CHƯƠNG 3 : THIẾT KẾ NGHIÊN CỨU
3.4. Phương pháp phân tích dữ liệu
3.4.3. Phân tích nhân tố khám phá EFA
(302) Sau khi loại bỏ những biến quan sát không phù hợp thông qua phương pháp kiểm định Cronbach’s Alpha, tác giả tiếp tục thực hiện phân tích nhân tố khám phá EFA để thu gọn và xác định lại thang đo bởi trong quá trình nghiên cứu, thường thu thập được một lượng biến khá lớn và trong đó có thể một số biến quan sát có đặc điểm chung với nhau hay cùng thể hiện một tính chất.. Vì vậy, phân tích nhân tố khám phá EFA có chức năng rút gọn một tập hợp k biến quan sát thành một tập hợp F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa trên mối quan hệ tuyến tính của các nhân tố với các biến quan sát (Nguyễn Đình Thọ, 2011).
(303) Các thang đo được coi là phù hợp và có độ tin cậy cao thì phải đáp ứng các tiêu
chí sau:
(304) Hệ số KMO (Kaiser - Meyer - Olkin): Chỉ số này được dùng để xem xét sự thích hợp của phân tích nhân tố. Hệ số này nếu có giá trị lớn hơn hoặc bằng 0,5 và nhỏ hơn hoặc bằng 1 thì nó thể hiện việc phân tích các nhân tố là phù hợp, cịn nếu chỉ số này nhỏ hơn 0,5 thì việc phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu mà tác giả đang thực hiện nghiên cứu (Nguyễn Đình Thọ, 2011).
(305) Kiểm định Barlett: Chỉ số này có chức năng kiểm tra xem liệu các biến có tương
quan với nhau trong tổng thể không. Khi giá trị Sig nhỏ hơn hoặc bằng 0,05, thì kiểm định Bartlett mới có ý nghĩa thống kê, điều này chứng minh rằng các biến quan sát có tương quan với nhau trong tổng thể (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
(306) Trị số Eigenvalue: Trị số Eigenvalue là trị số dùng để xác định số lượng
nhân tố
phù hợp nhất được trích ra trong bảng ma trận xoay EFA. Chỉ giữ lại các nhân tố để phân tích trong mơ hình nghiên cứu khi trị số Eigenvalue lớn hon hoặc bằng 1 (Nguyễn Đình Thọ, 2011).
(307) Tổng phưong sai trích: khi chỉ số này lớn hon 50%, điều đó chứng tỏ rằng mơ
hình EFA là thích hợp và các nhân tố được trích ra đại diện được phần lớn dữ liệu nghiên cứu. Coi sự biến thiên của các biến quan sát là 100% thì giá trị phương sai trích thể hiện rằng các nhân tố được trích ra trong ma trận xoay EFA cô đọng được bao nhiêu phần trăm và bị thất thoát đi bao nhiêu phần trăm của các biến quan sát (Nguyễn Đình Thọ, 2011).
(308) Hệ số tải nhân tố (factor loading): chỉ số này thể hiện mối quan hệ tương quan
giữa biến quan sát và nhân tố, theo đó biến quan sát đóng góp được bao nhiêu phần trăm trong nhân tố mẹ. Khi hệ số tải nhân tố càng cao thì tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Nếu chỉ số này nhỏ hơn 0,5 thì các biến quan sát này sẽ bị loại, còn nếu hệ số đạt giá trị từ 0,5 trở lên thì biến đó được coi là phù hợp và được giữ lại (Nguyễn Đình Thọ, 2011).