Biến quan
sát
Trung bình thang đo nếu biến bị loại
Phương sai thang đo nếu biến bị loại
Tương quan
biến-Tổng
Hệ số Cronbach’s Alpha nếu
biến bị loại
TN1 8,71 2,393 0,638 0,592
TN2 8,63 2,318 0,633 0,587
TN3 8,88 2,810 0,342 0,738
vẫn đạt giá trị khá an toàn (0.743). Tuy nhiên, để có kết quả chính xác có nên giữ lại biến TN3 hay không, tác giả vẫn giữ lại biến này trong phân tích EFA.
Tất cả các biến còn lại đều đạt yêu cầu với hệ số Cronbach’s Alpha lớn hơn 0,6 và hệ số tương quan biến-tổng của từng biến đều lớn hơn 0,3.
4.2.2 Phân tích nhân tố khám phá EFA:
Phân tích nhân tố khám phá EFA là phân tích dựa vào mối tương quan giữa các biến với nhau để rút gọn một tập nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn nhưng chúng vẫn có nghĩa và chúng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu.
Yêu cầu của một phân tích EFA đủ điều kiện như sau:
- Hệ số tải (Factor Loading): >= 0,5. Hệ số tải là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải phải đạt mức tối thiểu 0,3; nếu hệ số này lớn hơn 0,4 được xem là quan trọng và chỉ được xem là có ý nghĩa thực tiễn khi lớn hơn 0,5. Bên cạnh đó, khác biệt về hệ số tải nhân tố >= 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố.
- Kiểm định Bartlett phải có mức ý nghĩa Sig < 0,05, nghĩa là ma trận tương quan là ma trận đơn vị hay nói cách khác, các biến có quan hệ với nhau.
- Hệ số KMO: là chỉ số để xem xét sự thích hợp của phân tích EFA. Theo Kaiser, hệ số KMO nằm trong khoảng [0,5;1] thì phân tích EFA là thích hợp
- Hệ số Eigenvalue: được xác định trong xác định số lượng nhân tố trong phân tích EFA. Theo Nguyễn Đình Thọ (2011, p.397), số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1.
- Tổng phương sai trích (Total Variance Explained): thể hiện các nhân tố trích được bao nhiêu phần trăm của biến đo lường. Mơ hình EFA là phù hợp khi chỉ số này lớn hơn 50%, nghĩa là số lượng nhân tố trích được sẽ giải thích được bao nhiêu phần trăm biến thiên của dữ liệu.
Các biến được giữ lại từ phân tích Cronbach’s Alpha đều được đưa vào phân tích EFA theo 2 nhóm: các biến độc lập và biến phụ thuộc. Phương pháp được sử
dụng phân tích là phương pháp trích Principal Component Analysis với phép xay Varimax và điểm dừng trích các yếu tố có Eigenvalue lớn hơn 1.
4.2.2.1 Phân tích nhân tố EFA cho biến độc lập:
Kết quả phân tích EFA lần thứ nhất đối với các biến độc lập như sau: