Chương 1 TỔNG QUAN VỀ NGHIÊN CỨU
6. Kết cấu của báo cáo nghiên cứu
3.1. Thiết kế nghiên cứu
3.1.4.4. Phân tích khám phá nhân tố EFA
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và kiểm tra hệ số tương quan của các biến quan sát với kết quả “đạt u cầu” thì có thể phân tích khám phá nhân tố EFA nhằm tái nhóm hoặc rút gọn tập hợp nhiều biến quan sát phụ thuộc lẫn nhau thành một nhân tố có ý nghĩa hơn về mặt thống kê nhưng vẫn chứa đựng hầu hết thông tin của tập biến ban đầu. Trình tự phân tích khám phá nhân tố EFA được thực hiện như sau:
(1) Kiểm định hệ số KMO và Bartlett
Hệ số KMO (Kaiser – Meyer – Olkin) là chỉ số dùng để xem xét sự phù hợp của thơng tin với mơ hình phân tích nhân tố EFA; giá trị của hệ số KMO càng lớn (0.5 ≤ KMO ≤ 1) thì việc phân tích nhân tố càng có ý nghĩa (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Ngoài việc kiểm định hệ số KMO, người ta còn kiểm định hệ số Bartlett ở mức ý nghĩa chọn trước (thường là 5%); Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
(2) Phân tích hệ số tải nhân tố
Hệ số tải nhân tố (Factor loading) là chỉ tiêu để bảo đảm mức ý nghĩa thiết thực trong việc phân tích nhân tố; muốn bảo đảm mức ý nghĩa thiết thực thì hệ số tải nhân tố phải đạt được các chỉ tiêu sau:
- Factor loading > 0.3 được xem là đạt mức tối thiểu; - Factor loading > 0.4 được xem là quan trọng;
Khi hệ số tải nhân tố của các nhân tố đạt mức tối thiểu, ta cần xem xét hệ số tải nhân tố lớn nhất trong cùng một nhóm; yêu cầu đối với hệ số tải nhân tố lớn nhất của nhóm các nhân tố phải lớn hơn hoặc bằng 0.4; trường hợp hệ số tải nhân tố lớn nhất không đạt giá trị 0.4 thì các nhân tố có hệ số tải nhân tố thấp sẽ bị loại từng bước một; biến nào có giá trị thấp nhất sẽ bị loại trước.