Biến quan
sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến Tương quan biến - tổng hiệu chỉnh Cronbach’s Alpha nếu loại biến Chất lượng sản phẩm khi có bảo hộ (CL): Cronbach’s Alpha = 0.786
CL1 10.6649 5.550 .603 .728
CL2 10.9215 5.557 .629 .716
CL3 10.7958 5.174 .663 .696
CL4 10.6545 5.659 .488 .789
Chủng loại sản phẩm khi có bảo hộ (MM): Cronbach’s Alpha = 0.616
MM1 7.2775 1.780 .429 .510
MM2 7.1780 1.947 .474 .458
MM3 7.7016 1.842 .380 .585
Năng suất sản xuất khi có bảo hộ (NS): Cronbach’s Alpha = 0.786
NS1 11.0419 4.356 .495 .786
NS2 11.2565 4.244 .628 .715
NS3 11.3037 4.560 .574 .743
NS4 11.2251 3.923 .687 .682
Chi phí sản suất khi có bảo hộ (GIA): Cronbach’s Alpha = 0.746
GIA1 12.1990 3.465 .561 .676
GIA2 11.7068 3.724 .475 .724
GIA3 11.9005 3.153 .664 .612
GIA4 11.5497 3.891 .468 .726
Khả năng thích ứng khi có bảo hộ (TU): Cronbach’s Alpha = 0.839
TU1 7.4869 2.209 .647 .830
TU2 7.3246 2.105 .725 .753
TU3 7.5131 2.177 .736 .744
Sự phát triển của doanh nghiệp PT): Cronbach’s Alpha = 0.831
PT1 11.4660 4.250 .663 .784
PT2 10.9581 4.177 .622 .805
PT3 11.5079 4.114 .764 .740
PT4 11.6649 4.477 .596 .814
Kết quả hệ số Cronbach’s Alpha của các thang đo đều đạt yêu cầu (α nhỏ nhất là của MM = 0.616), và các hệ số tương quan biến - tổng của các biến thành phần đều lớn hơn 0.3 (nhỏ nhất là của MM3= 0.38). Vì vậy các biến đo lường thành phần của 6 thang đo này đều được sử dụng trong phân tích EFA tiếp theo.
4.2.2.2 Phân tích nhân tố khám phá
Phân tích nhân tố khám phá là tập kỹ thuật phân tích thống kế có liên hệ nhau được dùng để kiểm định giá trị thang đo (hội tụ và phân biệt) từ đó rút gọn một tập biến quan sát k thành một tập biến F (F<k) các yếu tố có ý nghĩa hơn, được dùng để phân tích hồi quy sau này (Nguyễn Đình Thọ, 2011). Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn:
Chọn nhóm trích nhân tố: Tùy theo mục đích phân tích EFA để chọn nhóm trích
nhân tố:
PCA (Principal Component Analysis): trích được nhiều phương sai hơn, dùng để đánh giá nhân tố tốt hơn phục vụ cho mục đích dự báo tiếp theo.
CFM (Common Factor Model): trích được ít phương sai hơn nhưng phản ánh dữ liệu chính xác hơn, dùng để đánh giá thang đo tốt hơn.
Chọn số lượng nhân tố trích:
Tiêu chí eigenvalue: (là đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) phải >= 1 thì nhân tố rút ra có ý nghĩa tóm tắt thơng tin tốt nhất (Hair, 2011).
Tiêu chí điểm uốn: là điểm tại đó đường biểu diễn eigenvalue = f (số nhân tố) thay đổi đột ngột độ dốc.
Đánh giá sự phù hợp của mơ hình EFA: dùng kiểm định Barlett hoặc KMO
Hệ số KMO (Kaiser- Meyer-Olkin) dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan riêng phần của chúng. Giá trị phải đạt giá trị trong khoảng [0.5 -1] thể hiện phân tích nhân tố là phù hợp (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn (Nguyễn Đình Thọ, 2011)
Kiểm định Barlett (dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I) có ý nghĩa thống kê (sig < 0,05) thì giữa các biến quan sát có tương quan với nhau trong tổng thể đủ để tiến hành phân tích EFA. (Hair, 2010).
Đánh giá thang đo, cần xem xét các thuộc tính:
Số lượng nhân tố trích: phải phù hợp với giả thiết ban đầu về số lượng thành phần của thang đo (nếu khái niệm đa hướng) hoặc số lượng khái niệm đơn hướng. Nếu đạt được điều này, có thể kết luận là các khái niệm nghiên cứu (đơn hướng) hoặc các thành phần của một khái niệm đa hướng đạt được giá trị phân biệt. Số lượng nhân tố lớn hoặc nhỏ hơn giả thiết ban đầu có thể là do dữ liệu khảo sát khơng đạt u cầu hoặc có hai thành phần có thể gom thành một, cần xem xét lại lý thuyết xây dựng khái niệm (Nguyễn Đình Thọ, 2011).
Hệ số tải nhân tố (Factor Loading) > 0,3 đạt mức tối thiểu, > 0,4 xem là quan trọng, > 0,5 xem là có ý nghĩa thực tiễn. Hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Ngoài ra, Hair & ctg (2010) cũng đề nghị: nếu chọn tiêu chuẩn hệ số tải nhân tố ≥ 0.3 thì cỡ mẫu của nghiên cứu ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố ≥ 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải ≥ 0.75. Trong nghiên cứu này, nếu biến quan sát nào có hệ số tải nhân tố < 0.50 sẽ bị loại.
Tổng phương sai trích (Cumultive) phải ≥ 50% được chấp nhận, từ 60% trở lên là tốt (Nguyễn Đình Thọ, 2011).
Hiệu trọng số nhân tố: hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003). Nếu một biến quan sát thuộc nhiều nhân tố thì nó sẽ thuộc về nhân tố có giá trị lớn nhất, nhưng nếu nó có giá trị gần nhau ở cả hai nhân tố (hai hệ số tải ở hai nhân tố <0.3) thì xem như đó là biến đa hướng, nếu nghiên cứu tập trung vào biến đơn hướng thì cần loại bỏ biến đó.
Phân tích nhân tố cho biến độc lập
Nghiên cứu này sử dụng phương pháp trích PCA với phép xoay vng góc Varimax cho 18 biến quan sát của 5 nhân tố đưa vào phân tích EFA. Kết quả phân tích nhân tố cho các biến độc lập được trình bày trong bảng 4.6.