6 .Ý nghĩa thức tế của đề tài
3.4 Nghiên cứu định lƣợng chính thức
3.4.2.2 Kiểm định và đánh giá thang đo
Để đánh giá thang đo các khái niệm nghiên cứu cần kiểm tra độ tin cậy thang đo. Dựa trên các hệ số độ tin cậy Cronbach’s Alpha, hệ số tương quan biến tổng (Item to total correlation) giúp loại ra những biến quan sát khơng đóng góp vào việc mơ tả khái niệm cần đo, hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) để loại bỏ bớt biến quan sát nhằm nâng cao hệ số Cronbach’s Alpha cho khái niệm cần đo và phương pháp phân tích nhân tố khám phá EFA nhằm kiểm tra giá trị của thang đo các khái niệm nghiên cứu.
Phân tích Cronbach’s Alpha
Hệ số Cronbach’s Alpha được sử dụng để loại các biến không phù hợp trước. Các biến có hệ số tương quan biến- tổng hiệu chỉnh (corrected item – total correlation) nhỏ hơn 0,30 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy từ 0,60 trở lên.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008): “Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo đo lường là tốt, từ gần 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995)”.
Theo Nguyễn Đình Thọ (2011): “Về lý thuyết, Cronbach’s Alpha càng cao càng tốt (thang đo có độ tin cậy cao). Tuy nhiên điều này không thực sự như vậy. Hệ số Cronbach’s Alpha quá lớn (alpha> 0,95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Hiện tượng này gọi là hiện tượng trùng lắp trong đo lường (redundancy)”.
Phân tích nhân tố khám phá EFA
Khi tiến hành phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn sau:
- Hệ số KMO >= 0,5; mức ý nghĩa của kiểm định Barlett <= 0,05. KMO (Kaiser - Meyer - Olkin measure of sampling adequacy) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5 ≤ KMO ≤1 thì phân tích nhân tố là thích hợp. Kaiser (1974) đề nghị KMO ≥ 0,90 là rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: được; KMO ≥ 0,60: tạm được; KMO≥ 0,50: xấu; KMO< 0,50: không thể chấp nhận được (Nguyễn Đình Thọ, 2011).
- Hệ số tải nhân tố (factor loading) >= 0,5. Theo Hair và cộng sự (2006), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0,3 được xem là đạt được mức tối thiểu; > 0,4 được xem là quan trọng; >= 0,5 được xem là có ý nghĩa thực tiễn. Hair và cộng sự (2006) cũng khuyên rằng: nếu chọn tiêu chuẩn factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0,55, nếu cỡ mẫu khoảng 50 thì Factor loading phải > 0,75.
- Tổng phương sai trích >= 50% - Hệ số Eigenvalue >1
- Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố >= 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố.
- Phương pháp trích Principal component analysis với phép xoay varimax và điểm dừng trích các yếu tố có Eigenvalue >1