3.

Phân tích nhân tố khám phá EFA

Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis gọi
tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của
thang đo là giá trị hội tụ và giá trị phân biệt.

Sau khi kiểm định độ tin cậy thang đo ở bước trước, nghiên cứu sẽ tiến hành phân
tích nhân tố khám phá EFA để rút gọn một tập hợp gồm nhiều biến quan sát thành
một tập ít biến hơn (gọi là nhân tố). Các nhân tố được rút gọn này sẽ có ý nghĩa
hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu

Trước khi tiến hành phân tích nhân tố khám phá EFA, nghiên cứu sẽ tiến hành
kiểm định hệ số KMO (Kaiser Meyer– Olkin of Sampling Adequacy) và
Bartlett’sTest nhằm xem xét việc phân tích này có phù hợp hay không, trong đó:
Hệ số KMO (Kaiser Meyer– Olkin of Sampling Adequacy): là chỉ số dùng để xem
xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (từ 0,5 đến 1) là điều kiện
đủ để phân tích nhân tố là thích hợp. Ngược lại, nếu hệ số này nhỏ hơn 0,5 thì phân
tích nhân tố có khả năng không thích hợp với các dữ liệu.Vì vậy, để có thể tiến
hành phân tích nhân tố khám phá EFA thì hệ số KMO cần phải lớn hơn 0,50.

Theo Kaiser (1974) KMO ≥ 0,9: rất tốt; KMO ≥ 0,8: tốt; KMO ≥ 0,7: được; KMO
≥ 0,6 tạm được; KMO ≥ 0,5: xấu; và KMO < 0,5: không thể chấp nhận được.

Kiểm định Bartlett về tương quan các biến quan sát, theo Hoàng Trọng & Chu
Nguyễn Mộng Ngọc (2008) nếu thì giá trị Sig. của Bartlett’s nhỏ hơn 0.05 cho
phép bác bỏ giả thiết H 0 và giá trị 0.5< KMO < 1 có nghĩa là phân tích nhân tố
thích hợp.
Kết quả kiểm định như bảng sau:

Bảng: Kết quả kiểm định KMO và Bartlett’s Test biến độc lập
 KMO và Bartlett’s Test
Hệ số KMO (Kaiser Meyer– Olkin of 0,807
Sampling Adequacy)
Đại lượng Giá trị bình phương xấp xỉ 798,616
thống kê (Approx. Chi-Square)
(Bartlett's df 105
Test) Sig. 0,000

(Kết quả phân tích SPSS)

Kết quả kiểm định cho ta thấy giá trị KMO = 0,807 > 0,8 và Sig. của
Bartlett’s Test là 0,000 < 0,05 cho thấy 15 biến quan sát trên đều có tương quan
với nhau và rất phù hợp với phân tích nhân tố.
Phương pháp phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính
(Principal Component Analysis) với giá trị trích Eigenvalue nhỏ hơn 1. Điều này
có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới
được giữ trong mô hình phân tích.
Phương pháp được chọn để tiến hành phân tích nhân tố là phương pháp xoay
nhân tố Varimax procedure, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng
các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽ tăng cường khả năng
giải thích các nhân tố. Sau khi xoay những quan sát có hệ số tải nhân tố nhỏ hơn
0,5 sẽ bị loại ra khỏi mô hình. Chỉ có những quan sát có hệ số tải nhân tố lơn hơn
0,5 mới được sử dụng để giải thích một nhân tố nào đó. Kết quả ta có bảng hệ số
tải nhân tố tương ứng với các quan sát như sau:
Bảng 2.19: Kết quả phân tích nhân tố khám phá cho các biến độc lập

Rotated Component Matrixa

Biến quan sát Nhân tố
1 2 3 4 5
Công việc phù hợp với năng lực của Anh/Chị 0,816
Công việc có nhiều thách thức 0,778
Công ty thiết kế công việc đa dạng, linh hoạt 0,719
Mức lương, thưởng phù hợp với năng lực và
0,789
đóng góp của Anh/Chị
Công ty luôn vinh danh, tuyên dương khi
0,766
Anh/Chị làm việc tốt
Chính sách tăng lương, khen thưởng kịp thời, rõ
0,760
ràng, công khai, minh bạch
Các chính sách đề bạt, thăng tiến được thực hiện
0,800
công khai, công bằng
Nhân viên được đào tạo các kỹ năng cần thiết, đa
0,799
dạng cho công việc
Anh/Chị cảm thấy bản thân có nhiều cơ hội thăng
0,728
tiến trong công việc
Lãnh đạo luôn quan tâm, lắng nghe, hỗ trợ và đối
0,831
xử công bằng với nhân viên
Đồng nghiệp trong công ty thân thiện, hòa đồng
0,774
và dễ gần
Đồng nghiệp sẵn sàng hỗ trợ, giúp đỡ lẫn nhau
0,702
trong công việc
Anh/Chị làm việc trong môi trường thoải mái, an
0,816
toàn và bầu không khí vui vẻ
Công ty trang bị đầy đủ đồng phục, trang thiết bị
0,756
phục vụ cho công việc
Môi trường làm việc chuyên nghiệp, hiệu quả 0,739
Eigenvalue 1,091
% Cumulative 68,588
(Kết quả phân tích SPSS)

