Chương 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.2. Kiểm định mơ hình đo lường
4.2.2. Phân tích nhân tố khám phá (EFA)
Khi phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn sau:
- Hệ số KMO (Kaiser – Meyer – Olkin):
o Là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến Xi và Xj
với độ lớn của hệ số tương quan riêng phần của chúng (Norusis MJ, 1994).
o Để sử dụng EFA, KMO phải lớn hơn 0,5. Kaiser (1974) đề nghị KMO ≥ 0,9:
Rất tốt; KMO ≥ 0,8: Tốt; KMO ≥ 0,7: Được; KMO ≥ 0,6: Tạm được; KMO ≥ 0,5:
Xấu; và, KMO < 0,5: Khơng thể chấp nhận được.
- Kiểm định Bartlett (Bartlett’s test of sphericity):
o Dùng để xem xét ma trận tương quan cĩ phải là ma trận đơn vị I (Identity
matrix), là ma trận cĩ các hệ số thành phần (hệ số tương quan giữa các biến) bằng 0 và
đường chéo (hệ số tương quan với chính nĩ) bằng 1 (Nguyễn Đình Thọ, 2011).
o Nếu phép kiểm định Bartlett cĩ p < 5%: từ chối giả thuyết H0 (ma trận tương
quan là ma trận đơn vị), nghĩa là các biến cĩ quan hệ nhau (Nguyễn Đình Thọ, 2011).
- Tiêu chí eigenvalue:
o Là một tiêu chí sử dụng phổ biến trong xác định số lượng nhân tố trong phân tích EFA (Nguyễn Đình Thọ, 2011).
o Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng nhân tố) cĩ
eigenvalue ≥ 1 (Nguyễn Đình Thọ, 2011).
- Tổng phương sai trích TVE (Total Variance Explained):
o Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường (Nguyễn Đình Thọ, 2011).
o Tổng này phải đạt từ 50% trở lên (Nguyễn Đình Thọ, 2011).
- Trọng số nhân tố:
o Trong thực tiễn nghiên cứu, trọng số nhân tố biến Xi: ≥ 0,5 là giá trị chấp
nhận. Trong trường hợp < 0,5: cĩ thể xĩa biến Xi vì nĩ thật sự khơng đo lường khái niệm chúng ta cần đo. Tuy nhiên, vấn đề loại bỏ biến cĩ trọng số thấp cần chú ý đến
giá trị nội dung của biến đĩ đĩng gĩp vào giá trị nội dung của khái niệm nĩ đo lường
(Nguyễn Đình Thọ, 2011).
o Chênh lệch trọng số - < 0,3 là giá trị thường được các nhà nghiên cứu
chấp nhận. Nếu hai trọng số này tương đương nhau thì biến Xi này vừa đo lường A và cũng vừa đo lường B. Vì vậy, cần loại bỏ biến này. Tuy nhiên, cũng tương tự như trên, cần xem xét giá trị nội dung của nĩ trước khi ra quyết định loại bỏ hay khơng loại bỏ
một biến đo lường (Nguyễn Đình Thọ, 2011).
Khi phân tích EFA, tác giả sử dụngphép trích nhân tố là Principal Component Analysis (PCA) với phép quay vuơng gĩc Varimax và điểm dừng khi trích các yếu tố
cĩ eigenvalue lớn hơn 1.