Bảng 4.15: Kết quả kiểm định KMO và Bartlett’s
Đo lường độ xác thực của dữ liệu trong mẫu nghiên cứu (KMO) 0,675
Kiểm định Bartlett
Giá trị chi bình phương (ChiSquare) 537,322
Bậc tự do (df) 3
Mức ý nghĩa 0,000
Theo Hair và cộng sự (2006), KMO là chỉ số dùng để xem xét sự thích hợp của EFA với 0,5 ≤ KMO ≤ 1. Dựa vào kết quả đo lường độ xác thực của dữ liệu trong mẫu nghiên cứu (bảng 4.15), KMO = 0,675 do đó dữ liệu thích hợp để thực hiện phân tích nhân tố.
Kiểm định Barlett xem xét giả thiết Ho: độ tương quan giữa các biến quan sát bằng 0 trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05) có nghĩa là các biến quan sát có tương quan với nhau trong tổng thể. Kết quả kiểm định cho thấy, các biến số trong mô hình nghiên cứu sự hài lòng khách hàng có tương quan với nhau với mức ý nghĩa thống kê Sig = 0,000 < 0,05.
Bảng 4.16: Tổng phương sai trích
Component
Initial Eigenvalues Extraction Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2,345 78,164 78,164 2,345 78,164 78,164 2 ,495 16,504 94,668 3 ,160 5,332 100,000
Extraction Method: Principal Component Analysis.
Kết quả phân tích (bảng 4.16) cho thấy tổng phương sai trích bằng 78,164% (>50%), có nghĩa 78,164% biến thiên của dữ liệu được giải thích bởi 1 nhân tố. Qua đó cho ta thấy kết quả phân tích trên đều rất phù hợp.
Bảng 4.17: Ma trận thành phần (Component Matrixa)
Component Matrixa
Biến quan sát Nhân tố 1
HAILONG02 ,927
HAILONG03 ,919
HAILONG01 ,800
Kết quả phân tích ma trận thành phần cho thấy có một nhân tố được hình thành và đặt tên là “Sự hài lòng của khách hàng”.