Phương pháp phân tích nhân tố được tiến hành để rút gọn tập hợp các biến độc lập thành một tập hợp nhỏhơn là các biến đại diện cho mỗi nhóm yếu tố mà không làm mất đi ý nghĩa giải thích và thông tin của nhóm yếu tốđó.
Hệ số Kaiser – Meyer – Olkin (KMO) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0,5 và 1) có nghĩa là phân tích nhân tố thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu (Hoàng Trọng & Mộng Ngọc, 2008, tập 2, tr.31).
Phương pháp sử dụng là phương pháp rút trích các thành phần chính (Principal component) với phép quay nhân tố là Varimax. Việc phân tích nhân tố sẽ được tiến
hành với toàn bộ các biến quan sát, sau đó sẽ loại bỏ từng biến có hệ số truyền tải thấp. Sau khi tiến hành thu thập dữ liệu, làm sạch dữ liệu và tiến hành mã hoá dữ liệu, nhập dữ liệu với 500 bảng câu hỏi hợp lệ vào phần mềm SPSS 16.0. Phân tích nhân tố khám phá (EFA) được sử dụng để kiểm tra độ hội tụ của các biến quan sát theo từng thành phần trong mô hình nghiên cứu đề xuất. Phương pháp rút trích nhân tố được chọn để phân tích là phương pháp principal components với phép quay varimax; sử dụng Bartlett's Test of Sphericity để kiểm định giả thuyết H0 là các biến không có tương quan với nhau trong tổng thể nghiên cứu.
Tất cả 17 biến quan sát của 4 yếu tố trong mô hình nghiên cứu đều được đưa vào phân tích nhân tố khám phá (EFA). Kết quả phân tích nhân tố như sau:
Bảng 4.8 Kết quả kiểm định KMO và Bartlett (lần 1)
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,752
Bartlett's Test of Sphericity Approx, Chi-Square 2640,493
df 136
Sig. ,000
Nguồn: kết quả phân tích của tác giả bằng SPSS 16.0
Kết quả kiểm định Bartlett trình bày trong bảng 4.8 cho thấy giá trị Sig. (SPSS viết tắt của giá trị p-value) = 0,000 nhỏhơn mức ý nghĩa 0,05 nên giả thuyết H0 bị bác bỏ và kết quả kiểm định KMO cho thấy KMO = 0,752 > 0,5 nên phân tích nhân tố khám phá (EFA) là thích hợp.
Tại các giá trị riêng (Eigenvalues) lớn hơn 1 với phương pháp trích rút Principal components và phép quay varimax, phân tích nhân tốđã trích được 4 yếu tố từ 18 biến quan sát và với phương sai trích rút là 56,069% (lớn hơn 50%) nên đạt yêu cầu (Gerbing and Anderson, 1988) (xem phụ lục 6.1).
Dựa vào phân tích của bảng Ma trận nhân tố xoay (Rotated Component Matrix) ta thấy biến quan sát PEU3 có hệ số tải (factor loading) nhỏ hơn 0,5 nên cần loại bỏ biến quan sát này ra khỏi phân tích nhân tố.
Tiến hành thực hiện phân tích nhân tố khám phá (EFA) sau khi loại bỏ PEU3 ta được kết quảnhư sau:
Bảng 4.9 Kết quả kiểm định KMO và Bartlett lần 2
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,745
Bartlett's Test of Sphericity Approx, Chi-Square 2533,740
df 120
Sig. ,000
Nguồn: kết quả phân tích của tác giả bằng SPSS 16.0
Kết quả kiểm định KMO cho thấy KMO = 0,745 > 0,5 và mức ý nghĩa Sig. = 0,000 nhỏhơn 0,05 nên phân tích nhân tố khám phá (EFA) là thích hợp.
Tại các giá trị riêng (Eigenvalues) lớn hơn 1 với phương pháp trích rút Principal components và phép quay varimax, phân tích nhân tốđã trích được 4 yếu tố từ 16 biến quan sát và với phương sai trích rút là 58,372% (lớn hơn 50%) nên đạt yêu cầu (Gerbing and Anderson, 1988) (Phụ lục 6.1).
