3.5.1. Hệ số tin cậy Cronbach’s Alpha
Hệ số tin cậy Cronbach’s Alpha được sử dụng để đánh giá sơ bộ thang đo nhằm loại bỏ những biến quan sát không phù hợp, không đạt yêu cầu trước khi tiến hành phân tích nhân tố EFA. Những thang đo có hệ số Cronbach’s Alpha đạt từ .80 đến gần 1.0 là thang đo tốt, từ .70 đến .80 là thang đo sử dụng được. Tuy nhiên, nếu Cronbach’s Alpha có giá trị từ .60 thì có thể chấp nhận được, trong trường hợp những khái niệm cần được đo lường là mới hoặc mới đối với người trả lời trong bối
cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995, trích trong Nguyễn Đình Thọ, 2011). Ngồi ra, nếu hệ số Cronbach’s Alpha có giá trị từ .95 trở lên thì có nhiều khả năng thang đo có chứa biến trùng lắp (biến thừa), nghĩa là có những biến cùng đo lường một nội dung nào đó của khái niệm nghiên cứu.Thang đo lúc này không đạt độ tin cậy vì các biến đo lường này gần như là một (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2003).
Ngoài ra, biến quan sát mà có hệ số tương quan biến – tổng hiệu chỉnh (corrected item – total correlation) nhỏ hơn .30 thì sẽ phải xem xét những nội dung mà biến đó đóng góp vào khái niệm nghiên cứu. Nếu không vi phạm giá trị nội dung thì biến đó sẽ bị loại bỏ khỏi thang đo.
3.5.2. Phân tích nhân tố EFA
Nghiên cứu sử dụng phân tích nhân tố EFA (Exploratory Factor Analysis)
chủ yếu để đánh giá giá trị hội tụ, giá trị phân biệt của những khái niệm nghiên cứu. Nghiên cứu sử dụng phương pháp PAF với phép xoay Promax vì phương pháp này phản ánh cấu trúc dữ liệu chính xác hơn PCA (Principal Components Analysis)
cùng với phép xoay vng góc, thường là Varimax (Gerbing và Anderson, 1988, trích trong Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2003). Trong phân tích EFA, có những tiêu chí cần quan tâm:
Thứ nhất, chỉ số KMO (Kaiser – Meyer – Olkin measure of sampling adequacy) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp. Nếu KMO < 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008,). Ngoài ra, kiểm định Bartlett’s xem xét giả thuyết về sự tương quan giữa các biến quan sát bằng không trong tổng thể. 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). Tuy nhiên, có thể dựa vào kết quả trọng số nhân tố và tổng phương sai trích đạt u cầu thì kiểm định
KMO và Bartlett’s khơng cịn cần thiết nữa, vì chúng ln đạt u cầu (Nguyễn Đình Thọ, 2011).
Thứ hai, hệ số Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 (Anderson và Gerbing, 1988, trích trong Nguyễn Đình Thọ, 2011). Chỉ có những nhân tố nào có hệ số Eigenvalue > 1 mới được giữ lại trong mơ hình phân tích.
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50% (Gerbing và Anderson, 1988 trích trong Nguyễn Đình Thọ, 2011). Vì giá trị này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Với tổng phương sai trích từ 60% trở lên được xem là tốt.
Thứ tứ, trọng số nhân tố (factor loadings) lớn hơn hoặc bằng .50 (Hair và cộng sự, 1998) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Trọng số nhân tố tối thiểu phải lớn hơn .30, nếu lớn hơn .40 thì được xem là quan trọng và từ .50 trở lên thì có ý nghĩa thực tiễn. Trong trường hợp, nếu trọng nhân tố < .50 thì biến quan sát này thực sự không đo lường khái niệm cần đo, có thể loại biến quan sát này khi không vi phạm giá trị nội dung. Chênh lệch trọng số nhân tố của một biến quan sát trên những các nhân tố mà biến đó đo lường phải từ .30 trở lên để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun và Al Tamimi, 2003, trích trong Nguyễn Đình Thọ, 2011).
3.5.3. Phân tích nhân tố khẳng định CFA
Nghiên cứu sử dụng phân tích nhân tố khẳng định CFA (Confirmatory
Factor Analysis) để đo lường mức độ phù hợp của mơ hình với thơng tin thị trường.
