CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
4.1. Mô tả mẫu
4.1.8. Phân tích nhân tố khám phá (EFA) của biến phụ thuộc
4.1.8.1. Phân tích nhân tố khám phá (EFA) của biến phụ thuộc cho mơ hình con
Tác giả tiến hành phân tích nhân tố khám phá (EFA) tiếp theo với 3 nhân tố. Khi phân tích nhân tố, nghiên cứu đặt ra giả thuyết
Giả thuyết B0: Các biến trong tổng thể khơng có tương quan với nhau. Giả thuyết B1: Các biến trong tổng thể có tương quan với nhau.
Hệ số KMO và Kiểm định Bartlett's
Hệ số Kaiser-Meyer-Olkin 0,686
Mơ hình kiểm tra Bartlett's
Giá trị Chi-Square 110.001
df (Bậc tự do) 3
Sig. (giá trị P-Value) 0,000
Nguồn: Kết quả phân tích từ dữ liệu khảo sát năm 2017 bằng SPSS 16.
Kết quả kiểm định cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (Sig = 0,000 < 0,05, Bác bỏ giả thuyết B0, Chấp Nhận B1). Đồng thời hệ số KMO = 0,686> 0.5 chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp và dữ liệu phù hợp cho việc phân tích nhân tố.
Bảng 4.19. Tổng phương sai giải thích Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2.004 66.794 66.794 2.004 66.794 66.794 2 .548 18.259 85.054 3 .448 14.946 100.000
Extraction Method: Principal Component Analysis.
Nguồn: Kết quả phân tích từ dữ liệu khảo sát năm 2018 bằng SPSS 20.
Kết quả phân tích nhân tố biến phụ thuộc cho thấy 3 quan sát (câu hỏi) được trích rút thành một yếu tố có Eigenvalues là 2,004 >1 với phương sai được trích là 66.794%. Kết quả này kiểm nghiệm được biến phụ thuộc được miêu tả bằng 3 quan sát đã đề cập là phù hợp.
4.1.8.2. Phân tích nhân tố khám phá (EFA) của biến phụ thuộc cho mơ hình mẹ
Tác giả tiến hành phân tích nhân tố khám phá (EFA) tiếp theo với 3 nhân tố. Khi phân tích nhân tố, nghiên cứu đặt ra giả thuyết
Giả thuyết H1: Các biến trong tổng thể có tương quan với nhau. Bảng 4.20. Hệ số KMO và kiểm định Barlett của biến phụ thuộc
Hệ số KMO và Kiểm định Bartlett's
Hệ số Kaiser-Meyer-Olkin 0,677
Mơ hình kiểm tra Bartlett's
Giá trị Chi-Square 113.971
df (Bậc tự do) 3
Sig. (giá trị P-Value) 0,000
Nguồn: Kết quả phân tích từ dữ liệu khảo sát năm 2018 bằng SPSS 20.
Kết quả kiểm định cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (Sig = 0,000 < 0,05, Bác bỏ giả thuyết H0, Chấp Nhận H1). Đồng thời hệ số KMO = 0,677> 0.5 chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp và dữ liệu phù hợp cho việc phân tích nhân tố.
Bảng 4.21. Tổng phương sai giải thích Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2.009 66.979 66.979 2.009 66.979 66.979 2 .576 19.214 86.194 3 .414 13.806 100.000
Extraction Method: Principal Component Analysis.
Nguồn: Kết quả phân tích từ dữ liệu khảo sát năm 2017 bằng SPSS 16.
Kết quả phân tích nhân tố biến phụ thuộc cho thấy 3 quan sát (câu hỏi) được trích rút thành một yếu tố có Eigenvalues là 2,009>1 với phương sai được trích là 66.979%. Kết quả này kiểm nghiệm được biến phụ thuộc được miêu tả bằng 3 quan sát đã đề cập là phù hợp.