CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.4. Phân tích nhân tố khám phá EFA
4.4.1. Các tiêu chí trong phân tích EFA:
Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân số. Trị số KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân số có khả năng không thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett (Bartlett's test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Chúng ta cần lưu ý rằng, điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của củng một nhân tố phải có mối tương quan với nha. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (Sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue >1 mới được giữ lại trong mô hình phân tích.
Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, 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. Theo Hair và cộng sự (2010), Multivariate Data Analysis hệ số tải từ 0.5 là biến quan sát đạt chất lượng tốt, tối thiểu nên là 0.3.
+ Factor Loading ở mức ±0.3: Điều kiện tối thiểu để biến quan sát được giữ lại.
+ Factor Loading ở mức ±0.5: Biến quan sát có ý nghĩa thống kê tốt + Factor Loading ở mức ±0.7: Biến quan sát có ý nghĩa thống kê rất tốt.
Theo Hair và cộng sự cũng cho rằng, giá trị tiêu chuẩn của hệ số tải Factor Loading nên được xem xét cùng kích thước mẫu. Với từng khoảng kích thước mẫu khác nhau, mức trọng số nhân tố để biến quan sát có ý nghĩa thống kê là hoàn toàn khác nhau.
Bảng 11: Bảng giá trị tiêu chuẩn của hệ số tải Factor Loading Giá trị Factor
Loading Kích thước mẫu tối thiểu có ý nghĩa thống
kê
0.30 350 mẫu
0.35 250 mẫu
0.40 200 mẫu
0.45 150 mẫu
0.50 120 mẫu
0.55 100 mẫu
0.60 85 mẫu
0.65 70 mẫu
0.70 60 mẫu
0.75 50 mẫu
4.4.2. Phân tích EFA
Hình 11: Bảng thể hiện hiện số KMO
(Nguồn: Kết quả thu được từ phân tích dữ liệu) Dựa vào bảng KMO and Bartlett’s Test ta thấy:
KMO and Bartlett Test: 0.5 ≤ KMO = 0.960 ≤ 1. Ta thấy KMO của mô hình đạt giá trị 0.960, phân tích nhân tố được chấp nhận với tập dữ liệu nghiên cứu. Nó hoàn toàn đạt tiêu chí chỉ số KMO và giải thích các nhân tố có độ phù hợp rất cao với dữ liệu thực tế.
Sig Bartlett’s Test: Sig. = 0.000<0.05, phân tích nhân tố là phù hợp. Ta thấy Sig trong mô hình trên đạt giá trị 0 tuyệt đối, tức các biến có độ tương quan rất lớn.
Hình 12: Bảng thể hiện Tổng phương sai trích
(Nguồn: Kết quả thu được từ phân tích dữ liệu)
Kết quả ở bảng Total Variance Explained cho thấy, Eigenvalues tại nhân tố thứ 5 là 0.679, tại nhân tố thứ 6 là 0.544, cả hai đều nhỏ hơn 1. Theo tiêu chí Eigenvalues, quá trình trích sẽ dừng lại tại nhân tố thứ 4.
Với Eigenvalues = 0.837 tại nhân tố thứ 4, chỉ 4 nhân tố được trích sẽ tóm tắt thông tin tốt nhất.
Theo Merenda (1997), số nhân tố được trích cần đạt ít nhất 50% phần trăm phương sai tích lũy (Cumulative variance). Phương sai tích lũy của 4 nhân tố là 75.316%, đáp ứng tiêu chí này.
4 nhân tố được trích cô đọng được 75.316% biến thiên dữ liệu của 25 biến quan sát tham gia vào EFA.
Tổng phương sai trích = 75.316% > 50%, cho thấy mô hình EFA là phù hợp.
xxxxxxxxxxxxxxx
Hình 13: Bảng thể hiện Ma trận xoay
(Nguồn: Kết quả thu được từ phân tích dữ liệu)
Qua kết quả phân tích nhân tố khám phá EFA, với hệ số nhân tố Factor Loading được chọn 0.4(do cỡ mẫu là 208), ta được bảng ma trận xoay chia tất cả nhân tố thành 5 nhóm, trùng khớp với các nhóm đã được sắp xếp trước đó, chứng tỏ rằng sự liên quan câu hỏi giữa các biến trong cùng một nhân tố, cụ thể được chia làm 5 nhóm như sau:
Nhận thức (X1), Yếu tố giá cả (X2), Yếu tố về bảo vệ môi trừơng (X3), Chuẩn chỉ quan(X4), Tính độc đáo (X5). Toàn bộ các trị tuyệt đối hệ số tải Factor Loading đều lớn hơn 0.5, và không có trường hợp biến nào cùng lúc tải lên cả hai nhân tố với hệ số tải gần nhau. Do đó các nhân tố đảm bảo được giá trị hội tụ và phân biệt khi phân tích EFA. Ngoài ra còn không có sự xáo trộn các nhân tố, nghĩa là câu hỏi của nhân tố này không bị nằm lẫn lộn với câu hỏi của nhân tố kia. Vì vậy, sau khi phân tích nhân tố thì các nhân tố độc lập này được giữ nguyên, không bị tăng thêm hoặc giảm đi nhân tố.