4.3.1. Tiêu chuẩn đánh giá
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu gọn và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn:
-Thứ nhất, hệ số KMO (Kaiser- Meyer-Olkin) 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. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng & Chu Nguyễn
-Thứ hai, hệ số tải nhân tố (Factor Loading), theo Hair & ctg (1998), Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor Loading ≥ 0.3 được xem đạt mức tối thiểu, Factor Loading ≥ 0.4 được xem là quan trọng, ≥ 0.5 được xem là có ý nghĩa thực tiễn. Ngồi ra, Hair & ctg (1998) cũng khuyên bạn đọc như sau: Nếu chọn tiêu chuẩn Factor Loading ≥ 0.3 thì cỡ mẫu của bạn ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor Loading ≥ 0.5, nếu cỡ mẫu của bạn khoảng 50 thì Factor Loading phải ≥ 0.75. Do đó, trong nghiên cứu này với cỡ mẫu là 242 mẫu lớn hơn mức quy định là 100 mẫu, như vậy Factor Loading ≥ 0.5 được xem là có ý nghĩa thực tiễn, nên biến quan sát nào có hệ số tải nhân tố < 0.5 sẽ bị loại.
-Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (Gerbing & Anderson, 1988).
-Thứ tư, điểm dừng khi trích các yếu tố có hệ số Eigenvalue phải có giá trị ≥ 1 (Gerbing & Anderson 1988).
-Thứ năm, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003).
4.3.2. Kết quả phân tích:
Khi phân tích EFA, để đánh giá độ tin cậy của thang đo thì chiến lược tốt nhất là phân tích EFA cho tất cả các thang đo cùng một lúc (Nguyễn Đình Thọ, 2011). Trong đề tài này, tác giả phân tích EFA chung cho tất cả các biến độc lập và phân tích riêng cho biến phụ thuộc.
Bảng 4.3 Kết quả phân tích EFA
Phân tích EFA cho biến độc lập:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .836 Bartlett's Test of Sphericity Approx. Chi-Square 2830.772 df 325 Sig. .000
Rotated Component Matrixa
Component 1 2 3 4 5 6 7 DD_06 .773 DD_07 .759 DD_05 .737 DD_08 .696 DD_01 .690 AH_01 .788 AH_02 .787 AH_04 .737 AH_05 .713 AH_03 .573 GT_04 .862 GT_03 .785 GT_05 .776 GT_01 .742 CN_03 .814 CN_01 .795 CN_02 .752 HD_01 .840 HD_03 .830
VL_03 .803 VL_02 .800 VL_01 .739 LT_02 .859 LT_03 .301 .718 LT_01 .341 .631
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
Nhận xét:
Sau 4 lần phân tích nhân tố khám phá EFA, kết quả phân tích nhân tố EFA của các biến độc lập cho hệ số KMO bằng 0.836 > 0.5: phân tích nhân tố là cần thiết cho dữ liệu phân tích.
Có 7 nhân tố được trích ra từ phân tích EFA cho các biến độc lập, với:
Giá trị Eigenvalues của các nhân tố đều > 1: đạt yêu cầu.
Các biến quan sát đều có hệ số tải nhân tố > 0.5: đạt yêu cầu
Giá trị tổng phương sai trích đạt 67.840% > 50 %: phân tích nhân tố EFA đạt yêu cầu. Có thể nói rằng 7 nhân tố được trích ra có thể giải thích 67.840% biến thiên của dữ liệu.
7 nhân tố được trích ra khi phân tích EFA tương ứng với 7 khái niệm độc lập ban đầu: (1) Đặc điểm của trường, (2) Tính đa dạng và hấp dẫn của ngành, (3) Cơ hội học tập cao hơn trong tương lai, (4) Khả năng tìm được việc làm trong tương lai, (5) Ảnh hưởng của xã hội, (6) Nổ lực giao tiếp của trường, (7) Sự tương thích với đặc điểm cá nhân. Do đó mơ hình sau khi hiệu chỉnh vẫn sẽ gồm những thành phần như ban đầu.
Phân tích EFA cho biến phụ thuộc: Component Matrixa Component 1 QD_03 0.857 QD_01 0.837 QD_02 0.760 KMO 0.669 Sig. 0.000 Eigenvalues 2.013 Phương sai trích (%) 67.102%
Kết quả phân tích EFA cho biến phụ thuộc quyết định chọn trường như sau:
Kiểm định Bartlett’s: Sig. = 0.000 <5%: các biến quan sát trong phân
tích nhân tố trên có tương quan với nhau trong tổng thể.
Hệ số KMO= 0.669 > 0.5: phân tích nhân tố phù hợp với dữ liệu
nghiên cứu.
Có 1 nhân tố được trích ra từ q trình phân tích EFA Giá trị Eigenvalues = 2.013 > 1: đạt yêu cầu
Giá trị tổng phương sai trích bằng 67.102%: đạt yêu cầu
Tất cả các biến quan sát đều có hệ số tải nhân tố (factor loading) > 0.5:
đạt yêu cầu.
Như vậy thang đo quyết định chọn trường đạt giá trị hội tụ.
Bảng 4.4 Tổng kết các biến cho từng nhân tố trong mơ hình sau khi phân tích EFA
Kí hiệu Tên nhân tố Các biến quan sát
DD Đặc điểm của trường DD_01, DD_05, DD_06, DD_07, DD_08 HD Tính đa dạng và hấp dẫn của ngành HD_01, HD_02, HD_03
LT Cơ hội học tập LT_01, LT_02, LT_03 VL Việc làm trong tương lai VL_01, VL_02, VL_03
AH Ảnh hưởng của xã hội AH_01, AH_02, AH_03, AH_04, AH_05 GT Nổi lực giao tiếp của trường GT_01, GT_03, GT_04, GT_05
CN Sự tương thích với đặc điểm cá nhân CN_01, CN_02, CN_03