Một đo lường được coi là có giá trị khi nó đo lường được đúng cái cần đo lường (Campbell & Fiske, 1959). Hay nói cách khác, đo lường đó vắng mặt cả hai loại sai số, sai số hệ thống và sai số ngẫu nhiên. Để đánh giá thang đo và các khái niệm trong nghiên cứu cần kiểm tra độ tin cậy và độ giá trị của thang đo. Dựa trên hệ số độ tin cậy Cronbach’s Alpha, hệ số tương quan biến - tổng (Item-total correlation) giúp loại ra những biến quan sát khơng đóng góp vào việc mơ tả khái niệm cần đo, hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) để giúp đánh giá loại bỏ biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm cần đo và phương pháp phân tích nhân tố khám phá (EFA) nhằm kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu.
* Phân tích Cronbach’s Alpha:
Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố (EFA) nhằm loại bỏ các biến khơng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007), hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được (Peterson, 1994).
* Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
Hệ số tương quan biến - tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo. Do đó, hệ số này càng cao thì sự tương quan giữa biến với các biến khác trong nhóm càng cao. Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ hơn 0,3 được coi là biến rác và sẽ bị loại ra khỏi mơ hình. Theo Nunnally & Burnstein (1994); Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2007) thang đo có độ tin cậy tốt khi hệ số Cronbach’s Alpha biến thiên trong khoảng [0,7-0,8], nếu Cronbach’s Alpha ≥ 0,6 là thang đo có thể chấp nhận được về mặt độ tin cậy.
Tuy nhiên, điều này không thật sự như vậy, nếu hệ số Cronbach’s Alpha quá lớn (α > 0,95) cho thấy có nhiều biến quan sát (Items) trong thang đo khơng có
khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu, hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường). Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không, nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến - tổng để giúp loại ra những biến quan sát khơng đóng góp nhiều cho sự mơ tả các khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
* Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis):
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề cần nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Tiêu chuẩn phân tích nhân tố khám phá (EFA) bao gồm:
Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05; ngược lại KMO < 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr.262).
+ Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thốt). Trong đó, Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%.
+ Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và ctg, Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực tiễn. Ngồi ra, trường hợp các biến có Factor loading được trích vào các nhân tố khác nhau
mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp nhận < 0,3), tức không tạo nên sự khác biệt để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến cịn lại sẽ được nhóm vào nhân tố tương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).
Trong nghiên cứu này, mẫu nghiên cứu có kích thước tương đối (n = 174) và sau EFA là phân tích hồi qui bội. Vì thế, trong quá trình Cronbach’s alpha, tác giả sẽ giữ lại các thang đo có trị số Cronbach’s Alpha ≥ 0,6 và loại các biến quan sát có tương quan biến-tổng < 0,3. Trong q trình EFA, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax; loại bỏ các biến quan sát có trị số Factor loading ≤ 0,5 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố ≤ 0,3.