160
KINH TẾ - TÀI CHÍNH ĐỊA PHƯƠNG
các biến quan sát bằng không trong tổng thể”. Nếu
kiểm định này c ý nghĩa thống kê (Sig ≤ 0,05) thì
các biến quan sát c tương quan với nhau trong tổng
thể. Sau đ , tiến hành phân tích để gom nh m các
chỉ tiêu hay các biến quan sát c mối tương quan
chặt chẽ với nhau dựa trên các tiêu chí sau:
Theo Hair và cộng sự (1998), hệ số tải nhân tố là
chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA.
Hệ số tải nhân tố > 0,3 được xem là đạt mức tối thiểu,
> 0,4 được xem là quan trọng và > 0,5 được xem là c
ý nghĩa thực tiễn. Nếu chọn tiêu chuẩn factor loading
> 0,3 thì cỡ mẫu tối thiểu là 350, nếu cỡ mẫu khoảng
100 thì nên chọn tiêu chuẩn factor loading > 0,55, nếu
cỡ mẫu khoảng 50 thì factor loading > 0,75 là đạt yêu
cầu. Như vậy, nghiên cứu này, mẫu nghiên cứu là
317 bảng trả lời, áp dụng tiêu chuẩn factor loading >
0,5 để các biến quan sát đạt ý nghĩa thực tiễn.
Trong phân tích nhân tố khám phá, trị số KMO
– Kaiser-Meyer-Olkin là chỉ số dùng để xem xét sự
thích hợp của phân tích nhân tố. Ma trận nhân tố
(Component matrix) khi các nhân tố đã được xoay
chứa các hệ số biểu diễn các biến chuẩn h a bằng
các nhân tố. Nghiên cứu này sử dụng phương pháp
trích nhân tố nên hệ số tải nhân tố phải c trọng số
lớn hơn 0,5 thì mới đạt yêu cầu.
Phân tích nhân tố cho các biến độc lập
Theo kết quả từ bảng KMO và Bartlett’s Test thì
hệ số KMO = 0,805 và kiểm định Bartlett’s c ý nghĩa
do sig = 0,000 (< 0,05) từ đ cho thấy các biến của
thang đo hŕnh vi chia sẻ hợp lý, các biến quan sát c
tương quan với nhau trong tổng thể.
Sử dụng phương pháp xoay nhân tố Varimax
proceduce để xoay nhân tố: Để tối thiểu h a số
lượng biến c hệ số lớn cùng tại một nhân tố sẽ
tăng cường khả năng giải thích các nhân tố. Kết quả
xoay nhân tố: Từ 29 biến quan sát ban đầu được chia
thành 6 nhân tố: Niềm tin; làm việc nh m; giao tiếp
với đồng nghiệp; sự quan tâm của lãnh đạo; công
nghệ thông tin; sự gắn kết.
Phân tích tương quan
Phân tích tương quan nhằm kiểm tra tương quan
giữa các biến độc lập và các biến phụ thuộc để đảm
bảo kết quả phân tích hồi quy. Phân tích tương quan
cũng nhằm kiểm tra sự tương quan giữa các biến
độc lập, nếu các biến độc lập c tương quan với
nhau chặt chẽ thì xảy ra hiện tượng đa cộng tuyến.
Phương pháp được áp dụng trong nghiên cứu này
là phân tích tương quan Pearson.
Kết quả phân tích tương quan giữa các biến độc
lập và biến phụ thuộc đều thể hiện sự tương quan
với hệ số tương quan cao và mức ý nghĩa đảm bảo.
Điều này cho thấy, các biến độc lập c sự tương
quan tốt với biến phụ thuộc, đây là điều kiện cần
thiết để sử dụng biến độc lập và biến phụ thuộc
trong việc phân tích hồi quy.
Hệ số xác định R2 = 0,856 và R2 hiệu chỉnh R2adj
Bảng 1: Kiểm định độ tin cậy thang đo
Biến
Tương quan
biến tổng
Cronbach’s Alpha
nếu loại biến
Cronbach’s
Alpha
Niềm tin
TR1
TR2
TR3
TR5
TR4
TR6
0,344
0,388
0,525
0,476
0,528
0,411
0,838
0,826
0,805
0,820
0,809
0,822
0,846
Làm việc nhóm
TW1
TW2
TW3
TW4
TW5
0,472
0,786
0,560
0,687
0,598
0,899
0,854
0,885
0,877
0,879
0,901
Giao tiếp với đồng nghiệp
CS1
CS2
CS3
CS4
CS5
0,410
0,506
0,520
0,490
0,415
0,825
0,797
0,795
0,803
0,826
0,842
Sự quan tâm của lãnh đạo
TM1
TM2
TM3
TM4
0,586
0,625
0,574
0,610
0,868
0,856
0,871
0,860
0,894
Công nghệ thông tin
IT1
IT2
IT3
IT4
IT5
0,388
0,369
0,427
0,338
0,454
0,768
0,752
0,740
0,760
0,728
0,789
Sự gắn kết
CO1
CO2
CO3
CO4
0,329
0,550
0,426
0,423
0,804
0,709
0,772
0,750
0,808
Chia sẻ tri thức
KS1
KS2
KS3
KS4
KS5
KS6
KS7
0,381
0,473
0,377
0,485
0,349
0,404
0,568
0,821
0,802
0,822
0,803
0,826
0,815
0,799
0,835
Nguồn: Tính toán của nhóm tác giả
