Hệ số Cronbach’s Alpha = .8970 Số biến quan sát = 6 Biến quan sát Trung bình thang
đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến – tổng
Alpha nếu loại biến tổng DM1 17.3495 11.5433 .6560 .8902 DM2 17.7767 10.5085 .6984 .8824 DM3 18.2718 10.3567 .6971 .8828 DM4 18.0388 9.7240 .7682 .8718 DM5 18.2233 10.3320 .7102 .8807 DM6 18.5922 9.7144 .8201 .8628
Các biến đều có hệ số tương quan biến tổng lớn hơn 0.4 và chỉ số alpha nếu loại biến tổng nhỏ hơn 0.8970 (thấp nhất là biến dm6=0.8628, cao nhất là biến dm1=0.8902) nên đạt chuẩn cho phép và được sử dụng trong phân tích EFA tiếp theo.
3.4.3. Phân tích nhân tố khám phá EFA (exploratory factor analysis):
Đây là phương pháp phân tích thống kê nhằm rút gọn hay giảm bớt một tập nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn trong khi vẫn chứa đựng gần như đầy đủ các thông tin từ tập biến ban đầu. Có nhiều cách trích nhân tố, trong nghiên cứu này, tác giả sử dụng phương pháp trích thành phần chính (Principle Components) với phép quay vng góc (Varimax).
Trong phân tích EFA, hệ số KMO (Kaiser – Mever – Olkin) là chỉ số dùng để xem xét sự thích hợp của các nhân tố. Các nhân tố được xem là thích hợp với dữ liệu (phân tích được xem là thích hợp) nếu có trị số KMO từ 0.5 trở lên.
Ngồi ra, phân tích EFA cịn dựa vào chỉ số eigenvalue. Đây là chỉ số đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình.
Bên cạnh các điều kiện trên, phân tích EFA cịn phải đảm bảo các nguyên tắc sau:
- Mức ý nghĩa của kiểm định Barlett từ 0.05 trở xuống.
- Loại bỏ các biến quan sát có trọng số nhân tố (factor loading) nhỏ hơn 0.4. - Phân tích được lặp lại cho đến khi hết các biến có trọng số nhỏ hơn 0.4. Thang đo được chấp nhận khi tổng phương sai trích được đạt từ 50% trở lên.