- Mô tả về thang đo:
Như đã nói qua về kết quả ở bước 1 (nghiên cứu sơ bộ), thang đo về sự gắn bó của nhân viên đối với Công ty trách nhiệm hữu hạn Phát triển & Chuyển giao phần mềm DTSOFT bao gồm 7 nhóm biến tiềm ẩn với tổng cộng 38 biến. Các phát biểu được đo lường bằng thang đo Likert 5 điểm sắp xếp từ nhỏ đến lớn tương ứng với mức đồng ý với phát biểu tăng dần (1: Rất không đồng ý; 2: Không đồng ý; 3: Tạm đồng ý; 4: Đồng ý; 5: Hoàn toàn đồng ý ).
- Thủ tục kiểm định thang đo:
+ Đánh giá độ tin cậy bằng hệ số Cronbach’s Alpha:
Một thang đo chấp nhận được là thang đo mà trong đó các mục hỏi đo lường cùng một khái niệm thì phải có mối liên quan với nhau. Hệ số α trong phương pháp kiểm định Cronbach’s Alpha sẽ cho phép xác định được mức độ tương quan chặt chẽ của các mục hỏi trong thang đo đó.
Hệ số Cronbach’s Alpha thường được dùng để đánh giá sơ bộ thang đo để loại các biến rác trước, chứ không tính được độ tin cậy cho từng biến quan sát. Lưu ý rằng, khi hệ số α quá lớn (α > 0,95) cho thấy có nhiều biến trong thang đo không có gì khác biệt nhau. Hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005): "Hệ số Cronbach alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Một trong những phương pháp kiểm tra tính đơn khía cạnh của thang đo được gọi là kiểm định độ tin cậy chia đôi... Nhiều nhà nghiên cứu đồng ý cho rằng khi Cronbach alpha từ 0.8 trở lên đến gần 1 thì đang đo lường là tốt, từ 0.7 đến 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu".
Tóm lại, hệ số Cronbach’s Alpha nằm trong phạm vi 0,6 đến 0,8 là chấp nhận được.
+ Phương pháp phân tích nhân tố EFA:
Khi tiến hành nghiên cứu, thông thường chúng ta sẽ thu thập một số lượng biến rất lớn và hầu hết các biến này lại có liên hệ với nhau. Yêu cầu đặt ra đó là phải giảm
bớt số lượng biến này xuống một mức mà chúng ta có thể sử dụng được. Phân tích EFA sử dụng một nhóm các thủ tục nhằm thu nhỏ và tóm tắt dữ liệu thu được. Các biến được giữ lại sau phân tích EFA sẽ là những biến cơ bản, đại diện được cho những biến đã bị loại trừ (các biến có độ tin cậy thấp). Và từ đó, ta có thể có thể biết được tính hội tụ cũng như giá trị phân biệt của thang đo.
Cơ sở của việc rút gọn là dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát). Chỉ tiêu được dùng để xem xét sự thích hợp của phương pháp phân tích nhân tố là kết quả phân tích KMO, là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với độ lớn của hệ số tương quan riêng phần của chúng (Norusis, 1994, Trích dẫn trong Châu Thị Minh Vi, 2012). Kaiser, (1974, Trích dẫn trong Nguyễn Đình Thọ, 2011 ) đề nghị KMO > 0,90: rất tốt; 0,9 > KMO > 0,80: tốt; 0,8 > KMO > 0,70: được; 0,7 > KMO > 0,60: tạm được; 0,6 > KMO > 0,50: xấu; và KMO < 0,5: không thể chấp nhận . Các biến có trọng số nhỏ hơn 0,5 sẽ tiếp tục bị loại (Othman & Owen, 2002, Trích dẫn trong Nguyễn Đình Thọ, 2011). Phương pháp trính hệ số sử dụng Principal Components với phép quay Varimax và điểm dừng khi trích các yếu tố Eigenvalue lớn hơn 1. Chỉ có những nhân tố nào thỏa mãn các điều kiện trên mới được giữ lại trong mô hình phân tích. Phương sai trích phải lớn hơn 50% (Gerbing & Anderson, 1988, Trích dẫn trong Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Từ kết quả phân tích EFA ta viết lại mô hình hiệu chỉnh theo EFA và đặt ra các giả thuyết mới.