Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0.855 Approx. Chi-Square 2928.199 df 231 Bartlett' Test of Sphericity Sig. 0.000
Để áp dụng phương pháp phân tích nhân tố, tác giả tiến hành phép kiểm định Bartlett nhằm kiểm định sự phù hợp của dữ liệu. Mục đích của bước này là bác bỏ giả thuyết cho rằng các biến khơng có tương quan với nhau trong tổng thể, nếu giả thuyết này không bị bác bỏ thì phân tích nhân tố rất có khả năng khơng thích hợp. Ngồi ra, phân tích nhân tố chỉ được sử dụng khi hệ số KMO (Kaiser – Meyer – Olkin) có giá trị từ 0.5 trở lên [Othman & Owen, 2002, trích theo tài liệu 12], mức ý nghĩa của kiểm định Barlett ≤ 0.05. Các biến có hệ số chuyển tải (factor loading) nhỏ hơn 0.5 sẽ bị loại1. Điểm dừng khi Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 và tổng phương sai trích lớn hơn 50% [Othman & Owen, 2002, trích theo tài liệu 13].
Căn cứ trên giá trị sig. = 0.000 của kiểm định Barlett như Bảng 4.4, các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể.
Chỉ số KMO = 0.855 > 0.5, như vậy có thể yên tâm là dữ liệu phù hợp cho việc phân tích nhân tố.
Tiếp theo, 22 biến quan sát dùng để đo lường các yếu tố tác động đến xu hướng quay về địa phương làm việc được đánh giá thông qua phương pháp phân tích nhân tố. Phần này sẽ trình bày kết quả của phân tích nhân tố EFA. Từ kết quả của phân tích nhân tố nêu trên xác định được số thành phần chính tác động đến xu hướng quay về làm việc ở địa phương và đặt tên cho các thành phần đó. _________________________________
1Theo Hair & ctg (1998, 111), Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensure practical significance). Factor loading > 0.3 được xem là đạt mức tối thiểu, Factor loading > 0.4 được xem là quan trọng, Factor loading > 0.5 xem là có ý nghĩa thực tiễn
Dựa theo tiêu chuẩn đại lượng Eigenvalue > 1 thì có năm nhân tố được rút ra và chúng giải thích được 53,12% biến thiên của dữ liệu, vượt ngưỡng chấp nhận 50% (Xem phụ lục 4). Như vậy, điểu kiện hình thành các yếu tố được thỏa mãn và tác giả biết được có năm yếu tố chính tác động vào xu hướng quay về địa phương làm việc của người Phú Yên.
Để biết được các biến quan sát thuộc nhóm yếu tố nào trong phương pháp phân tích nhân tố 2, ta xem xét bảng 4.5 - Ma trận mẫu. Trong cùng một hàng của biến, trọng số tại nhóm nào lớn nhất, vượt trội hơn cả thì ta gom biến thuộc về nhóm đó. Các biến mà có tất cả trọng số đều nhỏ hơn 0,5 sẽ bị loại ra khỏi danh sách vì nó khơng thực sự có ý nghĩa đo lường cho một nhân tố nào. Còn lại, các biến cùng một nhóm sẽ được xem xét đặc điểm chung để biết được là nhóm đó thể hiện tiêu chí chung gì.
__________________________________
2 Phương pháp phân tích nhân tố (khám phá) EFA (exploratory factor analysis) là một
phương pháp phân tích thống kê dùng để rút gọn một tập nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các yếu tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến nguyên thủy (biến quan sát). Có nhiều cách trích nhân tố, các trình nhân tố sử dụng trong nghiên cứu này là phương pháp trích thành phần chính (principal components) với phép quay vng góc varimax. Khi sử dụng phân tích nhân tố khám phá, hai tiêu chí chính cần phải đạt u cầu, đó là phương sai trích và trọng số nhân tố. Phương sai trích nói lên các yếu tố trích được bao nhiêu % phương sai của các biến quan sát và trọng số nhân tố biểu thị mối quan hệ giữa biến quan sát với các yếu tố. Yêu cầu cho phương sai trích là phải đạt từ 50% trở lên và trọng số nhân tố từ 0.5 trở lên. Xem, lấy ví dụ, Hair & ctg (1998).