7 Bố cục của đề tài
3.3.2 Kết quả phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA là một phương pháp phân tích thông kê để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn những vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu.
Khi tiến hành phân tích nhân tố khám phá cần xem xét các điều kiện sau đây: Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, KMO nằm trong khoảng từ 0.5 đến 1 thì phân tích nhân tố khám phá là thích hợp và kiểm định Barlett’s Test để xem các biến có tương quan với nhau hay không, nếu kiểm định này có ý nghĩa thống kê (Sig 0.05) thì các biến có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005);
Thứ hai, hệ số tải nhân tố (Factor loading), theo Hair và công sự (1988), factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading 0.3 được xem là tối thiểu, factor loading0.4 được xem là quan trọng và lớn hơn 0.5 là có
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích50% (Gerbing và Anderson, 1992);
Thứ tư, điểm dừng khi trích các yếu tố có hệ số Eigenvalue phải có giá trị1 (Gerbing và Anderson, 1992).
Phân tích nhân tố được tiến hành theo các bước sau đây:
Bước 1: 27 biến quan sát của chất lượng dịch vụ tiền gửi sau khi loại đi 4 biến quan sát do có hệ số tương quan với biến tổng0.3, thì chỉ còn 23 biến quan sát và các biến này được đưa vào phân tích nhân tố, sử dụng phương pháp phân tích nhân tố bằng thành phần chính (Principle components), kết hợp với phép quay Varimax và hệ số tải nhân tố0.5. Qua việc phân tích nhân tố lần đầu, có 7 yếu tố được tạo ra với hệ số KMO=0.685>0.6 và kiểm định hệ số Barlett’s test có giá trị sig=0.000<0.05 cho thấy các biến có tương quan với nhau, như vậy việc phân tích nhân tố là phù hợp, bên cạnh đó ta thấy tổng phương sai trích (Cumulative%)=57.280 cho thấy 7 yếu tố này giải thích được 57.280% độ biến thiên của dữ liệu, và điểm dừng khi trích 7 yếu tố có hệ số Eigenvalue= 1.057>1. Tuy nhiên khi nhìn vào bảng ma trận xoay nhân tố ta thấy biến SDU4 sẽ bị loại ra khỏi mô hình nghiên cứu do biến này chỉ đứng một mình không thể gộp thành một yếu tố được. (Tham khảo phụ lục 5)
Bước 2: Sau khi loại bỏ biến SDU4, 22 biến còn lại được đưa vào phân tích nhân tố một lần nữa kết quả cho thấy 6 yếu tố được rút ra với hệ số KMO=0.684>0.6 và kiểm định hệ số Barlett’s test có giá trị sig=0.000<0.05, như vậy việc phân tích nhân tố là phù hợp, ta thấy tổng phương sai trích (Cumulative%) lúc này được điều chỉnh còn 53.582 cho thấy 6 yếu tố này giải thích được 53.582% độ biến thiên của dữ liệu và điểm dừng khi trích 6 yếu tố có hệ số Eigenvalue= 1.369>1. Trong bước 2, 6 yếu tố đã được chính thức hình thành. (Tham khảo phụ lục 5)
Bảng 3.17 Kết quả phân tích EFA thang đo chất lượng dịch vụ tiền gửi Yếu tốNhân tố
Yếu tố Độ tin cậy Sự cảm thông Sự đảm bảo Phương tiện
hữu hình Sự đáp ứng Chính sách giá DTC4 .701 DTC1 .687 DTC5 .674 DTC2 .626 DTC3 .605 SCT2 .724 SCT1 .701 SCT3 .618 SCT4 .594 SDB1 .794 SDB2 .761 SDB3 .748 PTHH 2 .733 PTHH 1 .662 PTHH 3 .639 PTHH 4 .623 SDU3 .771 SDU5 .770 SDU6 .725 CSG1 .810 CSG2 .784 CSG3 .582
( Nguồn: Số liệu phân tích của tác giả, 2014)