Từ kết quả trên ta thấy thang đo được chấp nhận có tổng phương sai trích
bằng 68,588% > 50%. Phương sai trích được thể hiện rằng 5 nhân tố rút ra giải
thích được 68,588% biến thiên của dữ liệu, tại hệ số Eigenvalue = 1,091> 1. Các
kiểm định này đã được đảm bảo để phân tích nhân tố khám phá.
Sau khi tiến hành phân tích nhân tố khám phá EFA, có 5 nhân tố ảnh hưởng đến sự
gắn bó của nhân viên đối với doanh nghiệp tại Tập đoàn Viettel chi nhánh tỉnh
Thừa Thiên Huế và tất cả các biến quan sát đều đạt chuẩn. Không có biến quan sát
nào có hệ số nhân tải (Factor Loanding) < 0,5 nên được chấp nhận để thực hiện các
bước phân tích tiếp theo.

Bảng: Kết quả kiểm định KMO và Bartlett’s Test biến phụ thuộc

KMO và Bartlett’s Test

Hệ số KMO (Kaiser Meyer– Olkin of 0,687
Sampling Adequacy)
Đại lượng Giá trị bình phương xấp xỉ 110,426
thống kê (Approx. Chi-Square)
(Bartlett's df 3
Test) Sig. 0,000
(Kết quả phân tích SPSS)
Ba biến quan sát của “Sự gắn bó” được đưa vào phân tích nhân tố, từ kết quả
phân tích chỉ một nhân tố được tạo ra, hệ số KMO = 0,687 > 0,6, kiểm định
Barlett’s Test cho giá trị Sig. = 0,000 < 0,5 cho thấy mô hình phân tích là phù hợp.

Bảng 2.21: Kết quả phân tích nhân tố khám phá cho các biến phụ thuộc
Component Matrixa
Biến quan sát Hệ số tải nhân tố

Anh/Chị muốn gắn bó lâu dài với Tập đoàn Viettel 0,839

Anh/Chị cảm thấy tự hào về văn hóa doanh nghiệp

.810
của Tập đoàn Viettel
Anh/Chị sẵn sàng giới thiệu bạn bè, người thân
.801
vào làm việc tại Tập đoàn Viettel
Eigenvalue 2,001

% Cumulative 66,710

(Kết quả phân tích SPSS)

Thang đo biến phụ thuộc gồm 3 biến quan sát, khi tiến hành phân tích nhân tố
EFA chỉ có một nhân tố rút trích với giá trị Eigenvalues = 2,001 > 1 và tổng
phương sai trích là 66,710%. Hệ số tải của ba biến quan sát đều lớn hơn 0,5 nên tất
cả các biến được giữ nguyên trong mô hình nghiên cứu.
Sau khi phân tích nhân tố khám phá, ta tìm được 5 nhân tố độc lập ảnh hưởng
đến sự gắn bó của nhân viên với doanh nghiệp tại Tập đoàn Viettel chi nhánh tỉnh
Thừa Thiên Huế với 15 biến quan sát. Đồng thời, kết quả phân tích nhân tố cũng
cho thấy có 1 nhân tố đại diện cho sự gắn bó của nhân viên, với 3 biến quan sát.
Như vậy, mô hình nghiên cứu chính thức không thay đổi so với mô hình nghiên
cứu đề xuất của tác giả.
4. Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc

Trước khi tiến hành thực hiện phân tích hồi quy để kiểm định mô hình và các
giả thuyết nghiên cứu đã đề xuất, tác giả đã thực hiện phân tích tương quan để
kiểm định mối quan hệ giữa biến phụ thuộc và các biện độc lập, cũng như đánh giá
mối tương quan giữa các biến độc lập với nhau. Tương quan Pearson r có giá trị
dao động từ -1 đến 1 (hệ số r chỉ có ý nghĩa khi Sig < 0,05).