Dựa vào phân tích của bảng Ma trận nhân tố xoay ta thấy từ 16 biến quan sát rút ra được 4 yếu tố có liên hệ với nhau thể hiện qua các hệ số tải (factor loading). Hệ số tải càng lớn cho biết nhân tố và biến có liên hệ chặt chẽ với nhau. Cụ thểnhư sau:
Bảng 4.10 Kết quả phân tích nhân tố Ký hiệu Nội dung Nhận thức hữu ích Nhận thức dễ sử dụng Nhận thức rủi ro giao dịch Chi phí sử dụng dịch vụ PU1 Tôi nghĩ rằng việc sử dụng các dịch vụ ngân hàng điện tử sẽ cho phép tôi thực hiện công việc của mình một cách nhanh chóng hơn
0,766
PU2
Tôi nghĩ rằng việc sử dụng các dịch vụ ngân hàng điện tử sẽ giúp tôi thực hiện công việc dễ dàng hơn
0,853 PU3 Tôi nghĩ rằng các dịch vụ ngân
hàng điện tử là hữu ích 0,846 PU4 Nói chung, tôi nghĩ rằng việc sử 0,771
dụng ngân hàng điện tử là thuận lợi
PEU1 Tôi nghĩ rằng việc sử dụng các dịch
vụ ngân hàng điện tử là dễ dàng 0,780 PEU2
Tôi cho rằng việc thực hiện giao dịch với E-Banking là đơn giản và dễ hiểu
0,623 PEU4 Cảm thấy hệ thống giao dịch E-
Banking là linh hoạt 0,715 PEU5
Tôi nghĩ rằng dễ dàng sử dụng các dịch vụ ngân hàng điện tử để thực hiện các giao dịch ngân hàng của tôi.
0,501
PR1 Có thể bị gian lận hoặc thất thoát
tiền khi sử dụng E-Banking 0,755 PR2 Sử dụng E-Banking có thể không
đảm bảo tính bảo mật. 0,820 PR4
Dịch vụ ngân hàng điện tử có thể thực hiện quá trình thanh toán không chính xác
0,567
PR5
Tôi đang lo lắng để sử dụng các dịch vụ ngân hàng điện tử vì người khác có thể truy cập vào tài khoản của tôi
0,771
FC1 Chi phí sử dụng ngân hàng điện tử
là chấp nhận được 0,583
FC2
Tôi sẽ không chấm dứt dịch vụ ngân hàng điện tử ngay cả khi ngân hàng thu phí dịch vụ hàng năm
0,702 FC3
Tôi có thể tiết kiệm thời gian và tiền bạc của tôi bằng cách sử dụng dịch vụ ngân hàng điện tử
0,706 FC4
Giao dịch thực hiện bằng ngân hàng điện tử là ít tốn kém hơn so với giao dịch tại quầy.
0,849
Nguồn: tổng hợp của tác giả
Qua kết quả EFA ta thấy các biến quan sát không có gì sai lệch trong từng yếu tố tại mô hình nghiên cứu đề nghị, ngoài việc chỉ loại bỏ biến quan sát không đạt yêu cầu về Cronbach's Alpha là PR3 và biến quan sát không đạt yêu cầu về hệ số tải yếu tố là PEU3 (nhỏ hơn 0,5) (Gerbing & Anderson, 1988). Do vậy, tên các yếu tố sau khi
EFA vẫn được giữ nguyên như mô hình nghiên cứu đề nghị. Tuy nhiên, sau khi loại PEU3 thì các biến quan sát của yếu tố Nhận thức dễ dàng sử dụng (PEU) có sựthay đổi nên cần phân tích Cronbach’s Alpha của yếu tố này một lần nữa để tiếp tục đưa vào phân tích tiếp theo.
Kết quả phân tích hệ số Cronbach’s Alpha cho yếu tốPEU như sau:
Bảng 4.11 Kết quả Cronbach’s Alpha – PEU lần 2 Biến quan sát Trung bình thang đo nếu loại biến Phương sai thang đo nếu loại biến Tương quan biến tổng Hệ số Cronbach’s Alpha nếu loại biến này Cronbach’s Alpha = 0,637 PEU1 16,9660 4,334 0,380 0,625 PEU2 16,9100 5,409 0,477 0,537 PEU4 16,8640 4,935 0,483 0,521 PEU5 16,8020 5,718 0,378 0,595 Nguồn: kết quả phân tích của tác giả bằng SPSS 16.0
Sau khi loại bỏ các biến quan sát PEU3 thì PEU còn 4 biến quan sát và đều có hệ số tương quan biến tổng lớn hơn 0,3 (Nunnally and Burnstein, 1994), hệ số Cronbach Alpha = 0,637 lớn hơn 0,6 (Nunnally and Burnstein, 1994) nên chấp nhận được. Ngoài ra, hệ số Alpha nếu loại biến của các biến quan sát đều nhỏ hơn hệ số Cronbach’s Alpha tổng. Do vậy, thang đo của yếu tốPEU được xem là đạt yêu cầu.