CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.4. Kết quả nghiên cứu định lượng
4.4.3.2. Kết quả phân tích nhân tố khám phá EFA cho biến phụ thuộc
Tác giả sử dụng phương pháp trích nhân tố Principal components, phép quay Varimax, kết quả phân tích nhân tố khám phá EFA đối với phụ thuộc trong bảng 4.11 dưới đây.
Bảng 4.11. Bảng kết quả nhân tố và phương sai trích cho biến phụ thuộc
Nhân tố
Initial Eigenvalues Extraction Sums of Squared Loadings Tổng cộng % phương sai % tích lũy Tổng cộng % phương sai % tích lũy
1 3,055 61,092 61,092 3,055 61,092 61,092
2 0,673 13,466 74,558
3 0,597 11,935 86,493
4 0,414 8,290 94,782
5 0,261 5,218 100,000
Extraction Method: Principal Component Analysis.
Nguồn: Tổng hợp từ SPSS
Kết quả nhân tố và phương sai trích trong bảng 4.11 cho thấy tất cả các biến quan sát của biến phụ thuộc được phân thành 1 nhân tố duy nhất có eigenvalues lớn hơn 1, với phương sai trích TVE là 61.092%, thỏa mãn điều kiện từ 50% trở lên. Điều này có nghĩa là 1 nhân tố trích giải thích được 61.092% biến thiên của các biến quan sát hay dữ liệu.
Vì chỉ có 1 nhân tố được rút trích, khơng xem xét giá trị phân biệt, mà chỉ xem xét giá trị hội tụ dựa vào ma trận nhân tố biến phụ thuộc với phép trích nhân tố là PCA. Dựa vào ma trận nhân tố, tác giả xác định các biến quan sát của nhân tố biến phụ thuộc như bảng 4.12 dưới đây:
Bảng 4.12. Bảng ma trận nhân tố của biến phụ thuộc
Biến quan sát Nhân tố
1 CSKT1 0,821 CSKT4 0,802 CSKT2 0,781 CSKT3 0,762 CSKT5 0,739
Extraction Method: Principal Component Analysis.
Nguồn: Tổng hợp từ SPSS
Các trọng số nhân tố factor loading của các biến quan sát trong bảng 4.12. Bảng ma trận nhân tố của biến phụ thuộc đều lớn hơn 0,5. Như vậy, các tiêu chí phân tích về KMO và Barlett’s, tổng phương sai trích TVE, trọng số nhân tố factor loading đều đạt được yêu cầu và kết quả phân tích nhân tố khám phá EFA cho biến phụ thuộc này là có ý nghĩa. Do vậy, nhân tố rút ra trong nghiên cứu là chấp nhận được.