Bảng : Ma trận tương quan Pearson

Correlations
GB DK BC DT LT QH
 Pearson
1 0,521** 0,596** 0,578** 0,398** 0,485**
Correlation
GB
Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000
N 160 160 160 160 160
Pearson
1 0,373** 0,325** 0,409** 0,320**
Correlation
DK
Sig. (2-tailed) 0,000 0,000 0,000 0,000
N 160 160 160 160
Pearson
1 0,406** 0,382** 0,255**
Correlation
BC
Sig. (2-tailed) 0,000 0,000 0,001
N 160 160 160
Pearson
1 0,278** 0,374**
Correlation
DT
Sig. (2-tailed) 0,000 0,000
N 160 160
Pearson
1 0,369**
Correlation
LT
Sig. (2-tailed) 0,000
N 160
Pearson
1
Correlation
QH Sig. (2-tailed)
N
**. Correlation is significant at the 0.01 level (2-tailed).

(Kết quả phân tích SPSS)

Kết quả phân tích để đánh giá tương quan bằng hệ số Pearson cho thấy:

Mức ý nghĩa của các nhân tố DK (điều kiện làm việc), BC (Bản chất công
việc), DT (Đào tạo và thăng tiến), LT (Lương thưởng và sự công nhận), QH (Mối
quan hệ trong công việc) có giá trị Sig.(2-tailed) nhỏ hơn mức ý nghĩa ∝ = 0,01,
bác bỏ giả thuyết H0, cho thấy giữa các biến độc lập này và các biến phụ thuộc có
mối tương quan với nhau.
 Trong đó, biến BC (bản chất công việc) có hệ số tương quan cao nhất (r =
0,596) và biến LT (lương thưởng và sự công công nhận có hệ số tương quan thấp
nhất (r = 0,398).
Các biến quan độc lập có mối liên hệ tuyến tính với nhau nhưng mức độ
tương quan không đáng kể.
5. Phân tích hồi quy đa biến
Phân tích hồi quy được sử dụng để đánh giá ảnh hưởng của các biến độc lập:
“điều kiện làm việc”, “bản chất công việc”, “đào tạo và thăng tiến”, “lương
thưởng và sự công nhận” và “mối quan hệ trong công việc” đến “sự gắn bó” của
nhân viên khi làm việc tại Tập đoàn Viettel chi nhánh tỉnh Thừa Thiên Huế. Giá trị
của các yếu tố được dùng để phân tích hồi quy là trung bình của các biến quan sát
đã được kiểm định độ tin cậy của thang đo và phân tích nhân tố khám phá.

Bảng: Kết quả phân tích hồi quy

Coefficientsa
Mô hình Hệ số chưa chuẩn Hệ số t Sig. Thống kê đa
hóa chuẩn hóa cộng tuyến
B Độ lệch Beta Độ chấp Hệ số
chuẩn nhận phóng
đại
phươn
g sai
VIF
(Constant
-0,235 0,270 -0,871 0,385
)
DK 0,225 0,059 0,228 3,817 0,000 0,742 1,347
1 BC 0,327 0,059 0,334 5,554 0,000 0,729 1,372
DT 0,281 0,059 0,283 4,747 0,000 0,742 1,348
LT 0,020 0,060 0,020 0,328 0,743 0,725 1,380
QH 0,209 0,057 0,213 3,643 0,000 0,769 1,300
R 0,770
R2 0,593
R2 hiệu chỉnh 0,580
Durbin-Watson 2,198
F Sig. = 0,000
(Kết quả phân tích SPSS)

Kết quả phân tích hồi quy cho thấy, hệ số R có giá trị 0,770 cho thấy mối
quan hệ giữa các biến trong mô hình có mối tương quan chặt chẽ. Báo cáo kết quả
hồi quy của mô hình cho thấy giá trị R 2 = 0,593, điều này nói lên độ thích hợp của
mô hình là 59,3%, đã thể hiện thực tế của mô hình. Giá trị R 2 hiệu chỉnh phản ánh
chính xác hơn sự phù hợp của mô hình so với với tổng thể vì nó không phụ thuộc
vào độ lệch phóng đại của R 2, ta có giá trị R2 hiệu chỉnh bằng 0,580 cho thấy sự
tương thích của mô hình với biến quan sát và yếu tố phụ thuộc (sự gắn bó) gần như
hoàn toàn được giải thích bởi 5 nhân tố độc lập trong mô hình. Với kiểm định F,
Sig = 0.000 (< 0,05) có nghĩa tồn tại mô hình hồi quy tuyến tính giữa sự gắn bó và
5 nhân tố ảnh hưởng.

