CHƯƠNG 1 : CƠ SỞ LÝ THUYẾT VỀ GIÁ TRỊ THƯƠNG HIỆU
2.2 Tổng quan nghiên cứu
2.2.1.3 Phương pháp phân tích dữ liệu
Kiểm định thang đo Cronbach’s alpha
Phương pháp này cho phép phân tích nhằm tìm ra những câu hỏi nên chọn lọc ở lại và những câu hỏi nên loại đi trong các mục đưa vào kiểm tra (Hoàng Trọng và
Chu Nguyễn Mộng Ngọc, 2008) hay nói cách khác là phương pháp này giúp chúng ta tối ưu trong việc loại đi những biến quan sát, những thang đo không đạt. Theo nghiên cứu, những biến quan sát có hệ số tương quan biến tổng (Corrected Item-Total Correlation) bé hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach’s Alpha lớn hơn hoặc bằng 0,6.
Nhiều nghiên cứu chỉ ra rằng khi hệ số Cronbach’s Alpha lớn hơn hoặc bằng 0,8 đến gần 01 thì thang đo lường tốt, nếu lớn hơn hoặc bằng 0,7 đến gần 0,8 là có thể chấp nhận được. Tuy nhiên trong một số trường hợp như khái niệm đo lường mới thì việc Cronbach’s Alpha lớn hơn hoặc bằng 0,6 là chấp nhận được được (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phương pháp phân tích nhân tố khám phá (EFA)
Phương pháp này được dùng chủ yếu để đánh giá giá trị hội tụ và giá trị phân biệt. Phương pháp này rất có ích cho việc xác định tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Trong phương pháp phân tích nhân tố EFA, chúng ta cần lưu ý đến các tiêu chuẩn bao gồm: Chỉ số KMO (Kaiser-Meyer-Olkin measure of sampling adequacy): là một chỉ số được dùng để xem xét sự thích hợp của phương pháp phân tích nhân tố. Trị số của KMO lớn (được xác định là lớn hơn bằng 0.5 và bé hơn 1) được xem điều kiện đủ để phương pháp phân tích nhân tố là thích hợp. Nếu chỉ số KMO nhỏ hơn 0.5 thì ngược lại là khơng thích hợp với các dữ liệu. Kiểm định Bartlett’s (trong phương pháp phân tích nhân tố, cần kiểm định mối tương quan của các biến với nhau (H0: các biến khơng có tương quan với nhau trong tổng thể). Nếu giả thuyết H0 không được bác bỏ thì phương pháp phân tích nhân tố có khả năng khơng thích hợp. Nếu kiểm định này có ý nghĩa (sig. <0.05) thì các biến quan sát có tương quan với nhau trong tổng thể. (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Theo Hair & ctg (1998, 111) thì hệ số tải nhân tố hay trọng số nhân tố (Factor loadings): là những hệ số tương quan đơn giữa các biến và các nhân tố, là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA trong đó: hệ số tải lớn hơn 0.3 là đạt mức
tối thiểu, hệ số tải lớn hơn 0.4 được xem là quan trọng, hệ số tải lớn hơn 0.5 là có ý nghĩa thực tiễn.
Thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50% (Gerbing và Anderson, 1988). Phương pháp trích “Principal Component Analysis” được sử dụng trong phương pháp phân tích nhân tố thang đo các thành phần độc lập.
Hệ số eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1. Hệ số này còn lớn hơn hoặc bằng 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.