65
Bảng 3.11: Kết quả hệ số KMO và Bartlett’s Test
KMO and Bartlett's Test
Kaiser-Meyer-Olkin
Measure
of
Sampling 0.608
Adequacy.
Approx. Chi-Square
Bartlett's
Test
of df
Sphericity
758.357
55
Sig.
0.000
(Nguồn: Phân tích dữ liệu điều tra trên SPSS năm 2020)
Hệ số KMO = 0.608 nên phân tích nhân tố là phù hợp;
Giá trị Sig. (Bartlett’s Test) = 0.000 (sig. <0.05) chứng tỏ các biến quan sát có
tương quan với nhau trong tổng thể.
Bảng 3.12: Bảng tổng phƣơng sai trích của các nhân tố
Total Variance Explained
Comp
Initial Eigenvalues
onent
Total
% of
Extraction Sums of
Rotation Sums of
Squared Loadings
Squared Loadings
Cumul Total
% of
Varian
ative
Varian
ce
%
ce
Cumula Total
tive %
% of
Cumula
Varian
tive %
ce
1
2.772
25.197 25.197 2.772 25.197 25.197 2.072 18.836 18.836
2
1.676
15.239 40.436 1.676 15.239 40.436 1.640 14.913 33.749
3
1.488
13.528 53.963 1.488 13.528 53.963 1.631 14.830 48.579
4
1.352
12.293 66.256 1.352 12.293 66.256 1.593 14.480 63.059
5
1.230
11.183 77.439 1.230 11.183 77.439 1.582 14.379 77.439
6
0.524
4.761
82.200
7
0.46
4.184
86.384
8
0.437
3.975
90.359
9
0.409
3.721
94.080
10
0.36
3.275
97.355
11
0.291
2.645
100
Extraction Method: Principal Component Analysis.
(Nguồn: Phân tích dữ liệu điều tra trên SPSS năm 2020)
66
Eigenvalues = 1.230 >1 tại nhân tố thứ 5, như vậy 5 nhân tố rút trích được từ EFA
có ý nghĩa tóm tắt thơng tin các biến quan sát đưa vào tốt nhất.
Tổng phương sai trích: Rotation Sums of Squared Loadings (Cumulative %) =
77.439% > 50%, điều này chứng tỏ 77.439% biến thiên của dữ liệu được giải thích bởi 5
nhân tố.
Bảng 3.13: Bảng ma trận xoay của các biến quan sát
Rotated Component Matrixa
Component
1
RES1
0.850
RES3
0.824
RES2
0.780
2
EMP2
0.896
EMP1
0.891
3
TAN1
0.895
TAN2
0.883
4
REL2
0.881
REL1
0.870
5
ASS2
0.880
ASS1
0.874
(Nguồn: Phân tích dữ liệu điều tra trên SPSS năm 2020)
Trong bảng ma trận xoay khơng có biến xấu nào cả, tất cả các biến quan sát
đều có hệ số tải (factor loading) > 0.5, điều này cho thấy biến quan sát có ý nghĩa
thống kê tốt nên không loại biến quan sát nào.
67
Bảng 3.14: Kết quả phân tích EFA của biến phụ thuộc
Component Matrixa
Component
1
SQ1
0.927
SQ2
0.927
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.
(Nguồn: Phân tích dữ liệu điều tra trên SPSS năm 2020)
Kết quả phân tích EFA của biến phụ thuộc cho thấy chỉ có một nhân tố được
trích, với phương sai là 11,183%. Hệ số KMO = 0.608, kiểm định Barlett có
Sig=0.000< 0.05. Như vậy, với tất cả các kết quả thu được từ độ tin cậy Cronbach’s
Alpha và phần phân tích nhân tố khám phá EFA ở trên cho thấy các thang đo đều
đạt yêu cầu về giá trị và độ tin cậy. Các biến quan sát đã đại diện được cho các khái
niệm nghiên cứu cần phải đo.
3.3. Phân tích tƣơng quan
Phân tích tương quan là để kiểm tra mối tương quan tuyến tính chặt chẽ giữa
biến phụ thuộc với các biến độc lập, cũng như sớm nhận diện vấn đề đa cộng tuyến
khi các biến độc lập cũng có tương quan mạnh với nhau. Trong phạm vi bài viết
này, tác giả sử dụng hệ số tương quan Pearson r để phân tích tương quan, từ đó
chọn những nhân tố độc lập có tương quan với nhân tố phụ thuộc để đưa vào hồi
quy.