6. Kết cấu của luận văn
2.2.3.1. Lý thuyết
Phân tích nhân tố khám phá EFA là phƣơng pháp đƣợc sử dụng nhằm đánh giá độ hội tụ và phân biệt, rút gọn một tập biến quan sát thành số lƣợng biến nhỏ hơn. Trị số KMO (Kaiser – Meyer – Olkin) đƣợc dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải cĩ giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp.
Kiểm định Bartlett xem xét giả thuyết Ho: độ tƣơng quan giữa các biến quan sát bằng khơng trong tổng thể. Nếu kiểm định này cĩ ý nghĩa thống kê (Sig ≤0.05) thì các biến quan sát cĩ tƣơng quan trong tổng thể.
Ngồi ra, phân tích nhân tố cịn dựa vào Eigenvalue để xác định số lƣợng nhân tố. Chỉ những nhân tố cĩ Eigenvalue > 1 và tổng phƣơng sai trích lớn hơn 50% thì mới đƣợc giữ lại trong mơ hình. Đại lƣợng Eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Những nhân tố cĩ Eigenvalue nhỏ hơn 1 sẽ khơng cĩ tác dụng rút gọn thơng tin tốt hơn biến gốc.
Trong bảng kết quả phân tích nhân tố, ma trận nhân tố hay ma trận nhân tố khi các nhân tố đƣợc xoay cũng là các thành phần quan trọng. Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hĩa bằng các nhân tố.
Hệ số tải nhân tố biểu diễn tƣơng quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến cĩ liên quan chặt chẽ với nhau hay khơng. Các biến cĩ hệ số tải nhỏ hơn 0.5 sẽ bị loại (Tùy theo từng trƣờng hợp cụ thể mà một vài biến cĩ ý nghĩa về mặt giải thích thực tế cĩ thể đƣợc giữ lại nếu chúng cĩ hệ số tải nhỏ hơn 0.5 hoặc bỏ đi dù hệ số tải lớn hơn 0.5 vì khơng cĩ ý nghĩa giải thích…).