Các chỉ số cần quan tâm như Chi-square (CMIN), chỉ số RMSEA (Root Mean Square Error Approximation) (Kline, 2010), chỉ số GFI (Goodness-of-Fit statistic), chỉ số AGFI (Adjusted Goodness-of-Fit statistic), chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số RMR và chỉ số SRMR (Hooper và cộng sự, 2008).
Mơ hình được xem là phù hợp với dữ liệu thị trường khi kiểm định Chi- square có giá trị p-value > 0.05. Tuy nhiên, Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu vì vậy Chi-square sẽ khơng cịn ý nghĩa với những mẫu lớn. Hay với những mẫu có kích thước nhỏ, Chi-square gần như khơng có sự khác biệt giữa mơ hình phù hợp và không phù hợp. Do sự hạn chế này của Chi-square, các nhà nghiên cứu đã tìm cách thay thế các chỉ số khác để đánh giá mức độ phù hợp của mơ hình. Chẳng hạn như dùng chỉ số Chi-square điều chỉnh theo bậc tự do (CMIN/df) ≤ 2 (Tabachnick và Fidell, 2007) để thay cho Chi-square.
Chỉ số RMSEA là một chỉ tiêu quan trọng, xác định mức độ phù hợp của mơ hình so với tổng thể. Chỉ số RMSEA có giá trị nằm trong khoảng từ 0.05 đến 0.10 được xem là dấu hiệu cho sự phù hợp, còn lớn hơn 0.10 là mơ hình khơng phù hợp. Với chỉ số RMSEA ≤ 0.08 thì mơ hình phù hợp với dữ liệu thị trường (MacCallum và cộng sự, 1996). Tuy nhiên, có ý kiến cho là chỉ số RMSEA có giá trị gần với 0.06 (Hu và Bentler, 1999) thì mơ hình tương thích với dữ liệu.
Chỉ số GFI đã được tạo ra bởi Jöreskog và Sorbom, đo độ phù hợp tuyệt đối như một thay thế cho kiểm định Chi-Square. Giá trị của GFI nằm trong khoảng từ 0 đến 1, với mẫu lớn hơn thì giá trị cũng tăng (Hooper và cộng sự, 2008). Chỉ số AGFI được đề xuất thay thế GFI, chỉ số này điều chỉnh GFI theo bậc tự do trong mơ hình và cũng có giá trị từ 0 đến 1. Chỉ số này thường được chấp nhận nếu ≥ 0.90 thì cho thấy mơ hình phù hợp.
Ngồi ra nếu mơ hình nhận được các giá trị TLI ≥ 0.90, CFI ≥ 0.90 thì cũng cho thấy rằng mơ hình nghiên cứu phù hợp với thơng tin thị trường.
TÓM TẮT CHƯƠNG 3
Chương này đã trình bày về quy trình nghiên cứu, phương pháp nghiên cứu, phương pháp chọn mẫu và phương pháp phân tích dữ liệu. Nghiên cứu sơ bộ được thực hiện bằng (1) phương pháp nghiên cứu định tính để điều chỉnh thang đo cho
phù hợp với môi trường làm việc tại Việt Nam và (2) phương pháp nghiên cứu định lượng, sử dụng công cụ của SPSS 20.0 để: kiểm định Cronbach’s Alpha đánh giá sơ bộ thang đo, phân tích nhân tố khám phá EFA. Nghiên cứu chính thức sử dụng phần mềm SPSS 20.0 để kiểm định thang đo và kiểm định mơ hình cũng như những giả thuyết nghiên cứu.
KẾT QUẢ & THẢO LUẬN
Chương 3 đã trình bày quy trình nghiên cứu, kết quả nghiên cứu sơ bộ và phương pháp phân tích dữ liệu. Trong chương 4 sẽ trình bày kết quả nghiên cứu dựa trên dữ liệu thu thập được từ nghiên cứu định lượng chính thức. Chương này bao gồm 03 phần: (1) Đánh giá thang đo (2) Kiểm định mơ hình nghiên cứu (3) Thảo luận kết quả nghiên cứu.