CHƯƠNG 4 : PHÂN TÍCH KẾTQUẢ KHẢO SÁT
4.3 Kiểm định mơ hình đo lường
4.3.2 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 & ctg (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 & ctg (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
Bảng 4.4 Kết quả phân tích EFA
Rotated Component Matrixa
Component 1 2 3 4 5 6 KD1 .849 KD2 .796 KD3 .819 DC1 .719 DC2 .783 DC3 .602 DC4 .719 KQ1 .556 KQ2 .554 KQ3 .795 KQ4 .834 TT1 .673 TT2 .864 TT3 .825 SH1 .793 SH2 .580 SH3 .707 KT1 .745 KT2 .769 KT3 .819 KMO 0.85 Bartlett Test Sig. = 000 Phương sai trích 71.77% Nguồn: tác giả
Kết quả phân tích nhân tố với 20 biến quan sát cho ta thấy, trên cơ sở kết quả bảng KMO and Bartlett's Test nhận thấy trị số KMO là 0.85 là chấp nhận được. Trong kiểm định Bartlett Test có giá trị Sig = 0.000 < 0.05. Do vậy, ta có đủ cơ sở chấp nhận có sự tương quan có ý nghĩa giữa các biến
Trong bảng kết quả Total Variance Explained, ta nhận thấy tại giá trị Eigenvalue > 1 có tất cả 6 nhân tố được hình thành. Và kết quả giá trị cộng dồn cumulative % = 71.77% cho biết rằng 71.77% biến thiên của dữ liệu nghiên cứu được giải thích bởi 6 nhân tố mới của mơ hình trên.
Kết quả bảng Rotated Component Matrixa, ta nhận thấy 6 nhân tố được hình thành, trong đó:
Nhân tố thứ nhất là nhân tố kết hợp bởi 3 biến quan sát là KT1, KT2, KT3 và liên quan đến nhu cầu về kiến thức của nhân viên. Vì vậy nhân tố này được đặt tên là KT
Nhân tố thứ hai là nhân tố kết hợp bởi 4 biến quan sát là DC1, DC2, DC3, DC4 và liên quan đến động cơ làm việc. Vì vậy nhân tố này được đặt tên là DC
Nhân tố thứ ba là nhân tố kết hợp bởi 4 biến quan sát là KQ1, KQ2, KQ3 và KQ4 và liên quan đến kết quả lam việc của nhân viên. Vì vậy nhân tố này được đặt tên là KQ
Nhân tố thứ tư là nhân tố kết hợp bởi 3 biến quan sát là TT1, TT2, TT3 và liên quan đến nhu cầu tồn tại của nhân viên. Vì vậy nhân tố này được đặt tên là TT
Nhân tố thứ năm là nhân tố kết hợp bởi 3 biến quan sát là KD1, KD2, KD3 và liên quan đến tính kiên định. Vì vậy nhân tố này được đặt tên là KD
Nhân tố thứ sáu là nhân tố kết hợp bởi 3 biến quan sát là SH1, SH2, SH3 và liên quan đến nhu cầu về sở hữu của nhân viên. Vì vậy nhân tố này được đặt tên là SH.