Phân tích nhân tố EFA là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ
43
Các nhóm biến có liên hệ qua lại lẫn nhau và được xem xét dưới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷ số gọi là Hệ số tải nhân tố
(Factor loading), hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ
thuộc về nhân tố nào.
Trong phân tích nhân tố khám phá EFA yêu cầu cần thiết là: (1) hệ số KMO (Kaiser – Meyer – Olkin) ≥ 0,5 và mức ý nghĩa của kiểm định Bartlett ≤ 0,05; (2) hệ
số tải nhân tố ≥ 0,5, nếu biến quan sát nào có hệ số tải nhân tố < 0,5 sẽ bị loại; (3) thang đo được chấp nhận khi tổng phương sai trích ≥ 50%; và (4) hệ số Eigenvalue > 1 (Gerbing và Anderson, 1998) [16].
• Trị số KMO là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị
số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
• Hệ số tải nhân tố biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố Principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn hoặc bằng 0,5 thì mới đạt yêu cầu.
• Phân tích nhân tố còn dựa vào hệ số Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có hệ số Eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Hệ số này đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có hệ số Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
