Phương pháp EFA được sử dụng rộng rãi trong nghiên cứu để đánh giá sơ bộ các thang đo lường. Khi phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm đến một số tiêu chí sau:
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 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định Bartlett (Bartlett’s test of sphericity): dùng để xem xét ma trận tương quan có phải là ma trận đơn vị, là ma trận có các thành phần (hệ số tương quan giữa các biến) bằng không và đường chéo (hệ số tương quan với chính nó) bằng 1. Nếu kiểm định Bartlett có Sig <0,05 ,chúng ta từ chối giả thuyết Ho (ma
trận tương quan là ma trận đơn vị) nghĩa là các biến có quan hệ với nhau (Nguyễn Đình Thọ, 2011).
Các trọng số nhân tố (factor loading) nhỏ hơn 0.5 trong EFA sẽ tiết tục bị loại để đảm bảo giá trị hội tụ giữa các biến (Nguyễn Đình Thọ, 2011). Phương pháp trích hệ số sử dụng là principal components và điểm dừng khi trích các nhân tố có eigenvalue lớn hơn 1, tổng phương sai trích bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ, 2011).
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 (Nguyễn Đình Thọ, 2011).
• Phân tích EFA đối với biến độc lập
Sau khi thực hiện Cronbach’ s Alpha, và loại biến SP7 trong thành phần “ Sản phẩm”, mô hình còn lại 25 biến độc lập được giữ lại để phân tích EFA.
Sau 3 lần phân tích EFA ( Phụ lục 2.3.1) có 3 biến bị loại lần lượt là SP6 ( Đa dạng về kiểu dáng, chủng loại) vì không hiển thị hệ số tải nhân tố ở bất kỳ cột nào; SP5 (Sản phẩm tạo sự tin cậy cho người sử dụng) vì hệ số tải nhân tố hiển thị ở hai cột và chênh lệch nhau nhỏ hơn 0,3; CH1 ( Vị trí cửa hàng thuận tiện cho việc mua hàng) vì không hiển thị hệ số tải nhân tố ỏ bất kỳ cột nào. 22 biến còn lại tiếp tục phân tích EFA lần 4. Sau đây là kết quả của lần phân tích EFA lần 4:
Bảng 2.7: Kết quả kiểm định KMO và kiểm định Bartlett các biến độc lập
Hệ số KMO 0,702
Kiểm định Bartlett’s
Khoảng Chi bình phương 1340.397
Df 231
Sig. 0,000
( Nguồn: Kết quả xử lý số liệu SPSS)
Hệ số KMO = 0,702 (>0,5), kiểm định Bartlett’s có giá trị Sig = 0,000 < 0,05 cho thấy các biến quan sát có tương quan trong tổng thể do đó đạt yêu cầu của phân tích nhân tố.
Kiểm định Bartlett là 1340.397 với mức ý nghĩa sig= 0,000 < 0,05 (Bác bỏ giả thuyết H0: Các biến quan sát không có tương quan với nhau trong tổng thể). Như vậy, các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố.
Biến 1 2 3 Nhân tố4 5 6 7 SP4 0,877 SP2 0,862 SP3 0,690 TH3 0,636 TH2 0,592 KM1 0,821 KM2 0,813 KM3 0,801 DVHT2 0,866 DVHT1 0,814 DVHT3 0,761 NVBH1 0,888 NVBH2 0,808 NVBH3 0,637 CH2 0,813 CH1 0,800 CH3 0,621 DCTD1 0,856 DCTD2 0,804 GC1 0,833 GC2 0,660 SP1 0,503 Bảng 2.8: Ma trận nhân tố xoay lần 4
( Nguồn: Kết quả xử lý số liệu SPSS) ( Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả phân tích EFA lần 4 cho ra 7 nhân tố có tổng phương sai = 69,423% cho biết 7 nhân tố này giải thích được 69,423% biến thiên của dữ liệu. Hệ số tải của tất cả các biến đều lớn hơn 0,5 nên 22 biến đều được giữ lại và được nhóm thành 7 nhân tố.
• ĐẶT TÊN NHÂN TỐ
Trong 7 nhân tố được tạo thành thì có 5 nhân tố được giữ nguyên như trước khi phân tích EFA. Đó là các nhân tố: “KHUYẾN MÃI”, “DỊCH VỤ HỖ TRỢ”, “NHÂN VIÊN BÁN HÀNG”, “CỬA HÀNG”, “ĐỘNG CƠ TIÊU DÙNG” nên tác
giả vẫn giữ nguyên tên gọi của các nhân tố đó. Có 2 nhân tố mới có các biến thành phần thay đổi: 3 biến của nhân tố “Sản phẩm” (SP2, SP3, SP4) và 2 biến của nhân tố “Thương hiệu” (TH2, TH3) nhóm lại thành một nhân tố mới ; 2 biến của nhân tố “Giá cả ” (GC1,GC2) và một biến của nhân tố “Sản phẩm” (SP1) được nhóm lại thành một nhân tố mới. Ta tiến hành đặt tên 2 nhân tố mới.
