Chương 3: THIẾT KẾ NGHIÊN CỨU
3.4 Đánh giá thang đo
Một thang đo được coi là cĩ giá trị khi nĩ đo lường đúng cái cần đo. Hay nĩi cách khác đo lường đĩ vắng mặt cả hai loại sai lệch: sai lệch hệ thống và sai lệch ngẫu nhiên. Điều kiện cần để một thang đo đạt giá trị là thang đo đĩ phải đạt độ tin cậy,
nghĩa là cho cùng một kết quả khi đo lặp đi lặp lại.
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại
(internal consistency) thơng qua hệ số Cronbach Alpha và hệ số tương quan biến tổng (item-total correlation):
− Theo De Vellis, 1991 mức ý nghĩa của hệ số Cronbach Alpha như sau:
+ α nhỏ hơn 0.60: Khơng thể chấp nhận + α = 0.60 – 0.65: Khơng mong muốn
+ α = 0.65 – 0.70: Tạm chấp nhận + α = 0.70 – 0.80: Tin cậy đáng kể + α = 0.80 – 0.90: Rất tốt
+ α lớn hơn 0.90: Tuyệt vời − Hệ số tương quan biến tổng:
Hệ số tương quan biến tổng là hệ số tương quan của 01 biến với điểm trung
bình của các biến khác trong cùng 01 thang đo, do đĩ hệ số này càng cao, sự tương quan của biến với các biến khác trong nhĩm càng cao. Theo Nunnally & Burnstein, 1994, các biến cĩ hệ số tương quan biến tổng nhỏ hơn 0.3 được coi là biến rác và sẽ bị loại khỏi thang đo.
Độ giá trị hội tụ (convergent validity) và độ phân biệt (discriminant validity)
của thang đo được đánh giá thơng qua phương pháp phân tích nhân tố khám phá EFA (exploratory factor analysis). Các tiêu chuẩn và tham số thống kê trong phân tích nhân tố khám phá bao gồm:
Các biến định lượng trong nghiên cứu này được đo lường bằng thang đo
khoảng cách (interval scale). Kích thước mẫu phải đủ lớn tuỳ thuộc vào phương pháp
ước lượng sử dụng. Kế thừa từ các nghiên cứu trước đây cho rằng kích thước mẫu tối
thiểu là 5 mẫu cho một tham số cần ước lượng (Bollen, 1989). Nghiên cứu này chọn kích thước mẫu n=358.
Kiểm định sự thích hợp của phân tích nhân tố với dữ liệu của mẫu thơng qua trị thống kê Kaiser-Meyer-Olkin (KMO). Theo đĩ, trị số của KMO phải đủ lớn ( giữa 0.5 và 1) nghĩa là phân tích nhân tố là thích hợp (Hồng Trọng - Nguyễn Chu Mộng Ngọc, 2003), cịn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố cĩ khả năng khơng thích hợp với các dữ liệu.
− Xác định số lượng nhân tố:
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser, chỉ cĩ những nhân tố nào cĩ eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích, những nhân tố cĩ eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình (Gaoson, 2003) bởi vì những nhân
tố cĩ eigenvalue nhỏ hơn 1 sẽ khơng cĩ tác dụng tĩm tắt thơng tin tốt hơn một biên gốc, vì sau khi chuẩn hố mỗi biến gốc cĩ phương sai là 1.
Tiêu chuẩn phương sai trích (Variance explained criteria): Tổng phương sai trích phải lớn hơn 50%.
− Độ giá trị hội tụ:
Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các
nhân tố (factor loading) phải lớn hơn hoặc bằng 0.5 trong một nhân tố (Jun & ctg, 2002).
− Độ giá trị phân biệt:
Để đạt độ giá trị phân biệt, khác biệt giữa các factor loading phải lớn hơn hoặc
bằng 0.3 (Jabnoun & ctg, 2003).
− Phương sai trích hệ số sử dụng trong thang đo:
Vì mục đích kiểm định các thang đo nhằm điều chỉnh để phục vụ cho việc chạy hồi qui mơ hình tiếp theo nên phương pháp trích yếu tố principal component với phép quay Varimax sẽ được sử dụng cho phân tích EFA trong nghiên cứu vì phương pháp này sẽ giúp kiểm định hiện tượng đa cộng tuyến giữa các yếu tố của mơ hình ( nếu cĩ).