IV. KẾT QUẢ NGHIÊN CỨU
4 .3 Kiểm định Cronbach’s Alpha đối với các thang đo
4.4.1. Phân tích nhân tố cho các biến độc lập
Sau khi đánh giá độ tin cậy của các thang đo của các khái niệm nghiên cứu, tác giả tiến hành đánh giá giá trị của thang đo thông qua phương pháp phân tích nhân tố
khám phá EFA. Phân tích nhân tố khám phá EFA là kỹ thuật được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy. Theo Nguyễn Đình Thọ (2011), phương pháp phân tích nhân tố khám phá EFA sẽ giúp chúng ta đánh giá hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa làkhông có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thuỷ (biến quan sát).
Các nhà nghiên cứu thường dựa trên năm tiêu chí khi sử dụng phương pháp EFA, đó là: (1) Hệ số KMO (Kaiser-Meyer-Olkin) dùng để xem xét sự thích hợp của phân tích nhân tố, phải có giá trị lớn hơn 0.5 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008), khi đó ta mới có thể kết luận phân tích nhân tố là thích hợp, ngoài ra, mức ý nghĩa của phép kiểm định Bartlett phải bé hơn 5%. (2) Hệ số tải nhân tố (factor loading) >= 0.3 đối với các nghiên cứu có cỡ mẫu ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading >=0.55, nếu cỡ mẫu khoảng 50 thì factor loading >=0.75 (Trần Thị Thuỳ Trang, 2012 theo Hair và ctg, 1998). Do đó, trong nghiên cứu này, biến nào có factor loading <0.5 sẽ bị loại. (3) Mô hình EFA phù hợp khi tổng phương sai trích (TVE) >=0.5 (Nguyễn Đình Thọ, 2011). (4) Tiêu chí Eigenvalue là một tiêu chí sử dụng phổ biến trong xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue >=1 (Nguyễn Đình Thọ, 2011). (5) Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố >=0.3 để tạo giá trị phân biệt giữa các nhân tố (Nguyễn Đình Thọ, 2011).
Khi phân tích nhân tố khám phá EFA đối với các thang đo trong mô hình nghiên cứu, tác giả sử dụng phương pháp trích nhân tốPrincipal Component Analysis với phép
xoay Varimax để tối thiểu hoá số lượng biến có hệ số lớn tại cùng một nhân tố và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1.
35T
Phân tích EFA lần 1, kết quả phân tích cho 22 biến như sau:
35T
Hệ số KMO = 0.841 > 0.5 do đó phân tích nhân tố là thích hợp. Thống kê Chi-
square của kiểm định Bartlett đạt giá trị 2231.635 với mức ý nghĩa 0.000 cho thấy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể. Sáu yếu tố được trích tại eigenvalues có giá trị đạt 1.127 với phương sai trích là 66.828 – phương sai trích như vậy là đạt yêu cầu. ( Xem phụ lục 5, trang 105)
35T
Hệ số tải nhân tố của các biếnđều lớn hơn 0.5, tuy nhiên, biến GTT4 có chênh
lệch trọng số giữa hai nhân tố thứ 2 và thứ 3 < 0.3, tức hai trọng số này tương đương nhau thì biến GTT4 này vừa đo lường nhân tố thứ 2 và vừa đo lường nhân tố thứ 3, cho
thấy mức độ phân biệt giữa 2 nhân tố này thấp. Vì vậy, theo lý thuyết cần loại bỏ biến
