Phƣơng pháp trích yếu tố Principal Component Analysis với phép xoay vuông góc Varimax và điểm dừng khi trích các yếu tố có Eigenvalue lớn hơn 1 đƣợc sử dụng cho phân tích nhân tố khám phá EFA với 4 biến quan sát.
Bảng 4.5 Kết quả kiểm định KMO and Bartlett
Phép đo Kaiser-Meyer-Olkin về độ phù hợp của mẫu 0.634
Kiểm định Bartlett
Approx. Chi-Square 121.948
Df 6
Sig. .000
- Kết quả kiểm định KMO và Bartlett: Bảng 4.5 trình bày kết quả kiểm định KMO và Bartlette của thang đo Xu hƣớng lựa chọn thƣơng hiệu. Ta thấy KMO = 0.634 >0.50 phù hợp với yêu cầu thực hiện phân tích EFA. Kiểm định Bartlett với mức ý nghĩa thống kê = .000<0.05 nghĩa là các biến quan sát có tƣơng quan với nhau. Kết quả này cho phép nhận định phân tích nhân tố phù hợp với dữ liệu.
- Số lƣợng nhân tố trích đƣợc: Theo kết quả đƣợc trình bày tại Bảng 4.6, sau khi loại bỏ các biến quan sát có trọng số nhân tố sau khi quay <0.40 ta thấy có 1 nhân tố đƣợc trích từ 4 biến quan sát tại Eigenvalue 1.869 >1 (xem Phụ lục 6). Vì vậy dựa vào tiêu chí Eigenvalue >1 ta trích đƣợc 1 nhân tố. Tổng phƣơng sai trích đƣợc hơi thấp TVE = 46.716% (xem Phụ lục 6).
Kết quả phân tích nhân tố khám phá EFA với thang đo Xu hƣớng lựa chọn thƣơng hiệu cho thấy 1 nhân tố đƣợc trích là phù hợp với mô hình nghiên cứu đề nghị ban đầu bao gồm 4 biến quan sát BI1, BI2, BI3, BI4.
Bảng 4.6 Ma trận nhân tốa
Biến quan sát Nhân tố
1
BI4 .721
BI2 .716
BI1 .658
BI3 .635
Phƣơng pháp trích: Principal Component Analysis. a. 1 nhân tố đƣợc trích
Tóm lại, việc kiểm tra độ tin cậy của thang đo và phân tích nhân tố khám phá EFA đã thực hiện cho thấy các thang đo các khái niệm nghiên cứu đều đạt đƣợc yêu cầu về giá trị và độ tin cậy tuy nhiên khái niệm Xu hƣớng lựa chọn thƣơng hiệu có tổng phƣơng sai trích hơi thấp. Từ kết quả kiểm tra độ tin cậy và phân tích nhân tố khám phá, mô hình nghiên cứu dùng cho việc phân tích hồi quy bội đƣợc trình bày ở Hình 4.1