CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.4 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn gọi là các nhân tố để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. EFA hướng đến việc khám phá ra cấu trúc cơ bản của một tập hợp các biến có liên quan với nhau. Nó xem xét mối quan hệ giữa các biến ở tất cả các nhóm nhân tố khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu. Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau, nên sử dụng phân tích nhân tố khám phá EFA sẽ giúp tiết kiệm thời gian và kinh phí nhiều hơn cho người nghiên cứu.
4.4.2 Các tiêu chí trong phân tích EFA
Hệ số Kaiser-Mayer-Olkin (KMO): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải nằm trong khoảng từ 0.5 đến 1, đây là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Trị số KMO thường được nhận xét theo những tiêu chuẩn sau:
KMO >9: xuất sắc
8 < KMO ≤ 0.9: rất tốt
7 < KMO ≤ 0.8: tốt
5 < KMO ≤ 0.7: bình thường 95
KMO ≥ 5: mức chấp nhận tối thiểu
Kiểm định Bartlett (Bartlett’s test of sphericity): dùng để xem xét mối tương quan giữa các biến quan sát trong nhân tố. Để chứng tỏ giữa các biến quan sát có tương quan với nhau thì Sig Bartlett’s Test phải nhỏ hơn 0.05. Kiểm định này sẽ xem xét có mối tương quan xảy ra giữa các biến tham gia vào EFA hay không với giả thuyết Ho:
Không có mối tương quan giữa các biến quan sát. Nếu sig kiểm định Bartlett nhỏ hơn 0.05, chúng ta bác bỏ H0 và kết luận các biến tham gia vào EFA có sự tương quan với nhau. Ngược lại, nếu Sig lớn hơn 0.05, chúng ta chấp nhận H0 và kết luận các biến quan sát không có sự tương quan với nhau, phân tích EFA là không phù hợp.
Trị số Eigenvalues: là tiêu chí để xác định tổng số lượng nhân tố trong EFA. Thường giá trị chuẩn của trị số Eigenvalue là 1. Nghĩa là chỉ những nhân tố nào có trị số Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích nhân tố.
Tổng phương sai trích (Total Variance Explained): được dùng để kiểm định mô hình EFA có phù hợp hay không. Trị số này phải lớn hơn hoặc bằng 50%, thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát nếu coi biến thiên là 100%.
Hệ số tải nhân tố (Factor Loading): giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Hệ số tải nhân tố phải có giá trị nhỏ nhất là 0.3. Theo Hair & ctg (2009,116), Multivariate Data Analysis, 7th Edition thì:
Hệ số tải nhân tố ở mức ± 0.3: Điều kiện tối thiểu để biến quan sát được giữ lại.
Hệ số tải nhân tố ở mức ± 0.5: Biến quan sát có ý nghĩa thống kê tốt.
Hệ số tải nhân tố ở mức ± 0.7: Biến quan sát có ý nghĩa thống kê rất tốt.
Nhưng để xác định giá trị tiêu chuẩn của những hệ số này cũng quan tâm đến cỡ mẫu vì mỗi khoảng cỡ mẫu khác nhau thì trọng số của nhân tố mà tại đó biến quan sát có ý nghĩa thống kê khác nhau. Cụ thể mỗi giá trị Loading Factor để có ý nghĩa thống kê sẽ yêu cầu cỡ mẫu tối thiểu như sau:
0.3 350 mẫu
0.35 250 mẫu
96
0.4 200 mẫu
0.45 150 mẫu
0.5 120 mẫu
0.55 100 mẫu
0.6 85 mẫu
0.65 70 mẫu
0.7 60 mẫu
0.75 50 mẫu
Lý thuyết là vậy nhưng việc nhớ giá trị hệ số tải nhân tố nào áp dụng cho cỡ mẫu nào là khá rắc rối và không quá cần thiết nên người ta thường áp dụng 0.45 hoặc 0.5 cho cỡ mẫu từ 120 đến 350, còn cỡ mẫu từ 350 trở lên sẽ lấy 0.3 làm giá trị tiêu chuẩn.
4.4.3 Kết quả kiểm định
Bảng 4.15. Bảng thể hiện hệ số KMO và kết quả kiểm định Bartlett
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .922
Bartlett's Test of Sphericity
Approx. Chi-Square 4645.552
df 210
Sig. .000
(Nguồn: Kết quả thu được từ phân tích dữ liệu) Từ bảng trên ta có thể thấy giá trị KMO của nhóm là 0.922, thỏa điều kiện 0.5 =<
KMO =< 1, chứng tỏ phân tích nhân tố phù hợp với dữ liệu của nhóm và Sig Bartlett's test = 0.000 < 0.05, chứng tỏ giữa các biến quan sát có mối tương quan với nhau.
