CHƢƠNG 3 : THIẾT KẾ NGHIÊN CỨU
3.4 Phƣơng pháp phân tích dữ liệụ
3.4.2 Phân tích nhân tố khám phá EFẠ
Sau khi sử dụng phƣơng pháp Cronbach‟s Alpha để đánh giá độ tin cậy của thang đo, tiếp tục sử dụng phƣơng pháp phân tích nhân tố khám phá EFA để đánh giá giá trị của thang đọ Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phƣơng pháp phân tích nhân tố khám phá nhân tố EFA sẽ giúp đánh giá hai loại giá trị này (Nguyễn Đình Thọ, 2013).
Một số tham số thống kê trong phân tích nhân tố khám phá EFA:
Chỉ số Kaiser-Meyer-Olkin(KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (từ 0,5 đến 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu nhƣ trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định Bartlett: chỉ số Bartlett là một đại lƣợng dùng để xem xét các biến khơng có tƣơng quan trong một tổng thể. Điều kiện cần để phân tích nhân tố đó là các biến phải có tƣơng quan với nhau (các biến đo lƣờng phản ánh các
khía cạnh khác nhau của nhân tố chung). Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì khơng nên dùng phân tích nhân tố cho các biến đang xem xét. Lúc đó các biến đo lƣờng có thể đƣợc xem là các nhân tố thực sự ( Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Kiểm định này có ý nghĩa thống kê khi mức ý nghĩa Sig. < 0,05, có thể kết luận các biến có tƣơng quan với nhau trong tổng thể.
Ma trận tƣơng quan Correlation Matrix: cho biết hệ số tƣơng quan giữa tất cả các cặp biến trong phân tích. ( Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
Tiêu chí Eigenvalue và tiêu chí điểm gãy: đây là hai tiêu chí thƣờng đƣợc sử dụng để xác định số lƣợng nhân tố. Số lƣợng nhân tố đƣợc xác định tại nhân tố có Eigenvalue tối thiểu bằng 1 đối với tiêu chí Eigenvalue, cịn đối với tiêu chí điểm gãy thì sẽ đƣợc xác định tại điểm thay đổi đột ngột độ dốc. (Nguyễn Đình Thọ, 2013).