D. Chất lượng sản phẩm: Cronbach's Alpha: 0,
H. Ý định mua: Cronbach's Alpha: 0,
4.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ
Sau khi kiểm tra độ tin cậy của thang đo trước khi tiến hành phân tích nhân tố khám phá (EFA), 23 biến quan sát đủ tiêu chuẩn cho quá trình nghiên cứu tiếp theo. Trong đó, chúng tôi chia làm 2 giai đoạn trong phân tích EFA, bao gồm: phân tích nhân tố khám phá cho các nhân tố độc lập và phân tích nhân tố khám phá cho nhân tố sự hài lòng của người dân.
Phân tích EFA phải thỏa mãn 5 điều kiện như sau:
(1) Hệ số KMO: là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, EFA thích hợp khi: 0,5 ≤ KMO ≤ 1; Kiểm định Bartlet xem xét giả thuyết về độ tương quan giữa các biến quan sát, nếu kiểm định này có ý nghĩa thống kê (sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, p.262).
(2) Hệ số tải nhân tố (hay trọng số nhân tố) (Factor LoADing) tối thiểu > 0,5 để tạo giá trị hội tụ (Hair và Ctg 1998, 111). Hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố > 0,3 được xem là đạt mức tối thiểu thì cỡ mẫu ít nhất phải là 350; hệ số tải nhân tố> 0,4 được xem là quan trọng; và ≥ 0,5 được xem là có ý nghĩa thực tiễn. Nếu cỡ mẫu khoảng 100 thì nên thì nên chọn tiêu chuẩn hệ số tải nhân tố > 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố > 0,75. Với mẫu khảo sát thu được trong nghiên cứu này là 200, tác giả chấp nhận hệ số tải nhân tố từ 0,5 trở lên. Với các biến không đạt tiêu chí này thì bị loại vì không phải là biến quan trọng trong mô hình.
(3) Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%. (Hair và Ctg, 1998 và Gerbing & Anderson, 1988)
(4) Hệ số Eigenvalue >1 (Gerbing và Anderson, 1998). Số lượng nhân tố được xác định dựa trên chỉ số eigenvalue - đại diện cho phần biến thiên được giải thích bởi
(5) Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải ≥ 0,3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003).
Sau khi kiểm tra điều kiện (1) của phân tích nhân tố khám phá là xác định số lượng nhân tố thông qua điều kiện (3) là phương sai trích ≥ 50% và (4) là eigenvalue >1. Tiếp đến, kiểm tra giá trị hội tụ theo điều kiện (2) và giá trị phân biệt theo điều kiện (5) của các thang đo nhằm điều chỉnh để phục vụ cho việc chạy hồi quy mô hình tiếp theo. Chạy mô hình theo phương pháp “Principle component” và chọn phép xoay Varimax (là phương pháp xoay vuông góc và cố định gốc). Kết quả phân tích EFA phải đáp ứng giá trị hội tụ và giá trị phân biệt. Cuối cùng, tiến hành đặt tên lại các nhân tố và xây dựng lại mô hình và giả thiết nghiên cứu. Các thành phần của các nhân tố dùng để tính toán chỉ được hình thành sau khi kiểm tra EFA và Cronbach’s alpha.