Các thang đo đƣợc đánh giá sơ bộ thông qua hai cơng cụ chính: hệ số tin cậy Cronbach‟s alpha và phƣơng pháp yếu tố khám phá EFA, sử dụng phần mềm SPSS 16.0.
3.3.1 Hệ số tin cậy Cronbach’s alpha:
Một thang đo đƣợc gọi là có giá trị khi nó đo lƣờng đúng cái cần đo. Thang đo đó tránh đƣợc hai loại sai lệch, sai lệch hệ thống và sai lệch ngẫu nhiên. Độ tin cậy thang đo cho cùng một kết quả khi đo lặp đi lặp lại, là tiêu chuẩn để đánh giá sự phù hợp của thang đo.
Hệ số Cronbach‟s Alpha đƣợc sử dụng để loại các biến không phù hợp. Các biến có hệ số tƣơng quan biến-tổng (item-total correlation) nhỏ hơn 0.30 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy alpha từ 0.60 trở lên (Nunnally & Burnstein, 1994).
3.3.2 Phân tích yếu tố khám phá EFA (exploratory factor loading):
Sau khi các thang đo đƣợc đánh giá độ tin cậy là đạt yêu cầu, chúng sẽ đƣợc đƣa vào phân tích nhân tố EFA. Phân tích EFA dùng kiểm định độ giá trị phân biệt và độ giá trị hội tụ các yếu tố trích đƣợc của các biến quan sát trong các thang đo các biến độc lập. Phân tích nhân tố EFA chỉ đƣợc sử dụng khi hệ số KMO (Kaise- Meyer-Olkin) có giá trị nằm trong khoảng 0.5 đến 1. Số nhân tố đƣợc xác định dựa trên chỉ số Eigenvalue – đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser, những nhân tố có eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mơ hình. Tiêu chuẩn phƣơng sai trích (Varance explained criteria): tổng phƣơng sai trích bằng hoặc lớn hơn 50%. (Gerbing & Anderson 1988)
Để thang đo đạt giá trị hội tụ thì hệ số tƣơng quan đơn giữa các biến và các nhân tố (factor loading) phải ≥ 0,4 trong một nhân tố (Gerbing & Anderson 1988). Để đạt độ giá trị phân biệt, khác biệt giữa các factor loading phải ≥ 0,3 (Jabnoun & ctg, 2003).
Trong phƣơng pháp kiểm định các thang đo nhằm điều chỉnh để phục vụ cho việc chạy hồi quy mơ hình tiếp theo. Phƣơng pháp trích yếu tố principal axis factoring với phép quay promax (oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phƣơng pháp trích principal components với phép quay varimax (orthogonal) (Gerbing & Anderson 1988). Phƣơng pháp trích principal axis factoring sẽ cho ta kết quả là số lƣợng nhân tố là ít nhất để giải thích phƣơng sai chung của tập hợp các biến quan sát trong sự tác động qua lại giữa chúng.
Trong khi đó phƣơng pháp principal components sẽ cho kết quả là một tập hợp các nhân tố giải thích cả phƣơng sai chung và đặc trƣng của các biến. Tuy nhiên với các thang đo đơn hƣớng thì phép trích principal components đƣợc sử dụng, vì nó khơng loại đi biến đạt giá trị về mặt nội dung.
3.3.3 So sánh hai mơ hình:
Phân tích biến của các mơ hình hồi quy, xem xét F-ratio, F-value của kiểm định phần dƣ.