Nguồn: Kết quả xử lý dữ liệu SPSS
Dựa vào Bảng tổng hợp kết quả kiểm định Cronbach’s Alpha ở trên cho thấy cả 5 thang đo đều đạt yêu cầu (0,6<Cronbach’s alpha < 0,95). Các thang đo này sẽ được thực hiện phân tích nhân tố khám phá EFA để kiểm định giá trị hội tụ và giá trị phân biệt ở phần tiếp theo.
4.2.3 Phân tích nhân tố khám phá EFA
* Phân tích nhân tố khám phá EFA các biến độc lập
Phương pháp phân tích nhân tố khám phá EFA giúp đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Để có hệ số tải nhân tố hay trọng số nhân tố Factor loading > 0.50 (được xem là có ý nghĩa thực tiễn), đồng thời đảm bảo hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt (Phụ lục 3). Kết quả phân tích như sau:
Kiểm định KMO đạt 0.792 (0.5< KMO <1) cho thấy phân tích nhân tố thích hợp với dữ liệu nghiên cứu. Kiểm định Barllett đạt 366.223 với mức ý nghĩa sig = 0.000 < 0.05, bác bỏ giả thuyết H0: Phân tích nhân tố khơng phù hợp. Như vậy, dữ liệu nghiên cứu này dùng để phân tích nhân tố là hồn tồn thích hợp.
phương sai trích (Cumulative) đạt 74.002% (> 50%, đạt u cầu) có ý nghĩa là 4 nhân tố được rút trích giải thích được 74.002% sự biến thiên của dữ liệu.
Từ ma trận xoay cho thấy tất cả các biến quan sát đều có hệ số tải nhân tố từ 0.619 trở lên, đảm bảo yêu cầu lớn hơn 0.50. Không có biến nào bị loại, 12 biến rút trích thành 4 nhân tố giải thích được 74.002% sự biến thiên của dữ liệu (Phụ lục 3). Kết quả sau khi phân tích nhân tố khám phá được tổng hợp lại ở Bảng 4.8
Bảng 4.8 Kết quả phân tích EFA đối với các yếu tố quản trị nguồn nhân lực ảnh hưởng đến hiệu quả công việc của công chức, viên chức .
Nguồn: Kết quả xử lý dữ liệu SPSS
* Phân tích nhân tố khám phá EFA biến phụ thuộc
Nhân tố Hiệu quả cơng việc của cơng chức có 03 biến quan sát được đưa vào phân tích nhân tố có độ hội tụ cao và gom thành một nhân tố, các biến này đều có hệ số tải nhân tố lớn hơn 0.50, phương sai trích 74.855%, Sig = 0.000 và KMO là 0.696, điểm dừng Eigenvalues là 2.246>1 (Phụ lục 3).