- Công trình công cộng: Trong khu vực nghiên cứu có các cơ quan công sở nhƣ sau:
3.5.2 Đánh giá thang đo bằng phân tích EFA
Sau khi phân tích Cronbach Alpha, hệ số tin cậy của các nhóm biến đạt khá cao và đều lớn hơn 0.6, các hệ số tƣơng quan biến - tổng đều lớn hơn 0.3, vì vậy tất cả các biến đƣợc chấp nhận trừ biến THT5. Do đó, 33 biến đƣợc đƣa vào để phân tích nhân tố. Phân tích nhân tố nhằm nhóm gọn các biến quan sát ban đầu thành những nhân tố mới có ý nghĩa, đồng thời phát hiện cấu trúc tiềm ẩn giữa các khái niệm nghiên cứu (nhân tố ban đầu) theo dữ liệu thực tế nhằm hình thành những nhân tố mới có ý nghĩa sát với thực tế nghiên cứu.
Đầu tiên, thực hiện hai kiểm định là “KMO and Bartlett's Test”. Kết quả chứng tỏ là việc sử dụng phân tích nhân tố trong trƣờng hợp là thích hợp (KMO từ 0.8 trở lên >0.5, và Sig. =0.000). Phân tích nhân tố cho tất cả mọi biến trong mô hình đƣợc thực hiện với phƣơng pháp rút trích nhân tố là “Principal component” và phƣơng pháp xoay là “Varimax”, phép xoay vuông góc đƣợc lựa chọn nhằm mục đích trích tối đa % phƣơng sai của các biến quan sát ban đầu và làm gọn các biến quan sát (Hair và ctg, 2010). Còn tiêu chuẩn rút trích là Eigenvalues > 1 nhằm đảm bảo mỗi nhân tố hình thành có thể giải thích tối thiểu biến thiên trọn vẹn của một biến quan sát (Hair và ctg, 2010).
Tiêu chuẩn chọn biến cho nhân tố đảm bảo một số điều kiện sau:
- Đảm bảo hệ số trích phƣơng sai trong tổng thể các biến (Communality) >0.50, - Hệ số tải lên nhân tố chính |>0.50| đƣợc xem là có ý nghĩa thực tiễn,
- Tối thiểu các biến có hệ số tải chéo lên nhiều nhân tố (khoảng cách độ lớn của hệ số tải giữa hai nhân tố <0.30) (Nguyễn Đình Thọ, 2010).
Tuy nhiên, việc xác định biến loại bỏ hay không còn phụ thuộc vào mức ý nghĩa của biến quan sát đó trong mô hình, số biến trong cùng một cấu trúc tiềm ẩn nhằm đảm bảo các cấu trúc biến tiềm ẩn sau khi hình thành có ý nghĩa về mặt thực tiễn và khái niệm lý thuyết (Hair và ctg, 2010).
3.5.2.1. Kết quả EFA cho các biến độc lập
Sau phân tích độ tin cậy của thang đo bằng hệ số Cronbach Alpha có 27 biến quan sát của 7 nhân tố độc lập đƣợc đƣa vào phân tích nhân tố. Kết quả phân tích nhân tố cho thấy có 07 yếu tố đƣợc trích tại eigenvalue là 1.030 và phƣơng sai trích đƣợc là 69.324% và chỉ số KMO là 0.796. Vì thế, việc phân tích nhân tố là phù hợp và phƣơng sai trích đạt yêu cầu > 50%.
Bảng 3.16: Kết quả EFA cho các biến độc lập sau khi loại các biến không đạt yêu cầu. Biến quan sát Yếu tố 1 2 3 4 5 6 7 CS2 .874 CS1 .832 CS3 .808 CS4 .678 TT1 .771 TT4 .717 TT3 .674 TT2 .671 TT5 .669 MG1 .875 MG2 .858 MG4 .829 MG3 .802 THT1 .778 THT4 .731 THT3 .731 THT2 .697 LI3 .921 LI2 .865 LI1 .837 KN1 .825 KN3 .732 KN2 .706 DU4 .793 DU2 .630 DU1 .569 DU3 .504
Khi chạy EFA, trong hộp thoại Factor Analysis, chúng ta chọn nút Scores, sau đó nhập chọn Save as variables để lƣu lại nhân số của nhân tố một cách tự động. Mặc định của chƣơng trình này là phƣơng pháp Regression (Trọng & Ngọc, 2005, 276). Nhân số tính theo cách này đã đƣợc chuẩn hóa (đã đƣợc chuyển qua đơn vị đo lƣờng độ lệch chuẩn). Nó thích hợp nhất nếu sử dụng các nhân tố để phân tích hồi quy và kiểm định mối quan hệ ảnh hƣởng của các biến độc lập đến biến phụ thuộc.