97
Bảng 4. 16. Bảng thể hiện phương sai trích
(Nguồn: Kết quả thu được từ phân tích dữ liệu)
Qua kiểm định, nhóm em thu được tổng phương sai trích = 66.745% > 50%, chứng tỏ mô hình EFA phù hợp và giá trị Eigenvalues = 1.180, thỏa điều kiện lớn hoặc bằng 1.
Nhóm cũng trích ra được 5 nhân tố giải thích cho 66.745% sự thay đổi của 21 biến quan sát tham gia vào EFA.
Bảng 4.17. Các bảng thể hiện ma trận xoay
Rotated Component Matrixa Component
1 2 3 4 5
TK6 .763
TK7 .739
98
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 7.671 36.531 36.531 7.671 36.531 36.531 4.350 20.714 20.714
2 2.058 9.799 46.329 2.058 9.799 46.329 2.755 13.118 33.832
3 1.656 7.888 54.217 1.656 7.888 54.217 2.671 12.719 46.550
4 1.451 6.908 61.124 1.451 6.908 61.124 2.237 10.653 57.203
5 1.180 5.621 66.745 1.180 5.621 66.745 2.004 9.542 66.745
6 .607 2.888 69.634
7 .553 2.633 72.267
8 .531 2.529 74.796
9 .520 2.475 77.272
10 .498 2.370 79.642
11 .475 2.262 81.904
12 .453 2.156 84.060
13 .447 2.127 86.186
14 .411 1.956 88.143
15 .404 1.924 90.067
16 .388 1.846 91.912
17 .382 1.819 93.732
18 .373 1.776 95.507
19 .359 1.712 97.219
20 .303 1.444 98.663
21 .281 1.337 100.000
Extraction Method: Principal Component Analysis.
TK2 .728
TK5 .725
TK3 .722
TK1 .716
TK4 .714
NC4 .802
NC2 .790
NC1 .773
NC3 .760
CS2 .759
CS1 .758
CS4 .746
CS3 .746
GC1 .845
GC2 .839
GC3 .826
KTT3 .756
KTT2 .752
KTT1 .726
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
(Nguồn: Kết quả thu được từ phân tích dữ liệu) Nhóm em quyết định lấy hệ số tiêu chuẩn là 0.3 vì cỡ mẫu phân tích là 483. Như đã được thể hiện ở bảng trên, tất cả các biến quan sát đều có hệ số tải nhân tố đạt tiêu chuẩn là 0.3 trở lên và hầu hết thể hiện ý nghĩa thống kê tốt (từ 0.5 đến 0.7). Cuối cùng nhóm nhận về được 5 nhóm nhân tố với 21 biến quan sát.
4.4.4 Tổng kết các nhóm nhân tố
Sau khi tổng hợp từ ma trận xoay, nhóm có những nhóm nhân tố được thể hiện qua những bảng sau đây:
Nhóm nhân tố thứ nhất gồm các nhân tố về THIETKE: TK6, TK7, TK2, TK5, TK3, TK1, TK4.
Nhóm nhân tố THIETKE TK1 Chất lượng đồ họa tốt
99
TK2 Mượt mà và ổn định
TK3 Âm thanh và hiệu ứng sống động TK4 Trải nghiệm thú vị và hấp dẫn TK5 Tạo hình nhân vật lôi cuốn TK6 Dễ hiểu và dễ tiếp cận game TK7 Cốt truyện đa dạng, thu hút
Nhóm nhân tố thứ hai gồm các nhân tố về NHUCAU: NC4, NC2, NC1, NC3.
Nhóm nhân tố NHUCAU NC1 Thư giãn, giải trí
NC2 Kết nối với bạn bè và cộng đồng người chơi NC3 Khám phá nhiều nội dung thú vị trong game NC4 Thể hiện bản thân, cạnh tranh với người khác
Nhóm nhân tố thứ ba gồm các nhân tố về CHINHSACH: CS2, CS1, CS4, CS3.
Nhóm nhân tố CHINHSACH CS1 Cập nhật và sửa lỗi nhanh chóng CS2 Chính sách xử phạt chính xác, công bằng CS3 Hỗ trợ lấy lại tài khoản, tiền, vật phẩm nhanh gọn CS4 Công cụ thanh toán nhanh chóng, tiện lợi
Nhóm nhân tố thứ tư gồm các nhân tố về GIACA: GC1, GC2, GC3.
100
Nhóm nhân tố GIACA GC1 Các tựa game đều miễn phí
GC2 Vật phẩm trong game có mức giá hợp lí GC3 Có nhiều chương trình giảm giá, khuyến mãi
Nhóm nhân tố thứ năm gồm các nhân tố về MARKETING: KTT3, KTT2, KTT1.
Nhóm nhân tố MARKETING KTT1 Tổ chức nhiều sự kiện, giải đấu
KTT2 Trực tiếp các sự kiện, giải đấu trên đa nền tảng KTT3 Hợp tác với nhiều người nổi tiếng, streamer