CHƢƠNG 3 THIẾT KẾ NGHIÊN CỨU
3.3. Nghiên cứu định lượng
3.3.3.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA thường được sử dụng trong nghiên cứu với mục đích chính là để đánh giá độ giá trị của thang đo. Khi phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn.
Hệ số KMO (Kaiser – Meyer – Olkin) phải lớn hơn 0.5 (Nguyễn Đình Thọ, 2012); mức ý nghĩa của kiểm định Bartlett p ≤ 0.05. KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Trọng số nhân tố (factor loading) ≥ 0.5 là giá trị chấp nhận được trong thực tiễn (Nguyễn Đình Thọ, 2012), những biến quan sát nào có trọng số nhân tố < 0.5 sẽ bị loại. Theo Hair và cộng sự (2006), trọng số nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Trọng số nhân tố >0.3 được xem là đạt mức tối thiểu, trọng số nhân tố >0.4 được xem là quan trọng, trọng số nhân tố ≥ 0.5 được xem là có ý nghĩa trong thực tiễn.
Khi đánh giá kết quả EFA, cần xem xét tổng phương sai trích (TVE – Total Variance Explained). Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường, mơ hình EFA phù hợp khi tổng phương sai trích đạt từ 50% trở lên (Nguyễn Đình Thọ, 2012).
Hệ số eigenvalue phải có giá trị ≥ 1 (Gerbing và Anderson, 1998) thì nhân tố đó mới được giữa lại, eigenvalue là đại lượng đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Ngoài ra, chênh lệch trọng số nhân tố của biến quan sát với nhân tố khác phải ≥ 0.3 để đảm bảo biến quan sát chỉ đo lường khái niệm mà nó muốn đo lường (Nguyễn Đình Thọ, 2012).