Bảng: ANOVA

ANOVAa
Model Sum of df Mean F Sig.
Squares Square

Regression 42,184 5 8,437 44,914 ,000b

1
Residual 28,927 154 ,188
Total 71,111 159
(Kết quả phân tích SPSS)

Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả
thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể để xem xét biến phụ
thuộc có liên hệ tuyến tính với toàn bộ tập hợp của các biến độc lập. Nhìn vào bảng
ANOVA ta thấy rằng giá trị thống kê F = 44,914; giá trị Sig. = 0,000 (< 0,05) nên
giả thuyết H0 hoàn toàn bị bác bỏ. Như vậy sự kết hợp của 5 nhân tố độc lập có thể
giải thích được thay đổi của biến phụ thuộc. Vậy mô hình hồi quy biến tuyến tính
xây dựng phù hợp với tổng thể.

Kiểm định hiện tượng tự tương quan của phần dư (Autocorrelation)

Kiểm định hiện tượng tự tương quan giữa các phần dư bằng hệ số Durbin-
Watson, không có tương quan giữa các phần dư thì 1 < Durbin-Watson < 3 theo
Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008).
Kết quả phân tích có đại lượng thống kê Durbin-Watson = 2,198 (1< 2,198 <
3) cho thấy không có sự tương quan giữa các phần dư. Điều này có ý nghĩa là mô
hình hồi quy không vi phạm giả định về tính độc lập của sai số, mô hình nghiên
cứu có ý nghĩa thống kê.
Kiểm định hiện tượng đa cộng tuyến (Multiple Collinearity)
Theo Hair, Black & Babin 2010 VIF < 5 không có hiện tưởng đa cộng tuyến.
Từ số liệu trên ta thấy, hệ số phóng đại phương sai VIF (Variance Inflation
Factor) của các biến trong mô hình đều rất nhỏ, có giá trị từ 1,300 đến 1,380 (< 5),
chứng tỏ mô hình hồi quy không vi phạm giả thuyết hiện tượng đa cộng tuyến, mô
hình nghiên cứu có ý nghĩa thống kê.
 Biểu đồ : Tần số phần dư Histogram

Từ biểu đồ ta thấy được, một đường cong phân phối được đặt chồng lên biểu
đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của phân
phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn là 0,984 gần bằng
1, như vậy có thể nói phân phối phần dư xấp xỉ chuẩn. Do đó, có thể luận rằng: Giả
thiết phân phối chuẩn của phần dư không bị vi phạm.
 Biểu đồ . Phần dư chuẩn hóa Normal P-P Plot

Các điểm phân vị trong phân phối của phần dư tập trung thành một đường
chéo, như vậy, giả định phân phối chuẩn của phần dư không bị vi phạm.

Kiểm định hiện tượng phương sai phần dư thay đổi

Để kiểm định hiện tượng phương sai phần dư thay đổi, chúng ta dựa và đồ thị
Scatterplot.
 Biểu đồ 2.12. Scatter Plot kiểm tra giả định liên hệ tuyến tính

Nhìn vào đồ thị Scatterplot chúng ta có thể thấy, các điểm phân vị tạo thành
các đường thẳng và nằm trong khoảng (-3;3). Do đó, chúng ta có thể kết luận
phương sai của phần dư không thay đổi.

