CHƢƠNG 1 CƠ SỞ LÝ LUẬN
1.2. Xây dựng thang đo, đánh giá chất lượng thang đo
1.2.2. Đánh giá thang đo
1.2.2.1. Đánh giá thang đo bằng phân tích Cronbach Anpha
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. (Sái Công Hồng, 2017). Hệ số Cronbach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các nội dung được hỏi trong thang đo có tương quan với nhau hay khơng. Dựa vào hệ số tương quan biến tổng, hệ số Cronbach Alpha nếu loại biến, hệ số Cronbach Alpha tổng thể để xác định độ tin cậy của thang đo và sự đóng góp của các nội dung được hỏi cho việc mô tả khái niệm đo lường.
Theo Hoàng Trọng (2008), thang đo được đánh giá thông qua giá trị của crobach alpha () cụ thể như sau:
0,6 < α < 0,7: thang đo có thể sử dụng được trong trường hợp khái niệm nghiên cứu là mới và mới trong bối cảnh hiện nay;
0,7 < α < 0,8 thang đo lường có thể sử dụng được; α > 0,8 thang đo lường tốt.
Theo Peterson (1994) thang đo được chấp nhận khi thỏa mãn đồng thời điều kiện: hệ số α tổng thể > 0,6 và hệ số tương quan biến tổng > 0,3.
1.2.2.2. Đánh giá thang đo bằng phân tích nhân tố
Phân tích nhân tố sử dụng các phương pháp tốn học để đơn giản hóa các biện pháp liên quan để khám phá các nhân tố trong một tập hợp các biến (Child, 2006). Phân tích nhân tố được sử dụng để tìm các yếu tố trong các biến quan sát. Hay nói cách khác, nếu dữ liệu chứa nhiều biến, có thể sử dụng phân tích nhân tố để giảm số lượng biến, nhóm các biến có điểm tương đồng thành một nhóm nhân tố. Phân tích nhân tố rất hữu ích cho các nhà nghiên cứu khi có hàng trăm biến hoặc các mục từ bảng hỏi, bài kiểm tra để giảm xuống giúp tập trung vào một số yếu tố chính thay vì phải xem xét q nhiều biến.
Trong phân tích nhân tố có hay kỹ thuật phân tích chính là phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA) và phân tích nhân tố khẳng định (Confirmatory Factor Analysis – CFA). CFA sẽ xác nhận các giả thuyết và sử dụng đường dẫn sơ đồ phân tích để đại diện cho các biến, các yếu tố; trong khi EFA sẽ khám phá bộ dữ liệu và thử nghiệm, EFA được sử dụng trong việc xây dựng thang đo mới hoặc có số liệu mới. EFA được sử dụng để khám phá số lượng các yếu tố ảnh hưởng đến các biến và để phân tích biến nào “đi cùng nhau” (DeCoster, 1998). Trong EFA, có hai phương pháp trích Principal component và Principal Axis Factoring, tùy vào mục đích nghiên cứu mà lựa chọn phương pháp phù hợp. Theo Anderson (1988), phương pháp trích Principal Axis Factoring với phép xoay Promax phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal component với phép xoay Varimax.
Khi phân tích EFA, các tiêu chuẩn sau thường được quan tâm:
Chỉ số Kaiser – Meyer – Olkin (KMO) dùng để xem xét sự thích hợp của phân tích nhân tố. Theo Hồng Trọng (2008), thang đo đánh giá có:
0,5 < trị số của KMO <1: thang đo phù hợp với phân tích nhân tố. Trị số của KMO < 0,5: thang đo khơng phù hợp với phân tích nhân tố.
Hệ số tải nhân số (factor loading): Theo Tabachnick & Fidell (2007), tương quan r giữa các biến cần phải lớn hơn 0,3 và đối với mỗi nhóm yếu tố cần có ít nhất 3 biến, mặc dù điều này phụ thuộc vào thiết kế nghiên cứu. Theo đó, nếu các nhóm
yếu tố xoay có 2 hoặc ít biến thì cần giải thích cẩn trọng và 2 biến đáng tin cậy khi mối tương quan giữa chúng cao r > 0,7 và không tương quan với các biến khác.