(4) Nhân tố thứ tư gồm 5 biến quan sát DN1, DN2, DN3, DN4, DN5 đo lường yếu tố Chính sách đãi ngộ (DN).
(5) Nhân tố thứ năm gồm 5 biến quan sát TC1, TC2, TC3, TC4, TC5 đo lường yếu tố Quyền tự chủ trong công việc (TC).
(6) Nhân tố thứ sáu gồm 5 biến quan sát LV1, LV2, LV3, LV4, LV5 đo lường yếu tố Môi trường làm việc (MT).
Bảng 3.12 Kết quả phân tích nhân tố khám phá EFA của các biến độc lập Mã Mã hóa Nhân tố Biến quan sát 1 2 3 4 5 6 LD3 .901 Phong cách lãnh đạo LD1 .892 LD2 .862 LD5 .844 LD6 .838 LD4 .827 CN5 .905 Công nhận sự đóng góp cá nhân CN1 .890 CN4 .890 CN3 .860 CN2 .842 MT2 .834 Mục tiêu rõ ràng MT5 .818 MT1 .784 MT4 .741 MT3 .661 DN2 .842 Chính sách đãi ngộ DN5 .792 DN4 .788 DN3 .705 DN1 .617 TC1 .847 Quyền tự chủ
trong công việc
TC5 .844 TC4 .756 TC2 .720 TC3 .557 LV2 .734 Môi trường làm việc LV1 .715 LV3 .672 LV4 .635 LV5 .624
Nguồn: Kết quả phân tích của tác giả, 2017
Sáu nhân tố mới sẽ được sử dụng để xác định mối quan hệ với biến Động lực phụng sự công thông qua mô hình hồi quy tuyến tính với phương pháp bình phương bé
nhất (OLS). Giá trị của 6 nhóm nhân tố này sẽ được tính bằng phương pháp Save As Variables của phần mềm SPSS 20 khi phân tích nhân tố khám phá EFA.
3.4.2. Phân tích nhân tố khám phá EFA biến phụ thuộc
Sau khi thực hiện kiểm định độ tin cậy thang đo bằng Cronbach’s Alpha của yếu tố phụ thuộc thì tác giả có 7 biến để đưa vào phân tích nhân tố khám phá EFA.
Bảng 3.13 Kiểm định KMO của 7 biến
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .808 Bartlett's Test of Sphericity Approx. Chi-Square 383.541
df 21
Sig. .000
Nguồn: Kết quả phân tích của tác giả, 2017
Theo kết quả phân tích cho thấy hệ số KMO = 0.808 (>0.5) với mức ý nghĩa sig= .000 (≤0.05) trong kiểm định Barllet, tổng phương sai trích bằng 50.060% (>50%) nên các biến có tương quan với nhau và thỏa điều kiện trong phân tích nhân tố.
Kết quả phân tích nhân tố khám phá EFA được tiến hành theo phương pháp trích yếu tố Principal Components với phép xoay Varimax cho kết quả trích 1 nhân tố bao gồm 7 biến quan sát HL1, HL2, HL3, HL4, HL5, HL6, HL7 đo lường yếu tố Động lực phụng sự công (HL). Giá trị của nhóm nhân tố này sẽ được tính bằng phương pháp Save As Variables của phần mềm SPSS 20 khi phân tích nhân tố khám phá EFA.