3.2. Bảng tổng phương sai trích
Eigenvalues (cột Total) là chỉ số dùng để xác định số lượng nhân tố phù hợp sau khi chạy EFA. Trên thực tế, có rất nhiều nhân tố được trích ra từ phần mềm SPSS sau khi tiến hành phân tích nhân tố khám phá. Tuy nhiên, bạn chỉ nên giữ lại các nhân tố có Eigenvalues > 1.
% phương sai trích (Cumulative %) cho thấy các nhân tố cô đọng được bao nhiêu % của biến quan sát nếu coi sự biến thiên là 100%. Một mô hình được đánh giá là phù hợp khi các nhân tố cô đọng được tối thiểu 50% sự biến thiên của biến quan sát.
3.3. Hệ số tải nhân tố
Hệ số tải nhân tố (Factor Loading) thể hiện mối tương quan giữa biến biến quan sát và các nhân tố trong mô hình. Đây là một trong những chỉ số quan trọng nhất khi tiến hành phân tích EFA.
Theo Hair và cộng sự (2009), để trả lời cho câu hỏi hệ số tải nhân tố bao nhiêu là phù hợp thì tất cả sẽ phụ thuộc vào kích cỡ mẫu của bộ dữ liệu. Tuy nhiên, thông thường các nhà nghiên cứu sẽ đưa ra kết luận dựa trên ngưỡng 0.5 vì đây được xem là hạn mức tối thiểu để các biến quan sát có thể đạt chất lượng tốt. Càng tiến về 1 thì biến quan sát sẽ càng được đánh giá cao hơn.
Trên đây là bảng ma trận xoay của bộ dữ liệu nghiên cứu sau khi được tiến hành chạy EFA. Như vậy, hệ số tải của tất cả các biến quan sát đều thỏa mãn tiêu chí trên 0.5 và đủ điều kiện để thực hiện các bước kiểm định tiếp theo. Đối với biến phụ thuộc, bạn cũng có thể thực hiện các bước đọc kết quả EFA tương tự như đối với những biến độc lập.
Trên đây là những chia sẻ của Marketing Du Ký về cách đọc kết quả EFA bằng phần mềm SPSS. Hy vọng rằng bạn sẽ có thể tự thực hiện các bước kiểm định trên ngay tại nhà.