Nhân tố mới 1: Có 5 biến quan sát gồm:
SP2: Chất lượng sản phẩm tốt SP3: Sản phẩm sử dụng lâu bền SP4: Chất liệu vải tốt
TH2: Thương hiệu có uy tín trên thị trường
TH3: Cho ra đời những sản phẩm có chất lượng cao
Vì nhân tố “Sản phẩm” có 3 biến chiếm ưu thế hơn so với nhân tố “Thương hiệu” chỉ có 2 biến nên tác giả quyết định đặt tên cho nhân tố này là “ SẢN PHẨM”.
Nhân tố mới 2: Có 3 biến quan sát gồm:
GC1: Gía cả phù hợp với khả năng thanh toán GC2: Cửa hàng bán đúng giá niêm yết
SP1: Sản phẩm phù hợp với nhu cầu của khách hàng
Vì nhân tố “Giá cả” (có 2 biến quan sát) chiếm ưu thế hơn so với nhân tố “Sản phẩm” (1 biến quan sát) nên tác giả quyết định đặt tên cho nhân tố này là “GIÁ CẢ”.
Như vậy, sau khi hoàn tất phân tích nhân tố EFA thì thang đo “Yếu tố ảnh hưởng đến quyết định mua sản phẩm may mặc” gồm 7 nhân tố thành phần:
+ Nhân tố 1: SẢN PHẨM bao gồm 5 biến:
SP1 Chất lượng sản phẩm tốt
SP2 Sản phẩm sử dụng lâu bền
SP3 Chất liệu vải tốt
SP4 Thương hiệu có uy tín trên thị trường
SP5 Cho ra đời những sản phẩm có chất lượng cao
+ Nhân tố 2: KHUYẾN MÃI gồm 3 biến:
KM2 Sản phẩm khuyến mãi có giá rẻ
KM3 Có nhiều sản phẩm được khuyến mãi
+ Nhân tố 3: DỊCH VỤ HỖ TRỢ bao gồm 3 biến:
DVHT1 Được đổi trả lại sản phẩm trong thời gian quy định DVHT2 Được hoàn lại tiền đối với sản phẩm trả lại
DVHT3 Phòng thử đồ thoải mái
+ Nhân tố 4: NHÂN VIÊN BÁN HÀNG gồm 3 biến NVBH1 Nhân viên bán hàng lịch sự
NVBH2 Thái độ nhiệt tình với khách hàng
NVBH3 Tư vấn khách hàng về đặc tính sản phẩm
+ Nhân tố 5: CỬA HÀNG gồm 3 biến:
CH1 Vị trí cửa hàng thuận tiện
CH2 Cửa hàng tạo cảm giác thoải mái
CH3 Cách trưng bày sản phẩm thuận lợi cho mua sắm
+ Nhân tố 6: ĐỘNG CƠ TIÊU DÙNG gồm 2 biến:
DCTD1 Sản phẩm may mặc là nhu cầu không thể thiếu DCTD2 Thể hiện bản thân khi mặc nó
+ Nhân tố 7: GIÁ CẢ gồm 3 biến:
GC1 Giá cả phù hợp khả năng thanh toán
GC2 Cửa hàng bán đúng giá niêm yết
GC3 Sản phẩm phù hợp với nhu cầu khách hàng
Sau khi đặt tên 2 nhân tố mới là “SẢN PHẨM” và “GIÁ CẢ”, ta tiến hành đánh giá lại độ tin cậy thang đo của 2 nhân tố này bằng độ tin cậy Cronbach’s Alpha: Hệ số Cronbach’s Alpha của 2 thang đo “Sản phẩm” và “Gía cả” (Phụ lục 2.3.3) được tạo ra sau khi phân tích EFA lần lượt là 0,824 và 0,617 đều lớn hơn 0,6
và các biến đều có hệ số tương quan biến tổng lớn hơn 0,3 nên các thang đo đều có thể sử dụng được.
• Phân tích EFA đối với biến phụ thuộc QUYẾT ĐỊNH MUA
Bảng 2.9 : Kiểm định KMO và Bartlett’s cho biến phụ thuộc
Hệ số KMO 0,666
Kiểm định Bartlett’s
Khoảng Chi bình phương 159.346
Df 3
Sig. 0,000
( Nguồn: Kết quả xử lý số liệu SPSS)
Bảng 2.10: Kết quả phân tích EFA đối với biến phụ thuộc
Phần trăm giải
thích Tổng phương sai trích (%) Quyết định mua sản phẩm là đúng đắn 0,582
72,163
Tiếp tục mua sản phẩm 0,786
Tiếp tục mua và giới thiệu bạn bè cùng
mua 0,797
( Nguồn: Kết quả xử lý số liệu SPSS)
Hệ số KMO = 0,666 >0,5 và kiểm định Bartlett’s có giá trị Sig = 0,000 < 0,05 nên đạt yêu cầu phân tích nhân tố. Tổng phương sai trích = 72,163% cho biết nhân tố “quyết định mua” giải thích được 72,163% biến thiên của dữ liệu.
Trước khi phân tích nhân tố EFA mô hình có tất cả 28 biến quan sát và sau khi phân tích nhân tố khám phá EFA cho biến độc lập và biến phụ thuộc, mô hình còn lại 25 biến quan sát và được nhóm thành 7 nhân tố độc lập đo lường cho 1 biến phụ thuộc. Vậy, ta có mô hình hiệu chỉnh như sau:
Hình 2.3 : Mô hình hiệu chỉnh các yếu tố ảnh hưởng đến quyết định mua sản phẩm may mặc của công ty cổ phần dệt may Huế