Các nhân tố mới đƣợc hình thành từ kết quả trích xuất (Save as regression) trong phân tích nhân tố thay vì phƣơng pháp trung bình cộng các biến quan sát cho từng nhân tố. Việc hình thành các nhân tố mới theo phƣơng pháp trích xuất của SPSS có ƣu và nhƣợc điểm nhƣ sau:
- Ƣu điểm: nhân tố mới hình thành đƣợc tính toán theo tƣơng ứng trọng số của từng biến quan sát trong nhân tố đó, điều này giúp phản ánh chính xác hơn giá trị của nhân tố mới theo kết quả phân tích nhân tố.
- Nhƣợc điểm: dữ liệu đã đƣợc chuyển về hệ chuẩn hóa (mean=0, độ lệch chuẩn =1) nên sẽ không phản ánh đƣợc giá trị của nhân tố mới theo giá trị thang đo ban đầu. Điều này sẽ gặp khó khăn trong các phép phân tích liên quan đến so sánh giá trị trung bình của nhân tố mới. Do vậy, đối với các phép so sánh giá trị trung bình, tác giả phải sử dụng giá trị nhân tố mới theo phƣơng pháp trung bình cộng các biến quan sát ban đầu.
Nhƣ vậy, các biến quan sát đƣa vào EFA đƣợc phân tích thành 7 nhân tố với các giải thích về nội dung của từng nhân tố này và từ đó căn cứ vào bản chất các biến cụ thể mà nhân tố bao gồm sẽ tìm ra tên mới cho nhân tố, tính chất này đƣợc gọi là tính chất khám phá, đó là đặc trƣng nổi bật của EFA.
Đặt tên các nhóm nhân tố mới: Việc đặt tên các nhân tố đƣợc thực hiện trên cơ sở nhận ra các biến quan sát có hệ số truyền tải (loading factor) lớn nằm trong cùng một nhân tố. Nhƣ vậy nhân tố này có thể giải thích bằng các biến có hệ số lớn nằm trong nó.
Các biến quan sát đều không có thay đổi nhiều về các biến quan sát. Nên ta vẫn giữ nguyên tên các thành phần này.
3.5.2.2 Kết quả EFA cho thang đo mức độ hài lòng
Kết quả EFA thang đo mức độ hài lòng cho thấy có một yếu tố trích đƣợc tại eigenvalue là 3.207 với phƣơng sai trích là 53.443% và chỉ số KMO là 0.770. Hơn nữa các trọng số đều cao, thấp nhất là biến HL1 = 0.608). Nhƣ vậy các biến quan sát của thang đo này đều đạt yêu cầu cho phân tích tiếp theo.
Bảng 3.17: Kết quả EFA cho thang đo mức độ hài lòng
Biến quan sát Yếu tố
1 (HL) HL4 .806 HL4 .806 HL3 .770 HL2 .766 HL6 .747 HL5 .670 HL1 .608 Eigenvalue 3.207 Phƣơng sai trích 53.443 Cronbach alpha 0.822
Nhƣ vậy, sau phần phân tích nhân tố này, chọn ra đƣợc 7 nhân tố ảnh hƣởng đến sự hài lòng với công tác bồi thƣờng giải phóng mặt bằng, hỗ trợ, tái định cƣ dự án Đại lộ Vinh – Cửa Lò của khách hàng
.Kết quả các nhân tố mới này sẽ đƣợc đƣa vào phép phân tích hồi qui ở giai đoạn tiếp theo nhằm xác định mức độ tác động của 8 biến (nhân tố) độc lập lên biến phụ thuộc. Từ đó, sẽ khẳng định hoặc bác bỏ các giả thuyết thống kê dựa vào mức ý nghĩa của mối quan hệ tác động (sig<0.05).