Chương 2 LÝ LUẬN TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
4.4. Kết quả nghiên cứu
4.4.3. Phân tích nhân tố
Khi các thang đo đã đảm bảo độ tin cậy, bước tiếp theo trong nghiên cứu định lượng là xác định các biến để thực hiện bước kiểm định của mơ hình. Phương pháp phân tích nhân tố khám phá EFA dùng để rút gọn nhiều biến quan sát với nhau thành một tập hợp các biến nhỏ hơn, đại diện cho mỗi nhóm nhân tố để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các thơng tin của nhóm nhân tố ban đầu.
Phân tích nhân tố được sử dụng cho các biến độc lập và các biến phụ thuộc. Phương pháp áp dụng là phương pháp Principal Components với phép xoay nhân tố varimax, xoay nhân tố là thủ tục giúp ma trận nhân tố trở nên đơn giản và dễ giải thích hơn. Đề tài sẽ xem xét loại bỏ biến khi biến đó có hệ số tải nhân tố thấp.
Kết quả phân tích nhân tố EFA cho các biến độc lập
Bảng kết quả kiểm định KMO và Bartlett và phân tích nhân tố EFA cho các biến độc lập được trình bày như sau: (Chi tiết kết quả được trình bày tại Phụ lục 13)
Bảng 4.16 Kết quả phân tích nhân tố EFA cho các biến độc lập
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,821
Bartlett's Test of Sphericity Approx. Chi-Square 3,724E3
Df 351
Sig. ,000
Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 6,858 25,399 25,399 6,858 25,399 25,399 3,818 14,140 14,140 2 3,064 11,347 36,746 3,064 11,347 36,746 3,460 12,814 26,955 3 2,677 9,916 46,662 2,677 9,916 46,662 3,122 11,563 38,518 4 1,933 7,159 53,821 1,933 7,159 53,821 2,852 10,562 49,080 5 1,891 7,002 60,823 1,891 7,002 60,823 2,791 10,335 59,415 6 1,702 6,302 67,126 1,702 6,302 67,126 2,082 7,711 67,126 7 ,933 3,457 70,582 … … ….. …… 27 ,117 ,432 100,000
(Nguồn:kết quả phân tích của tác giả)
Hệ số KMO = 0,821 nằm trong khoảng [0,5;1] nên phân tích nhân tố EFA là phù hợp với dữ liệu. Thống kê Chi-Square của kiểm định Bartlett’s đạt giá trị mức ý nghĩa là 0,000. Do vậy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể.
Có 27 biến quan sát được nhóm thành 6 nhân tố. Hệ số tải nhân tố (Factor loading) là các hệ số trong bảng Rotated Component Matrix và theo kết quả phân tích cho
thấy các hệ số tải nhân tố đều > 0,5 nên các biến quan sát đều quan trọng trong các nhân tố, chúng có ý nghĩa thiết thực.
Phương sai trích đạt 67,126% (>50%) thể hiện rằng 6 nhân tố rút ra giải thích được 67,126% biến thiên của dữ liệu; do vậy các thang đo rút ra được chấp nhận. Điểm dừng khi rút trích nhân tố thứ sáu với eigenvalue = 1,702 > 1, đạt yêu cầu.
Qua bảng kết quả cho thấy các biến đo lường trong các thang đo ban đầu đều chứa đựng đầy đủ các thơng tin và giải thích tốt đối với các nhân tố tương ứng.
Kết quả phân tích nhân tố EFA cho các biến phụ thuộc
Bảng kết quả kiểm định KMO và Bartlett và phân tích nhân tố EFA cho các biến phụ thuộc được trình bày như sau:
Bảng 4.17 Kết quả phân tích nhân tố EFA cho các biến phụ thuộc
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,704
Bartlett's Test of Sphericity Approx. Chi-Square 294,548
df 3
Sig. ,000
Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2,232 74,392 74,392 2,232 74,392 74,392 2 ,463 15,446 89,838 3 ,305 10,162 100,000 Component Matrixa Component 1 YD1 ,894 YD3 ,862 YD2 ,830
Hệ số KMO là 0,704 lớn hơn 0,5 và nhỏ hơn 1 và thống kê Chi-Square của kiểm định Bartlett đạt giá trị với mức ý nghĩa thống kê là 0,000 cho thấy phân tích EFA phù hợp với dữ liệu và các biến quan sát có tương quan với nhau trên phạm vi tổng thể.
Hệ số tải nhân tố đều > 0,5 nên các biến quan sát đều quan trọng đối với nhân tố. Phương sai trích đạt 74,392% (>50%) thể hiện rằng nhân tố giải thích được 74,392% biến thiên của dữ liệu, do vậy thang đo được chấp nhận. Điểm dừng khi rút trích một nhân tố với eigenvalue = 2,232 > 1, đạt yêu cầu.
Qua phân tích cho thấy, các biến đo lường trong thang đo ý định hành vi sử dụng ban đầu đều được giữ nguyên.
Khi phân tích nhân tố EFA cho các biến độc lập và biến phụ thuộc, ta dùng hàm mean để tính trung bình cộng các biến quan sát thuộc nhân tố để làm nhân tố đại diện. Đây là các nhân số của nhân tố nhằm tăng tính chính xác của việc thực hiện các phương pháp phân tích tương quan, hồi quy và ANOVA.