Ý nghĩa của hệ số hồi quy

Sau khi thực hiện các phép kiểm định hồi quy so với tổng thể ta thấy mô hình
không vi phạm các giả thuyết kiểm định và có ý nghĩa thống kê. Từ kết quả xem
xét mức ý nghĩa các biến độc lập trong mô hình hồi quy ta thấy tất cả các biến đều
ảnh hưởng đến sự gắn bó (GB) của nhân viên với doanh nghiệp Tập đoàn Viettel
chi nhánh tỉnh Thừa Thiên Huế: (1) Điều kiện làm việc (DK), (2) Bản chất công
việc (BC), (3) Đào tạo và thăng tiến (DT), (4) Lương thưởng và sự công nhận
(LT), (5) Mối quan hệ trong công việc (QH) vì các biến này có mức ý nghĩa Sig. <
0,05 nên được chấp nhận trong phương trình hồi quy và đều có tác động dương (hệ
số Beta dương) đến sự gắn bó của nhân viên với doanh nghiệp tại Tập đoàn Viettel
chi nhánh Thừa Thiên Huế (GB). Mối quan hệ giữa biến phụ thuộc với 5 nhân tố
độc lập được thể hiện trong phương trình sau:
Phương trình hồi quy chưa chuẩn hóa:
GB = -0,235 + 0,327 * BC + 0,281* DT + 0,228 * DK + 0,213 * QH + 0,020
* LT
Phương pháp hồi quy chuẩn hóa:
GB = -0,235 + 0,334 * BC + 0,283* DT + 0,225 * DK + 0,209 * QH + 0,020
* LT
Thảo luận kết quả hồi quy:
Hệ số hồi quy chưa chuẩn hóa:
Hệ số β của “Bản chất công việc” (BC) = 0,327 có dấu (+) nên mối quan hệ
giữa của “Bản chất công việc” và “Sự gắn bó” (GB) là cùng chiều. Có nghĩa là, khi
sự hài lòng của nhân viên về “Bản chất công việc” biến thiên 1 đơn vị thì “Sự gắn
bó” sẽ biến thiên 0,327 đơn vị.
Hệ số β của “Đào tạo và thăng tiến” (DT) = 0,281 có dấu (+) nên mối quan hệ
giữa của “Đào tạo và thăng tiến” và “Sự gắn bó” (GB) là cùng chiều. Có nghĩa là,
khi sự hài lòng của nhân viên về “Đào tạo và thăng tiến” biến thiên 1 đơn vị thì
“Sự gắn bó” sẽ biến thiên 0,281 đơn vị.
Hệ số β của “Điều kiện làm việc” (DK) = 0,228 có dấu (+) nên mối quan hệ
giữa của “Điều kiện làm việc” và “Sự gắn bó” (GB) là cùng chiều. Có nghĩa là, khi
sự hài lòng của nhân viên về “Điều kiện làm việc” biến thiên 1 đơn vị thì “Sự gắn
bó” sẽ biến thiên 0,228 đơn vị.
 Hệ số β của “Mối quan hệ trong công việc” (QH) = 0,213 có dấu (+) nên mối
quan hệ giữa của “Mối quan hệ trong công việc” và “Sự gắn bó” (GB) là cùng
chiều. Có nghĩa là, khi sự hài lòng của nhân viên về “Mối quan hệ trong công việc”
biến thiên 1 đơn vị thì “Sự gắn bó” sẽ biến thiên 0,213 đơn vị.
Hệ số β của “Lương thưởng và sự công nhận” (LT) = 0,020 có dấu (+) nên
mối quan hệ giữa “Lương thưởng và sự công nhận” và “Sự gắn bó” (GB) là cùng
chiều. Có nghĩa là, khi sự hài lòng của nhân viên về “Lương thưởng và sự công
nhận” biến thiên 1 đơn vị thì “Sự gắn bó” sẽ biến thiên 0,020 đơn vị.
Hệ số hồi quy chuẩn hóa:
Hệ số này xác định vị trí ảnh hưởng của các biến độc lập đến biến phụ thuộc
trong mô hình hồi quy, các hệ số hồi quy chuẩn hóa có thể chuyển đổi như sau:

Bảng 2.24: Xác định tầm quan trọng của các biến độc lập theo tỷ lệ %
Beta chuẩn
STT Biến % Thứ tự ảnh hưởng
hóa

Bản chất công việc 0,334 30,98 1

1
(BC)

Đào tạo và thăng tiến 0,283 26,25 2

2
(DT)

Điều kiện làm việc 0,228 21,15 3

3
(DK)

Mối quan hệ trong công 0,213 19,76 4

4
việc (QH)

Lương thưởng và sự 0,020 1,86 5

5
công nhận (LT)
 Tổng 1,078 100%

(Kết quả phân tích SPSS)

Nhân tố “Bản chất công việc” (BC) đóng góp 30,98%, “Đào tạo và thăng tiến”
(DT) đóng góp 26,25%, “Điều kiện làm việc” (DK) đóng góp 21,15%, “Mối quan
hệ trong công việc” (QH) đóng góp 19,76%, “Lương thưởng và sự công nhận”
(LT) đóng góp 1,86%. Như vậy, thứ tự nhân tố ảnh hưởng đến sự gắn bó của nhân
viên với doanh nghiệp tại Tập đoàn Viettel chi nhánh tỉnh Thừa Thiên Huế: thứ
nhất là bản chất công việc (BC), thứ hai là đào tạo và thăng tiến (DT), thứ ba là
điều kiện làm việc (DK), thứ tư mối quan hệ trong công việc (QH), cuối cùng là
lương thưởng và sự công nhận (LT).