CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.1. Kết quả nghiên cứu
4.1.3. Phân tích nhân tố khám phá EFA
Theo Nguyễn Đình Thọ (2011), phân tích nhân tố khám phá EFA giúp rút gọn biến quan sát thành tập hợp một nhân tố ít hơn, có nghĩa hơn mà vẫn bao qua được nội dung tập hợp các biến ban đầu.
Khi phân tích EFA cần có những điều kiện như sau:
- Hệ số KMO (Kaiser- Meyer – Olkin): (Kaiser, 1974)KMO ở mức chấp nhận được phải lớn hơn 0.5.
- Kiểm định Barlett’s có mức ý nghĩa sig < 0.05 để chứng tỏ dữ liệu dùng phân tích nhân tố là thích hợp và giữa các biến có tương quan với nhau (Nguyễn Đình Thọ, 2011)
- Hệ số tải nhân tố (factor loading) ≥ 0.5 mới đảm bảo ý nghĩa của EFA. Đồng thời, hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn hơn 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (J. J. Hair và cộng sự, 2010) - Tiêu chí điểm dừng eigenvalue có giá trị tối thiểu phải bằng 1 và tổng phương
sai trích ≥ 50% (J. J. Hair và cộng sự, 2010)
Trong đề tài nghiên cứu này, phân tích nhân tố sẽ giúp ta xem xét khả năng rút gọn số lượng 21 biến quan sát xuống còn một số ít các biến dùng để phản ánh một cách cụ thể sự tác động của các nhân tố. Kết quả phân tích nhân tố được thể hiện dưới đây:
❖ Kiểm định KMO
Để tiến hành phân tích nhân tố khám phá thì dữ liệu thu được phải đáp ứng được các điều kiện qua kiểm định KMO và kiểm định Bartlett’s. Bartlett’s Test dùng để kiểm định giả thuyết H0 là các biến không có tương quan với nhau trong tổng thể, tức ma trận tương quan tổng thể là một ma trận đơn vị, hệ số KMO dùng để kiểm tra xem kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay không.
Nguyễn Đình Thọ (2011)thì giá trị Sig. của Bartlett’s Test nhỏ hơn 0.05 và giá trị 0.5<KMO<1 có nghĩa là phân tích nhân tố là thích hợp.
Bảng 4.9 Kiểm định KMO (nguồn: tính toán của tác giả) KMO and Bartlett’s Test
Trị số KMO (Kaiser-Meyer-Olkin of Sampling Adequacy) 0.859 Đại lượng thống kê
Bartlett’s (Bartlett’s Test of Sphericity)
Approx. Chi-Square 2554.507
df 210
Sig. 0.000
Kết quả kiểm định tại bảng 4.9 cho ra trị số của KMO đạt 0.859 lớn hơn 0.5 và Sig của Bartlett’s Test là 0.000 nhỏ hơn 0.05 cho thấy 21 quan sát này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố.
❖ Ma trận xoay các nhân tố
Phương pháp được chọn ở đây là phương pháp xoay nhân tố Promax proceduce, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏ hơn 0.5 ra khỏi mô hình. Chỉ những quan sát có hệ số tải nhân tố lớn hơn 0.5 mới được sử dụng để giải thích một nhân tố nào đó. Phân tích nhân tố khám phá EFA sẽ giữ lại các biến quan sát có hệ số tải lớn hơn 0.5 và sắp xếp chúng thành những nhóm chính.
Kết quả phân tích nhân tố khám phá lần 1 cho ra được 5 nhóm nhân tố. Bên cạnh đó, 5 nhóm nhân tố này được rút trích giải thích được 60,002% sự biến động của dữ liệu.
Nhằm xác định số lượng nhân tố trong nghiên cứu này sử dụng 2 tiêu chuẩn:
- Tiêu chuẩn Kaiser (Kaiser Criterion) nhằm xác định số nhân tố được trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Giá trị Eigenvalue đại diện
cho phần biến thiên được giải thích bởi mỗi nhân tố, chỉ có nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
- Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố là thích hợp nếu tổng phương sai trích không được nhỏ hơn 50%
Bảng 4.10 Kết quả EFA cho thang đo nhân tố (nguồn: tính toán của tác giả)
Biến quan sát
Hệ số tải nhân tố
1 2 3 4 5
ASQ3 0.814
ASQ4 0.774
ASQ6 0.757
ASQ2 0.748
ASQ1 0.740
ASQ8 0.738
ASQ5 0.630
ASU3 0.896
ASU5 0.837
ASU4 0.811
ASU2 0.769
PU4 0.818
PU2 0.794
PU1 0.741
PU3 0.719
PWC1 0.955
PWC3 0.876
PWC4 0.682
PEOU2 0.860
PEOU4 0.785
PEOU3 0.703
Eigenvalues 6.415 3.349 2.090 1.733 1.399 Phương sai
rút trích
28.811% 14.140% 8.453% 6.459% 5.242%
Tổng phương sai rút trích: 63.105%
Như vậy. sau khi xoay các nhân tố, ta thấy sự tập trung của các quan sát theo từng nhân tố đã khá rõ ràng. Bảng kết quả phân tích tại bảng 4.10 cho thấy có tất cả 21 quan sát tạo ra 5 nhân tố, đủ điều kiện để thực hiện các phân tích tiếp theo. Kết quả:
cả 5 nhân tố đều được trích với tổng phương sai giải thích được 63.105% lớn hơn 50%
- Nhân tố 1 (ASQ) gồm 7 biến quan sát: ASQ1, ASQ2, ASQ3, ASQ4, ASQ5, ASQ6, ASQ8
- Nhân tố 2 (ASU) gồm 4 biến quan sát: ASU2, ASU3, ASU4, ASU5 - Nhân tố 3 (PU) gồm 4 biến quan sát: PU1, PU2, PU3, PU4