Thành phần 1 2 3 HD5 .917 HD1 .875 HD2 .834 HD3 .798 HD4 .794 HD8 .763 HD6 .731 HD9 .717 HD7 .696 HN4 .847 HN1 .834 HN3 .646 HN2 .623 EQ1 .883 EQ2 .831 EQ3 .533
Phương pháp chiết xuất: Phân tích thành phần chính. Phương pháp xoay: Varimax với Kaiser Normalization. một. Phép quay hội tụ trong 5 lần lặp.
(Nguồn: Kết quả khảo sát của tác giả)
Trong nghiên cứu định lượng, phân tích nhân tố khám phá được thực hiện theo bộ dữ liệu thông qua các giá trị sau: 0,5 ≤ KMO ≤ 1; Kiểm định Bartlett có mức ý nghĩa Sig. <0,05; Giá trị riêng ≥ 1; Tổng phương sai được giải thích ≥ 50%; Yếu tố Loading ≥ 0,5.
Dữ liệu trong Bảng 6 và Bảng 7 cho thấy:
Giá trị KMO = 0,803> 0,5 xác nhận rằng phân tích nhân tố khám phá là phù hợp với tập dữ liệu
Kiểm định Bartlett có mức ý nghĩa Sig. = 0,000 <0,05 cho thấy các biến quan sát có mối tương quan tuyến tính với nhân tố đại diện hay nói khác đi là có mối tương quan thuận.
Nhìn vào bảng 6 ta thấy có 3 nhân tố từ 13 biến quan sát có tổng phương sai được giải thích với Tích lũy% = 75,711%> 50% cho thấy 75,711% sự thay đổi của các nhân tố (EQ1, EQ2, EQ3) trong biến phụ thuộc được giải thích bằng các biến quan sát
Tất cả các biến quan sát có Factor Loading> 0.5 chứng tỏ các biến quan sát có ý nghĩa thống kê tốt.
Các biến quan sát được tách thành 03 nhân tố tương ứng với 03 nhân tố ban đầu có Eigenvalues> 1 cho thấy mơ hình nghiên cứu ban đầu được giữ nguyên, bao gồm: 01 biến phụ thuộc (EQ), 02 biến độc lập (HD, HN) với tổng số là 16 các biến quan sát có ý nghĩa thống kê tốt, có thể thực hiện phân tích hồi quy tuyến tính đa biến để xem xét mối quan hệ của các biến độc lập (HD, HN) với biến phụ thuộc (EQ).