MÃ HĨA Trung bình thang đo
nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến - tổng hiệu chỉnh
Cronbach's Alpha nếu loại biến UTNH, Cronbach's Alpha = 0.798
UT1 3.56 .987 .664
UT2 3.67 .935 .664
LOIICH, Cronbach's Alpha = 0.673
LI1 11.19 5.203 .498 .577
LI2 11.04 5.482 .475 .594
LI3 11.14 5.199 .460 .603
LI4 11.13 5.774 .388 .649
AHNTQ, Cronbach's Alpha = 0.728
AHNTQ1 7.57 3.233 .518 .699 AHNTQ2 7.66 2.179 .635 .531 AHNTQ3 7.67 2.323 .540 .664 STT, Cronbach's Alpha = 0.609 STT2 3.80 .816 .440 STT3 3.76 .969 .440 CLDV, Cronbach's Alpha = 0.784 CLDV1 10.16 6.052 .601 .726 CLDV2 10.15 5.559 .640 .706 CLDV3 10.09 6.061 .594 .730 CLDV4 10.07 6.457 .530 .761 DNNV, Cronbach's Alpha = 0.623 NV1 10.49 4.004 .404 .553 NV2 10.64 3.730 .424 .539 NV3 10.11 4.819 .330 .603 NV4 10.51 3.721 .464 .505 HTCT, Cronbach's Alpha = 0.727 HTCT1 7.32 2.839 .581 .601 HTCT2 7.30 2.940 .637 .533 HTCT3 7.27 3.604 .442 .758 HVGT, Cronbach's Alpha = 0.712 HVGT1 3.70 .410 .553 HVGT1 HVGT2 3.66 .434 .553 HVGT2
Hệ số tin cậy Cronbach's Alpha của các thang đo đều lớn hơn 0.6 nên đảm bảo độ tin cậy. Đồng thời, hệ số tương quan biến tổng thấp nhất của các chỉ báo trong từng nhân tố đều lớn hơn 0.3 do đó các chỉ báo đã tham gia kiểm định lần cuối cùng đều được giữ lại vì chúng đảm bảo độ tin cậy của thang đo
4.2.2.2 Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá là kỹ thuật được sử dụng để đánh giá giá trị phân biệt và giá trị hội tụ của thang đo. Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn:
- Hệ số KMO (Kaiser- Meyer-Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA. KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn (Nguyễn Đình Thọ, 2011). Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu nghiên cứu3
- Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì giữa các biến quan sát có tương quan với nhau4.
- Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích5
- Hệ số tải nhân tố (Factor Loading), theo Hair & các tác giả (2009,116), là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố bằng 0.3 được xem đạt mức tối thiểu, từ giá trị 0.4 trở lên, hệ số tải nhân tố được xem là quan trọng, và từ 0.5 được xem là có ý nghĩa thực tiễn. Trên thực tế áp dụng, việc nhớ từng mức hệ số tải với từng khoảng kích thước mẫu là khá khó khăn, do vậy người
3 Trị số của KMO phải đạt giá trị 0.5 trở lên là điều kiện đủ để phân tích nhân tố là phù hợp trích nguồn từ: Hồng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS Tập 2, NXB Hồng Đức, Trang 31.
4 Kiểm định Bartlett có ý nghĩa thống kê (sig < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố trích nguồn từ: Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 413.
5 Chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích trích nguồn từ: ồng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS Tập 2, NXB Hồng Đức, trang 34.
ta thường lấy hệ số tải 0.45 hoặc 0.5 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến dưới 350. Do đó, với 220 mẫu quan sát, tác giả lấy hệ số tải là 0,5. Như vậy, trong nghiên cứu này, nếu biến quan sát nào có hệ số tải nhân tố < 0.50 sẽ bị loại; trường hợp một biến quan sát tải lên ở cả 2 nhân tố, chúng ta cần lưu ý chênh lệch hệ số tải Factor Loading của biến quan sát giữa 2 nhóm nhân tố. Theo các nhà nghiên cứu, nếu chênh lệch hệ số tải nhỏ hơn 0.3, chúng ta cần loại bỏ biến quan sát đó. Tuy nhiên, chúng ta cũng cần xem xét đóng góp của biến vào giá trị nội dung của nhân tố trước khi quyết định loại bỏ hay giữ lại biến quan sát6.
Kết quả thực hiện phân tích EFA như sau (tham khảo thêm tại Phụ luc5)
Thực hiện phân tích EFA cho biến độc lập