CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.2 Kết quả nghiên cứu
4.2.3 Phân tích nhân tố khám phá (EFA) và nhân tố khẳng định (CFA)
4.2.3.1 Phân tích nhân tố khám phá (EFA) cho tất cả biến
Phân tích nhân tố khám phá (EFA) giúp chúng tơi đánh giá hai giá trị quan trọng của thang đo: giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích nhân tố EFA thuộc nhóm kỹ thuật phụ thuộc lẫn nhau (kỹ thuật phụ thuộc lẫn nhau). Khơng có biến phụ thuộc và độc lập mà nó dựa trên mối quan hệ qua lại với nhau. EFA giảm k quan sát thành tập F (F <k) gồm nhiều yếu tố có ý nghĩa hơn. Mức giảm này dựa trên mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
Bảng 4.18 cho thấy hệ số KMO là 0,799 và mức ý nghĩa (Sig) là 0,000. 0,5 ≤ KMO ≤ 1,0: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét tính phù hợp của phân tích nhân tố. Giá trị KMO đáng kể có nghĩa là phân tích nhân tố là phù hợp, chỉ ra rằng phân tích nhân tố phù hợp với dữ liệu khảo sát của 939 nhà quản lý.
Kết quả cho thấy có 10 yếu tố gồm: (1) yếu tố 01 là công nghệ (Te); (2) Yếu tố 02 là môi trường sống và làm việc (Wle); (3) Yếu tố 03 là cơ sở hạ tầng (In); (4) Yếu tố 04 là chi phí đầu tư (Ic); (5) yếu tố 05 là nguồn nhân lực (Hr); (6) Yếu tố 06 là tăng trưởng kinh tế bền vững (Seg); (7) Yếu tố 07 là Chính sách đầu tư (Ip); (8) Yếu tố 08 là kết nối khu vực (Rc); (9) Yếu tố 09 là chất lượng dịch vụ công (Psq) và Yếu tố 10 là thu hút vốn đầu tư (Ica).
4.2.3.2 Phân tích nhân tố khẳng định (CFA) cho tất cả các biến
Phân tích nhân tố khẳng định (CFA) là bước phân tích tiếp theo của phân tích nhân tố khám phá, bao gồm thiết kế để xác định, kiểm tra và điều chỉnh các mơ hình đo lường một cách độc lập. CFA nhằm mục đích thiết lập các mơ hình đo lường phù hợp được sử dụng để kiểm tra các mơ hình kết cấu. Sau đây là kết quả CFA.
Kết quả cho thấy cấu trúc thang đo và mối quan hệ giữa các khái niệm nghiên cứu không bị sai lệch do sai số đo lường; nghiên cứu thực hiện phân tích nhân tố khẳng định CFA thơng qua phần mềm AMOS. Phân tích CFA cho phép đánh giá đồng thời tất cả các ý tưởng trong mơ hình, trong đó các khái niệm nghiên cứu có liên quan tự do với nhau. CFA cũng cung cấp đánh giá cục bộ về từng góc nhìn hoặc từng cặp hình ảnh. Phân tích CFA làm rõ thang đo trong các vấn đề sau: đánh giá mức độ phù hợp của dữ liệu so với thực tế; kiểm định giá trị hội tụ của thang đo; thử các giá trị phân biệt đối xử; kiểm tra chuyển hướng của mơ hình; xác định độ tin cậy tổng hợp và phương sai trích xuất.
Bảng 4.2: Kết quả kiểm định
Các chỉ số Giá trị Tiêu chuẩn Kết luận
CMIN/DF 4.385 < 5.0 Tốt GFI 0.871 > 0.8 Tốt TLI 0.921 > 0.9 Tốt CFI 0.933 > 0.9 Tốt RMSEA 0.060 < 0.08 Tốt Sig. 0.00 < 0.05 Tốt
(Source: Data processed by SPSS 20.0, Amos) Bảng 4.2 cho thấy các chỉ số đo lường mức độ phù hợp của mơ hình, chẳng hạn như chi-square, chi-square được điều chỉnh theo bậc tự do (CMIN / df), chỉ số phù hợp để so sánh chỉ số CFI, TLI và chỉ số. RMSEA đạt u cầu. Mơ hình phù hợp khi kiểm định chi bình phương có giá trị p nhỏ hơn <0,05. Như vậy, kết quả trên phù hợp với tập dữ liệu nghiên cứu.