CHƯƠNG 1 GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
4.8. Phân tích khám phá nhân tố EFA
Như được biết đến với mục đích tóm gọn các dữ liệu nghiên cứu, phương pháp phân tích khám phá nhân tố EFA rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Khi phân tích khám phá nhân tố EFA, các nhà nghiên cứu trước đây thường quan tâm đến một số tiêu chuẩn như sau:
Đầu tiên, hệ số KMO (Kaiser- Meyer-Olkin) là một chỉ tiêu tương đối quan trọng và hay được sử dụng để xem xét sự thích hợp của phân tích khám phá nhân tố EFA,
khi giá trị của KMO lớn hơn giá trị 0.5 thì phân tích khám phá nhân tố EFA là tương đối thích hợp.
Tiếp theo, ngoài việc sử dụng hệ số KMO, các tài liệu trước đây cũng cho rằng nên sử dụng kiểm định Barlett để phân tích mức độ tương quan giữa các biến quan sát với giả thuyết H0: mức độ tương quan bằng không. Hơn thế nữa, trong trường hợp kiểm định Barlett có ý nghĩa (khi mà giá trị P-value của kiểm định này nhỏ hơn mức ý nghĩa thống kê), thì các biến quan sát trong mơ hình nghiên cứu có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Điều này cho thấy việc phân tích khám phá nhân tố EFA là phù hợp.
Hơn thế nữa, việc phân tích khám phá nhân tố EFA được chấp nhận khi tổng phương sai trích lớn hơn giá trị 50% (Gerbing và Anderson, 1988).
Cuối cùng, ngồi các chỉ tiêu trên, thì hệ số tải nhân tố (Factor Loading) cũng được các nghiên cứu trước đây cho rằng là chỉ tiêu cần được xem xét khi phân tích khám phá nhân tố EFA. Hair và các cộng sự (1998) cho rằng hệ số tải nhân tố là chỉ tiêu phản ánh mức ý nghĩa của việc phân tích khám phá nhân tố EFA. Theo đó giá trị của hệ số tải nhân tố lớn hơn giá trị 0.30 được xem đạt mức tối thiểu, hệ số tải nhân tố lớn hơn giá trị 0.40 được xem là quan trọng, hệ số tải nhân tố lớn hơn giá trị 0.50 được xem là có ý nghĩa thực tiễn. Do đó, trong luận văn này, nhằm đảm bảo độ tin cậy, thang đo nào có các giá trị hệ số tải nhân tố nhỏ hơn giá trị 0.50 sẽ bị loại khỏi mơ hình nghiên cứu.
Kết quả 4.16 và 4.17 thể hiện kết quả đối với các biến độc lập, có thể thấy rằng giá trị KMO trong bảng 4.16 có giá trị 0.875 lớn hơn mức 0.50 mà luận văn đã đề cập. Hơn thế nữa, tổng phương sai trích được đối với các biến độc lập cũng lên đến 87.50% lớn hơn mức 50% mà luận văn đã đề cập. Ngồi ra, kiểm định Barlett cũng có giá trị p-value của kiểm định bằng 0.000, nhỏ hơn mức ý nghĩa 10%.
Bảng 4.16. Kết quả kiểm định KMO
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0.875 Bartlett's Test of Sphericity Approx. Chi-Square 2.951E3
Df 300
Sig. 0.000
Nguồn: Kết quả tổng hợp từ phần mềm SPSS 16.
Hơn thế nữa, bảng 4.17 thể hiện kết quả khám phá nhân tố EFA và qua đó có thể nhận thấy rằng các hệ số tải nhân tố đều lớn hơn giá trị 0.5. Do đó từ đây luận văn cho rằng các tiêu chí mà luận văn đã đề cập đều thỏa các điều kiện khi phân tích nhân tố khám phá EFA, điều này ngụ ý rằng kết quả đạt sự thích hợp cao trong phân tích.
Bảng 4.17. Kết quả khám phá nhân tố EFA
Component 1 2 3 4 5 6 PU1 0.709 PU2 0.776 PU3 0.757 PU4 0.674 PEOU1 0.645 PEOU2 0.815 PEOU3 0.650 PEOU4 0.707 PEOU5 0.789 PR1 0.703 PR2 0.703 PR3 0.787 PR4 0.742 TR1 0.608 TR2 0.710
TR3 0.728 TR4 0.658 TR5 0.744 SI1 0.825 SI2 0.797 SI3 0.743 SEF1 0.622 SEF2 0.771 SEF3 0.714 SEF4 0.827 Nguồn: Kết quả tổng hợp từ phần mềm SPSS 16.
4.9. Kết quả hồi quy