6. Kết cấu luận văn
2.3 Trình bày phương pháp phân tích thơng tin và kết quả nghiên cứu
2.3.2.2 Phân tích nhân tố khám phá EFA cho biến độc lập và biến phụ thuộc
Phân tích nhân tố khám phá là phương pháp phân tích thống kê dùng để rút gọn một tập hợp nhiều biến quan sát có mối tương quan với nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu.
Khi thang đo đạt độ tin cậy, các biến quan sát sẽ được sử dụng trong phân tích nhân tố khám phá EFA với các yếu tố sau:
+ Hệ số KMO ≥ 0,5 với mức ý nghĩa của kiểm định Bartlett ≤ 0,05 + Hệ số tải nhân tố ≥ 0,5
+ Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và hệ số Eigenvalue > 1
+ Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn hơn 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố.
Kết quả phân tích nhân tố khám phá EFA được trình bày ở Phụ lục 3 và có kết quả như sau:
+ Lần 1: Tập hợp 39 biến quan sát sau khi được kiểm tra độ tin cậy được đưa vào phân tích nhân tố EFA thu được kết quả như sau:
(1) Hệ số KMO đạt 0.861 nên EFA phù hợp với dữ liệu. Thống kê Ch– Square của kiểm định Bartlett’s đạt giá trị 4215.838 với mức ý nghĩa Sig = 0,000 do vậy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể.
59.702% (lớn hơn 50%), điều này thể hiện rằng 7 nhân tố được trích ra này có thể giải thích được 59,702% biến thiên của dữ liệu, đây là kết quả chấp nhận được.
(3) Điểm dừng khi trích các yếu tố tại nhân tố thứ 7 với Eigenvalues là 1,022. Kết quả phân tích nhân tố là phù hợp.
(4) Các biến quan sát hệ số chuyển tải đạt yêu cầu (factor loading > 0,5) (5) Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3; trừ hai biến DK1 và DK5 có hệ số tải giữa các nhân tố ≤ 0,3 => loại 2 biến không đạt là DK1 và DK5.
Sau khi kiểm tra nội dung biến quan sát bị loại bỏ, tác giả nhận thấy nếu loại bỏ các biến trên thì khơng vi phạm ý nghĩa của khái niệm đo lường.
+ Lần 2: Tất cả 37 biến còn lại, tác giả tiến hành thực hiện phân tích EFA lần 2 thu được kết quả như sau:
(1) Hệ số KMO đạt 0.854 nên EFA phù hợp với dữ liệu. Thống kê Ch – Square của kiểm định Bartlett’s đạt giá trị 3967.986 với mức ý nghĩa Sig = 0,000 do vậy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể.
(2) Kết quả phân tích nhân tố cũng cho thấy phương sai được giải thích là 58.189% (lớn hơn 50%), điều này thể hiện rằng 7 nhân tố được trích ra này có thể giải thích được 58.189% biến thiên của dữ liệu, đây là kết quả chấp nhận được.
(3) Điểm dừng khi trích các yếu tố tại nhân tố thứ 7 với Eigenvalues là 1.119. Do vậy, kết quả phân tích nhân tố là phù hợp.
(4) Các biến quan sát hệ số chuyển tải đạt yêu cầu (factor loading > 0,5) (5) Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3.
* Phân tích nhân tố khám phá EFA cho biến phụ thuộc (thang đo mức độ động viên nhân viên)
Để đảm bảo độ tin cậy và độ kết dính các nhân tố của mức độ động viên nhân viên đã đưa ra ở phần cơ sở lý thuyết, tác giả tiến hành phân tích nhân tố đối với nhân tố thang đo động viên nhân viên. Mong đợi của tác giả là các nhân tố này sẽ cùng nhau tạo thành một nhân tố có hệ số Eigenvalue lớn hơn 1. Điều đó có
nghĩa là nhân tố đo lường động viên nhân viên có độ kết dính cao và cùng thể hiện một nhân tố động viên nhân viên.
Sau khi phân tích EFA, dùng phương pháp PCA, sáu biến quan sát của các thang đo mức độ động viên nhân viên được gom thành 1 nhân tố. Khơng có biến quan sát nào bị loại, EFA phù hợp với hệ số KMO = 0,852, phương sai trích là 58,252%, các biến số có hệ số tải nhân tố trên 0,5, mức ý nghĩa kiểm định của Bartlett là: 0,000.