3.3 Nghiên cứu định lượng
3.3.3.3 Phân tích nhân tố khám phá EFA
Theo Hair và cợng sự (1998) đó là phương pháp phân tích thống kê dùng để rút gọn mợt tập gồm nhiều biết quan sát thành mợt nhóm để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các nội dung thông tin của biến ban đầu.
Phương pháp phân tích yếu tố khám phá (EFA) tḥc nhóm phân tích đa biến phụ tḥc lẫn nhau, nghĩa là khơng có biến đợc lập và biến phụ tḥc mà nó dựa vào mối tương quan giữa các biến với nhau. Phân tích EFA dùng để rút gọn mợt tập n biến
quan sát thành một tập (m<n) các yếu tố có ý nghĩa hơn. Việc rút gọn này dựa vào mối quan hệ tuyến tính của các yếu tố với các biến nguyên thủy (biến quan sát). Khi kiểm định Cronbach’s Alpha, nghiên cứu đang đánh giá mối quan hệ giữa các biến quan sát trong cùng mợt nhóm, cùng mợt yếu tố và khơng xem xét mối quan hệ giữa tất cả các biến quan sát của nhóm khác. Cịn phân tích EFA, nghiên cứu sẽ xem xét mối quan hệ giữa các biến ở tất cả các nhóm nhằm phát hiện ra những biến quan sát tải lên nhiều yếu tố hoặc các biến quan sát bị phân sai yếu tố từ ban đầu. Điều kiện để phân tích yếu tố khám phá là phải thỏa mãn các yêu cầu:
Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin): là một chỉ số dùng để xem xét sự thích
hợp của phân tích nhân tố, KMO phải đạt giá trị 0.5 ≤ KMO ≤ 1 là điều kiện đủ để phân tích nhân tố là phù hợp.
Thứ hai, kiểm định Bartlett: là một công cụ thống kê dùng để xem xét giả thuyết các
biến khơng có tương quan trong tổng thể. Cơng cụ này xem xét các biến quan sát trong nhân tổ có tương quan với nhau hay khơng. Trong trường hợp kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể (Hồng Trọng & Chu Nguyễn Mợng Ngọc, 2008).
Thứ ba, trị số Eigenvalue là tiêu chí sử dụng để xác định số lượng yếu tố trong phân
tích nhân tố khám phá EFA. trị số Eigenvalue cho biết, những yếu tố nào có Eigenvalue ≥ 1 mới phù hợp và được giữ lại trong mơ hình phân tích.
Thứ tư, là tổng phương sai trích (Total Variance Explained) > 50% cho thấy mơ hình
phân tích nhân tố khám phá EFA là phù hợp.
Thứ năm, hệ số tải nhân tố (Factor loading) là giá trị biểu thị mối quan hệ tương quan
giữa biến quan sát với đó yếu tố đó trong mơ hình. Hệ số tải nhân tố càng cao nghĩa thì tương quan giữa biến quan sát đó với yếu tố càng lớn và ngược lại. Ngoài ra, hệ số tải nhân còn là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố EFA, hệ số Factor loading ≥ 0,5 được xem là có ý nghĩa thực tiễn.