GTT4 này. (Bảng 4.3) 35T
Bảng 4.3. Kết quả EFA lần 1 của các biến độc lập
35T
Biến quan sát 35THệ số tải nhân tố
35T 1 35T2 35T3 35T4 35T5 35T6 CLC1 35T0.865 CLC2 35T0.703 CLC3 35T0.693 CLC4 35T0.689 HMT4 35T0.794 HMT3 35T0.730 HMT2 35T0.715 HMT1 35T0.522 GTT4 GTT3 35T0.829 GTT2 35T0.794 GTT1 35T0.739 KB3 35T0.761 KB1 35T0.725 KB2 35T0.722 KB4 35T0.681 TDC1 35T0.841 TDC2 35T0.810 TDC3 35T0.592
NBT2 35T0.863 NBT3 35T0.822 NBT1 35T0.822 35T Eigenvalue 35T6.426 35T2.368 35T1.826 35T1.526 35T1.429 35T1.127 35T Phương sai trích 35T 29.209 35T39.972 35T48.272 35T55.207 35T61.703 35T66.828 35T
Nguồn: từ tính toán của tác giả
35T
Phân tích EFA lần 2, sau khi loại biến GTT4, kết quả phân tích lần 2 cho 21
biến như sau :
35T
Hệ số KMO = 0.823 > 0.5 do đó phân tích nhân tố là thích hợp. Thống kê Chi-
square của kiểm định Bartlett đạt giá trị 2025.037 với mức ý nghĩa 0.000 cho thấy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể. Sáu yếu tố được trích tại eigenvalues có giá trị đạt 1.102 với phương sai trích là 67.291 – phương sai trích như vậy là đạt yêu cầu. (Xem phụ lục 6, trang 108)
35T
Hệ số tải nhân tố của các biến đều lớn hơn 0.5 nên các biến quan sát đều quan trọng trong các nhân tố, tất cả các biến trên đều có ý nghĩa thiết thực. Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố đều lớn hơn 0.3 nên đảm bảo được sự phân biệt giữa các nhân tố. (Bảng 4.4)
35T
Bảng 4.4 cho thấy 6 nhân tố được rút trích bao gồm 21biến quan sát:
- 35TNhân tố thứ 1: gồm 4 biến quan sát CLC1, CLC2, CLC3, CLC4. Nhân tố này là nhân tố Chất lượng cảm nhận, ký hiệu là CLC.
- 35TNhân tố thứ 2: gồm 3 biến quan sát GTT1, GTT2, GTT3. Nhân tố này là nhân tố Giá trị tự thể hiện, ký hiệu là GTT.
- 35TNhân tố thứ 3: gồm 4 biến quan sát HMT1, HMT2, HMT3, HMT4. Nhân tố này
- 35TNhân tố thứ 4: gồm 4 biến quan sát KB1, KB2, KB3, KB4. Nhân tố này là nhân
tố Sự khác biệt so với thương hiệu khác, ký hiệu là KB.
- 35TNhân tố thứ 5: gồm 3 biến quan sát NBT1, NBT2, NBT3. Nhân tố này là nhân tố Nhận biết thương hiệu, ký hiệu là NBT.
- 35TNhân tố thứ 6: gồm 3 biến quan sát TDC1,TDC2, TDC3. Nhân tố này là nhân tố Thái độ đối với chiêu thị, ký hiệu là TDC.
35T
Bảng 4.4. Kết quả EFA lần 2 của các biến độc lập
35T Biến quan sát 35T Hệ số tải nhân tố 35T 1 35T2 35T3 35T4 35T5 35T6 CLC1 35T0.874 CLC3 35T0.698 CLC2 35T0.696 CLC4 35T0.688 GTT3 35T0.819 GTT2 35T0.795 GTT1 35T0.748 HMT4 35T0.787 HMT3 35T0.752 HMT2 35T0.706 HMT1 35T0.532 KB3 35T0.758 KB1 35T0.728 KB2 35T0.723 KB4 35T0.681
NBT2 35T0.863 NBT1 35T0.822 NBT3 35T0.822 TDC1 35T0.842 TDC2 35T0.814 TDC3 35T0.592 35T Eigenvalue 35T5.913 35T2.368 35T1.801 35T1.522 35T1.426 35T1.102 35T Phương sai trích 35T 28.156 35T39.431 35T48.006 35T55.253 35T62.045 35T67.291 35T
Nguồn: từ tính toán của tác giả
35T