CHƢƠNG 3 PHƢƠNG PHÁP NGHIÊN CỨU
3.5. Phƣơng pháp xử lý dữ liệu
3.5.1. Đánh giá thang đo
Trong bài nghiên cứu này, tác giả sử dụng hệ số Cronbach’s alpha để thực hiện việc đánh giá, do Cronbach’s alpha có hệ số kiểm định thống kê về mức độ tin cậy và sự liên kết giữa các biến quan sát trong thang đo. Theo tác giả Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005) cho rằng hệ số Cronbach’s alpha cho biết được các thơng tin về đo lường đó có được liên kết với nhau hay khơng, chứ không xác định được những biến quan sát nào cần giữ lại hoặc bỏ đi. Do đó, ta sẽ loại những biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0,4, biến quan sát có hệ số tương quan biến-tổng lớn hơn 0,6 sẽ có độ tin cậy cao. Hệ số Cronbach’s alpha càng lớn thì sẽ càng có độ tin cậy nhất quán càng cao. (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
52
3.5.2. Phân tích nhân tố khám phá (EFA)
Những thang đo đạt yêu cầu trong đánh giá độ tin cậy thì đưa vào tiến hành phân tích nhân tố khám phá EFA ( để đánh giá giá trị thang đo).
Phân tích nhân tố khám phá EFA nhằm nhóm các biến có mối quan hệ với nhau thành những thành phần hay nhân tố đại diện tốt cho những biến này. Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0,5 để đảm bảo mức ý nghĩa thiết thực của EFA. Giá trị sig. < 0,05 để các biến quan sát có mối tương quan với nhau trong tổng thể; hệ số Eigenvalue ≥ 1 (số lượng nhân tố trích ít nhất là 1 nhân tố). Các mức giá trị của hệ số tải nhân tố lớn hơn 0,3 là đạt được mức tối thiểu; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. Như vậy, thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50%.
Ngược lại, khi phân tích nhân tố EFA khơng đạt các tiêu chí như trên thì quay lại chạy Cronbach’s Alpha để đánh giá lại độ tin cậy của thang đo (loại đi biến không thỏa điều kiện).
3.5.3. Phân tích nhân tố khẳng định và mơ hình tuyến tính SEM
Phân tích nhân tố khẳng định (Confirmatory Factor Analysis) là một trong các phương pháp thống kê của mơ hình cấu trúc tuyến tính (SEM). CFA cho chúng ta kiểm định các biến quan sát (mesured variables) đại diện cho các nhân tố (constructs) tốt đến mức nào. CFA là bước tiếp theo sau bước phân tích nhân tố khám phá EFA vì CFA chỉ được sử dụng thích hợp nhất khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc tiềm ẩn cơ sở, trong đó mối quan hệ hay giả thuyết (có được từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tố cơ sở thì được nhà nghiên cứu mặc nhiên thừa nhận trước khi tiến hành kiểm định thống kê. Thọ & Trang (2008) cho rằng nếu mơ hình nhận được các giá trị TLI, CFI ≥ 0,9; CMIN/df ≤ 2; RMSEA ≤ 0,08 thì mơ hình phù hợp (tương thích) với dữ liệu thị trường. Sau khi kết quả CFA đạt yêu cầu, tác giả tiến hành kiểm định các mối quan hệ trong mơ hình khái niệm thơng qua phân tích mơ hình cấu trúc tuyến tính SEM
53