3. CHƯƠNG 3 ỨNG DỤNG CÁC MÔ HÌNH ĐỂ ĐÁNH GIÁ VỀ HOẠT
3.2.4.Đánh giá giá trị thang đo bằng phân tích nhân tố EF A:
Phân tích nhân tố khám phá EFA để đánh giá 2 giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. EFA dùng để rút gọn một tập hợp biến quan sát thành một tập biến mới bao gồm các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này là dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát nguyên thủy. Các nhân tố được rút trích sẽ được lưu lại thành biến mới (chúng ta sẽ
sử dụng biến mới này thay cho tập hợp biến gốc để đưa vào mô hình hồi quy phân tích).
Các tham số thống kê quan trọng trong phân tích nhân tố EFA gồm:
- Chỉ số KMO (Kaiser – Meyer – Olkin measure of sampling adequacty): là một chỉ số dùng để xem xét mức độ thích hợp của phân tích nhân tố. Chỉ số KMO phải đủ lớn (>0.5) (Hair & cộng sự, 2006) thì phân tích nhân tố là thích hợp, còn nếu nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
- Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích, các nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình (Hair & cộng sự, 2006).
- Phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50% (Hair & cộng sự, 2006).
- Hệ số tải nhân tố (factor loadings): là hệ tố tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Với mẫu khoảng 200, hệ số tải nhân tố được chấp nhận là lớn hơn 0.5 (Hair & cộng sự, 2006), các biến có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại khỏi mô hình.
- Kiểm định Bartlett: để kiểm tra độ tương quan giữa các biến quan sát và tổng thể, phân tích chỉ số ý nghĩa khi sig có giá trị nhỏ hơn 5% (Hair & cộng sự, 2006).
Bảng 3.15: Kết quả phân tích nhân tố khám phá EFA Nhân tố Biến quan sát 1 2 3 4 5 6 DC3 .870 DC2 .812 DC1 .795 DC4 .736 PV1 .810 PV3 .796 PV4 .748
PV2 .727 GC2 .839 GC1 .824 GC3 .817 DU1 .875 DU2 .801 DU3 .689 HH3 .853 HH1 .820 HH2 .799 TC1 .863 TC3 .774 TC2 .613
Sau khi kiểm tra mức độ tin cậy bằng kiểm định Cronbach’ alpha, 6 nhân tố gồm 20 biến quan sát đảm bảo độ tin cậy. Theo bảng kết quả 3.15 trên thì:
· Kiểm định KMO và Bartlett’s trong phân tích cho thấy chỉ số KMO khá cao (bằng 0.781 >0.5) với mức ý nghĩa bằng 0 (sig=0) cho thấy phân tích nhân tố EFA là phù hợp.
· Hệ số tải nhân tố của tất cả các biến trên đều lớn hơn 0.5 nên phù hợp với mô hình.
· Tại các mức giá trị Eigenvalues = 1.151>1 và với phương pháp rút trích Principal components và phép quay varimax , phân tích nhân tố EFA đã trích được 6 nhân tố từ 20 biến quan sát với phương sai trích là 72.229% (lớn hơn 50%) đạt yêu cầu.
Kết quả phân tích nhân tố EFA cho biến phụ thuộc là chất lượng dịch vụ huy động tiền gửi của Ngân hàng:
Nhân tố Biến quan sát 1 CL2 .916 CL3 .894 CL1 .894
Chỉ số KMO đạt được 0.742>0.5; Chỉ số Eigenvalue là 2.438>1 và tổng phương sai trích được là 81.270% >50% nên phù hợp với điều kiên của phân tích nhân tố. Như vậy kết quả phân tích nhân tố về chất lượng dịch vụ huy động tiền gửi Ngân hàng cho thấy 3 biến quan sát CL1,CL2,CL3 trên đều có hệ số tải rất cao và lớn hơn 0.5 nên dùng để giải thích thang đo chất lượng dịch vụ là hợp lý.