CHƯƠNG 3 : Phương pháp nghiên cứu
3.2 Nghiên cứu định tính
3.2.3.2 Kiểm định thang đo bằng phân tích nhân tố khám phá
Phân tích nhân tố khám phá (EFA) là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Phân tích nhân tố giúp thu gọn các biến quan sát thành những nhóm biến, các biến trong nhóm có quan hệ mật thiết với nhau, mỗi nhóm đo lường một yếu tố riêng; các biến quan sát có thể bị tách ra hay nhập vào thành những nhóm mới so với mơ hình ban đầu.
Trong nghiên cứu này, phương pháp phân tích EFA được sử dụng để xác định độ phân biệt (discriminant) của thang đo. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, tập 2, trang 30-31), các tham số cơ bản trong phép phân tích này gờm có:
- Hệ số tải nhân tố - Factor loading: là hệ số tương quan đơn giữa các biến và các
nhân tố.
- Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những chỉ số nhân tố có Eigenvalue > 1 mới được giữ lại trong mơ hình phân tích, các nhân tố có Eigenvalue < 1 sẽ bị loại khỏi mơ hình.
- Phương pháp phân tích nhân tố được sử dụng trong nghiên cứu này là Principal
Axis Factoring với phép quay Varimax with Kaiser Normalization.
- Chỉ số Kaiser-Meyer-Olkin (KMO): là một chỉ số dùng để xem xét sự thích hợp
của phân tích nhân tố. Trị số của KMO đủ lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
- Phương sai trích Variance explained criteria: tổng phương sai trích phải > 50%.
Trong mỗi thang đo, hệ số Cronbach’s alpha không quyết định việc loại bỏ
hay giữ lại biến nào mà cần phải sử dụng thêm hệ số tương quan biến tổng (thể hiện sự tương quan giữa một biến quan sát với tất cả các biến khác trong thang đo), các biến có hệ số tương quan biến tổng < 0.3 bị coi là biến rác và loại khỏi thang đo (Nunnally, 1994).