6. Kết cấu của luận văn
2.4.4.2Kết quả phân tích nhân tố khám phá (EFA)
Khi phân tích nhân tố khám phá, các nhà nghiên cứu đều quan tâm đến một số tiêu chuẩn:
• Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.50 và 1) có ý nghĩa là phân tích nhân tố là thích hợp (Trọng và Ngọc, 2005).
• Thứ hai, hệ số tải là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, hệ số tải lớn hơn 0.30 được xem là đạt mức tối thiểu, hệ số tải lớn hơn 0.40 được xem là quan trọng, lớn hơn 0.50 được xem là có ý nghĩa thiết thực. Hệ số tải lớn nhất của các biến quan sát phải lớn hơn hoặc bằng 0.50 (Hair và ctg, 1998). Trong bài, tác giả chọn Chọn “Suppress absolute values less than” bằng 0.50 để đảm bảo ý nghĩa thiết thực của EFA.
• Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50%
• Thứ tư là hệ số eigenvalue có giá trị lớn hơn 1 (Gerbing và Anderson, 1998).
• Tiêu chuẩn thứ năm là khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun và
Al-Tamimi, 2003).
Thang đo các nhân tố ảnh hưởng đến Chất lượng dịch vụ Thẻ:
Tác giả sử dụng phương pháp trích yếu tố Principal Component Analysis với phép xoay Varimax và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1 được sử dụng cho phân tích nhân tố với 24 biến quan sát.
Sau khi rút trích nhân tố (theo phương pháp mặc định là rút các thành phần chính và loại bỏ những biến có hệ số tải nhỏ hơn 0.5 không đủ mạnh). Sau khi loại bỏ các biến có hệ số tải nhỏ không đảm bảo độ tin cậy, kết quả phân tích nhân tố cho thấy không có biến nào bị loại, 23 biến quan sát được nhóm thành 4 nhân tố. Hệ số tải đều lớn hơn 0.50 nên các biến quan sát đều quan trọng trong nhân tố, chúng có ý nghĩa thiết thực.
Với giả thuyết H0 đặt ra trong phân tích này là giữa các biến quan sát trong tổng thể không có mối tương quan với nhau. Kiểm định KMO và Bartlett’s trong phân tích nhân tố cho thấy giả thuyết này bị bác bỏ (vì Sig =.000), do vậy các biến quan sát trong tổng thể có mối tương quan với nhau, đồng thời hệ số KMO bằng 0.823 chứng tỏ phân tích nhân tố là thích hợp để nhóm các biến. Tổng phương sai trích là 67.564% cho biết 4 nhân tố vừa rút ra giải thích được 67.564% biến thiên của tập dữ liệu, còn lại 32.436% sự thay đổi của tập dữ liệu là do các nhân tố khác chưa xem xét trong đề tài; do vậy các thang đo rút ra chấp nhận được với giá trị eigenvalue = 1.360.
Bảng Rotated Component Matrix (a) của Phụ lục 7 cho thấy tổng cộng có 4 nhân tố được rút trích bao gồm 24 biến quan sát:
• Nhân tố thứ 1 gồm 8 biến:TC1, TC2, TC3, TC4, TC5, TC6, TC7, DB1. Nhân tố này được đặt tên là Sự tin cậy, ký hiệu là STC.
• Nhân tố thứ 2 gồm 7 biến quan sát: HQ1, HQ2, HQ3, HH1, DB3, DB4, DB5. Nhân tố này được đặt tên là Hiệu quả phục vụ, ký hiệu là HQPV.
• Nhân tố thứ 3 gồm 4 biến quan sát: HH2, HH4, DB2, HQ4. Nhân tố này được đặt tên là Sự thuận tiện, ký hiệu là STT
• Nhân tố thứ 4 gồm 5 biến quan sát: CT1, CT2, CT3, CT4, CT5. Nhân tố này được đặt tên là Sự cảm thông, ký hiệu là SCT.
Thang đo Sự hài lòng của khách hàng về chất lượng dịch vụ Thẻ.
Đối với thang đo Sự hài lòng của khách hàng, sau khi phân tích EFA đối với thang đo Sự hài lòng bao gồm 03 biến quan sát: HL1, HL2, HL3 ta có kết quả như sau: chỉ có 01 nhân tố được rút trích (ký hiệu SHL), các biến quan sát HL1, HL2, HL3 đều có hệ số tải lớn hơn 0.3 nên các biến quan sát đều quan trọng trong nhân tố Sự hài lòng của khách hàng. Hệ số KMO bằng 0.689 nên kết quả EFA phù hợp với dữ liệu. Kiểm định Bartlett's Test có mức ý nghĩa 0.000, do vậy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể. Phương sai trích được bằng 66.099%. Do đó EFA là phù hợp. Các biến quan sát này đều đạt yêu cầu cho các phân tích tiếp theo.