quan sát, có Cronbach alpha là 0.821, đạt mức yêu cầu. Các hệ số tƣơng quan biến – tổng đều lớn hơn mức yêu cầu (≥ 0.30), thấp nhất là 0.655. Bên cạnh đó, các hệ số Cronbach alpha nếu loại biến đều thấp hơn mức Cronbach alpha 0.821 (xem bảng 4.6). Vì vậy, tất cả các biến quan sát của thang đo FPI đều đƣợc giữ lại và sử dụng cho các phân tích tiếp đó.
Bảng 4.6. Kết quả Cronbach alpha của thang đo xu hƣớng tiêu dùng hàng ngoại ngoại
Thang đo FPI: Cronbach alpha = 0.821 Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến – tổng
Cronbach alpha nếu loại
biến
FPI 1 6.51 8.093 .709 .717
FPI 2 6.49 8.786 .661 .767
4.3.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA là kỹ thuật thƣờng đƣợc sử dụng trong nghiên cứu với mục đích chính là để đánh giá thang đo, rút gọn và tóm tắt dữ liệu sau khi đã qua kiểm định độ tin cậy Cronbach alpha. Phƣơng pháp này phát huy tính hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng nhƣ đƣợc sử dụng để tìm mối liên hệ giữa các biến với nhau.
Khi phân tích nhân tố khám phá, các nhà nghiên cứu thƣờng quan tâm đến một số tiêu chuẩn. Thứ nhất, để sử dụng EFA, hệ số KMO (Kaiser – Meyer –
Olkin) phải lớn hơn 0.5 (Nguyễn Đình Thọ, 2011); 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 nhƣ 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).
Thứ hai, trọng số nhân tố (factor loading) ≥ 0.5 là giá trị chấp nhận đƣợc
trong thực tiễn nghiên cứu (Nguyễn Đình Thọ, 2011), nghĩa là những biến quan sát nào có trọng số nhân tố < 0.5 sẽ bị loại. Ngoài ra, theo Hair và cộng sự (1998), trọng số nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Trọng số nhân tố > 0.3 đƣợc xem là đạt mức tối thiểu, trọng số nhân tố > 0.4 đƣợc xem là quan trọng, trọng số nhân tố ≥ 0.5 đƣợc xem là có ý nghĩa trong thực tiễn.
Thứ ba, khi đánh giá kết quả EFA, chúng ta cần xem xét tổng phƣơng sai
trích (TVE – Total Variance Explained). Tổng này thể hiện các nhân tố trích đƣợc bao nhiêu phần trăm của các biến đo lƣờng. Mơ hình EFA phù hợp khi tổng phƣơng sai trích đạt từ 50% trở lên (Nguyễn Đình Thọ, 2011).
Thứ tư là xem xét hệ số eigenvalue. Eigenvalue là đại lƣợng đại diện cho
phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Hệ số này phải có giá trị ≥ 1 (Gerbing và Anderson, 1998) thì nhân tố đó mới đƣợc giữa lại.
Thứ năm, chênh lệch trọng số nhân tố của một biến quan sát giữa các nhân tố
phải ≥ 0.3 để đảm bảo biến đo lƣờng chỉ đo lƣờng khái niệm mà nó muốn đo lƣờng mà thơi (Nguyễn Đình Thọ, 2011).
Tiến hành phân tích EFA, tác giả sử dụng phƣơng pháp trích Principal Component Analysis với phép quay Varimax và điểm dừng khi trích các yếu tố có eigenvalue ≥ 1.
Sau khi kiểm định độ tin cậy Cronbach alpha, toàn bộ 25 biến quan sát của 5 thang đo đƣợc đƣa vào phân tích EFA. Kết quả EFA đầy đủ đƣợc trình bày trong Phụ lục 4. Từ kết quả kiểm định EFA cho thấy có 5 nhân tố đƣợc trích tại eigenvalue là 1.273, với tổng phƣơng sai trích là 57.898%, đạt yêu cầu. Các biến quan sát của các nhân tố đều có trọng số tải nhân tố (factor loading) lớn hơn 0.50, cho thấy các biến quan sát đều quan trọng trong các nhân tố. Mỗi biến quan sát có sai lệch về hệ số tải nhân tố giữa các nhân tố đều lớn hơn 0.3 nên đảm bảo đƣợc sự phân biệt giữa các nhân tố. Hệ số KMO = 0.864 nên EFA phù hợp với dữ liệu. Thống kê Chi-square của kiểm định Bartlett‟s đạt giá trị 2364.799, với mức ý nghĩa sig. = 0.000. Do vậy, các biến quan sát có tƣơng quan với nhau xét trên phạm vi tổng thể. Phƣơng sai trích đạt 57.898% thể hiện rằng năm nhân tố trích ra giải thích đƣợc khoảng 57.9% biến thiên của dữ liệu. Vì vậy, các thang đo rút ra chấp nhận đƣợc. Kết quả EFA tóm lƣợc đƣợc trình bày trong bảng 4.7.