CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.2. Kết quả nghiên cứu
4.2.4 Phân tích nhân tố khám phá EFA
4.2.4.1 Phân tích EFA cho các biến độc lập
Sau khi các khái niệm được đưa vào để phân tích Cronbach’s Alpha, thang đo sẽ được phân tích nhân tố khám phá (EFA) nhằm mục đích xem các biến quan sát có hội tụ, phân biệt và đo lường đúng vào nhân tố mà nó đo lường hay khơng, kiểm tra thêm các giá trị của thang đo một lần nữa (giá trị hội tụ, giá trị phân biệt).
Phân tích EFA sẽ được thực hiện trên các biến độc lập riêng và biến phụ thuộc riêng, việc phân tích EFA nhằm tìm ra các biến khơng thực sự đo lường cho các nhân
45
tố mà nó hội tụ, để làm sạch thang đo và làm cho thang đo đạt được độ tin cậy tốt hơn, tìm ra đúng các biến tìm ẩn mà các biến quan sát sẽ đo lường.
Bảng 4.2.4.1 : Kiểm định KMO KMO and Bartlett’s Test KMO and Bartlett’s Test
Trị số KMO (Kaiser-Meyer-Olkin of Sampling Adequacy) .782 Đại lượng thống kê
Bartlett’s (Bartlett’s Test of Sphericity)
Approx. Chi-Square 1696.613
Df 190
Sig. .000
(Nguồn: Kết quả nghiên cứu định lượng)
Với giả thuyết H0 : là giữa 20 biến quan sát trong tổng thể, khơng có mối tương quan với nhau. Kiểm định KMO và Barlett’s trong phân tích nhân tố cho thấy giả thuyết này bị bác bỏ (sig = 0.000); hệ số KMO là .782 (0,5<KMO<1)). Như vậy các biến quan sát có tương quan với nhau trong tổng thể.
Nhìn vào bảng phân tích EFA, ta thấy có 5 nhân tố tác động đến nhân tố ĐLLV và giải thích được 71,006% sự biến thiên của dữ liệu.
Có 2 tiêu chuẩn để xác định số lượng nhân tố trong nghiên cứu:
- Tiêu chuẩn Kaiser (Kaiser Criterion) nhằm xác định số nhân tố được trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Giá trị Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, chỉ có nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích.
- Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố là thích hợp nếu tổng phương sai trích khơng được nhỏ hơn 50%.
Đối với kết quả phân tích nhân tố khám phá trên, tổng phương sai trích là 71,006% > 50% ; giá trị eigenvalues của các yếu tố đều > hơn 1, do đó sử dụng phương pháp EFA là phù hợp.
46
Bảng 4.2.4.1 Kết quả EFA các biến độc lập
Biến quan sát Hệ số tải
1 2 3 4 5 MTLV2 .841 MTLV5 .830 MTLV3 .821 MTLV1 .821 MTLV4 .810 ĐĐCV1 .842 ĐĐCV5 .831 ĐĐCV3 .810 ĐĐCV4 .795 LTPL1 .836 LTPL3 .836 LTPL2 .816 LTPL4 .805 MQH1 .794 MQH4 .770 MQH3 .763 MQH2 .719 CSĐT3 .842 CSĐT2 .825 CSĐT1 .814 Eigenvalues 5.411 3.127 2.399 1.841 1.423 Phương sai rút trích 27.054% 15.636% 11.994% 9.207% 7.114% Tổng phương sai trích: 71.006%
47
Nhìn vào bảng cho thấy có tất cả 20 biến quan sát tạo ra 5 yếu tố. Đó là:
+MTLV: MTLV1, MTLV2, MTLV3, MTLV4, MTLV5 +ĐĐCV: ĐĐCV1, ĐĐCV3, ĐĐCV4, ĐĐCV5
+LTPL: LTPL1, LTPL2, LTPL3, LTPL4 +MQH: MQH1, MQH2, MQH3, MQH4 +CSĐT: CSĐT1, CSĐT2, CSĐT3
4.2.4.2 Phân tích EFA cho biến phụ thuộc “Động lực làm việc” Bảng 4.2.4.2 Kiểm định KMO
KMO and Bartlett’s Test
Trị số KMO (Kaiser-Meyer-Olkin of Sampling Adequacy) .830 Đại lượng thống kê
Bartlett’s (Bartlett’s Test of Sphericity)
Approx. Chi-Square 412.220
Df 10
Sig. .000
(Nguồn: Kết quả nghiên cứu định lượng)
Với giả thuyết H0 : là giữa 05 biến quan sát trong tổng thể, khơng có mối tương quan với nhau. Kiểm định KMO và Barlett’s trong phân tích nhân tố cho thấy giả thuyết này bị bác bỏ (sig = 0.000); hệ số KMO là .830 (0,5<KMO<1). Như vậy có sự tương quan giữa các biến quan sát trong tổng thể.
Bảng 4.2.4.2 Kết quả phân tích EFA
Biến quan sát Hệ số tải
ĐLLV3 .852 ĐLLV1 .845 ĐLLV4 .808 ĐLLV2 .807 ĐLLV5 .802 Eigenvalues 3.387 Phương sai rút trích 67.741%
48
Nhìn vào bảng ta thấy trích được một nhân tố với 05 biến quan sát và phương sai trích tích lũy được là 67.741% (>50%) => đạt yêu cầu.
Sau khi phân tích nhân tố EFA ta thấy rằng mơ hình lý thuyết ban đầu đề ra phù hợp với nghiên cứu.