Sau khi phân tích Cronbach Alpha, hệ số tin cậy của các nhóm biến đạt khá cao và lớn hơn 0.6, các hệ số tương quan biến - tổng lớn hơn 0.3 (02 biến bị loại), các biến còn lại được chấp nhận. Do đó, 41 biến được đưa vào để phân tích nhân tố. Phân tích nhân tố nhằm nhóm gọn các biến quan sát ban đầu thành những nhân tố mới có ý nghĩa, đồng thời phát hiện cấu trúc tiềm ẩn giữa các khái niệm nghiên cứu (nhân tố ban đầu) theo dữ liệu thực tế nhằm hình thành những nhân tố mới có ý nghĩa sát với thực tế nghiên cứu.
Đầu tiên, thực hiện hai kiểm định là “KMO and Bartlett's Test”. Kết quả chứng tỏ là việc sử dụng phân tích nhân tố trong trường hợp là thích hợp (KMO từ 0.8 trở lên >0.5, và Sig. =0.000). Phân tích nhân tố cho tất cả mọi biến trong mô hình được thực hiện với phương pháp rút trích nhân tố là “Principal component” và phương pháp xoay là “Varimax”, phép xoay vuông góc được lựa chọn nhằm mục đích trích tối đa %
phương sai của các biến quan sát ban đầu và làm gọn các biến quan sát (Hair và ctg, 2010). Còn tiêu chuẩn rút trích là Eigenvalues > 1 nhằm đảm bảo mỗi nhân tố hình thành có thể giải thích tối thiểu biến thiên trọn vẹn của một biến quan sát (Hair và ctg, 2010).
Tiêu chuẩn chọn biến cho nhân tố đảm bảo một số điều kiện sau:
- Đảm bảo hệ số trích phương sai trong tổng thể các biến (Communality) >0.50, - Hệ số tải lên nhân tố chính |>0.50| được xem là có ý nghĩa thực tiễn,
- Tối thiểu các biến có hệ số tải chéo lên nhiều nhân tố (khoảng cách độ lớn của hệ số tải giữa hai nhân tố <0.30) (Nguyễn Đình Thọ, 2010).
Tuy nhiên, việc xác định biến loại bỏ hay không còn phụ thuộc vào mức ý nghĩa của biến quan sát đó trong mô hình, số biến trong cùng một cấu trúc tiềm ẩn nhằm đảm bảo các cấu trúc biến tiềm ẩn sau khi hình thành có ý nghĩa về mặt thực tiễn và khái niệm lý thuyết (Hair và ctg, 2010).
3.3.2.1. Phân tích EFA – nhóm biến độc lập
Sau phân tích độ tin cậy của thang đo bằng hệ số Cronbach Alpha có 41 biến quan sát của 8 nhân tố độc lập được đưa vào phân tích nhân tố. Kết quả phân tích nhân tố lần thứ nhất như sau:
Bảng 3.19: Hệ số KMO và Bartlett's Test của các nhân tố tác động lần 1
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0.889
Approx. Chi-Square 5695.586
Df 666
Bartlett's Test of Sphericity
Sig. .000
Hệ số KMO = 0.889 > 0.5 cho thấy dữ liệu phù hợp cho phân tích nhân tố khám phá. Bartlett’s Test có ý nghĩa thống kê (Sig. < 0.05) nên các biến quan sát có tương quan với nhau trong tổng thể. Tổng phương sai trích được 66.73% > 50% như vậy chứng tỏ phương sai trích được từ các biến quan sát ban đầu thỏa mãn điều kiện.
Trong lần phân tích nhân tố khám phá đầu tiên cho thấy có 3 biến quan sát là CNTC2, TDD1, CNTC3 cân nhắc loại bỏ khỏi phân tích nhân tố vì có hệ số tải nhân tố lớn nhất < 0.5.
Tiếp tục với bước phân tích nhân tố khám phá tiếp theo bằng cách loại bỏ các biến không đạt yêu cầu với các lý do:
- Hệ số tải nhân tố lớn nhất < 0.5
- Tải đa nhân tố (nhiều hơn một nhân tố) và khoảng cách hệ số tải giữa hai nhân tố gần nhất < 0.3
Ta có kết quả phân tích EFA lần thứ 4 như sau:
Bảng 3.20: Hệ số KMO và Bartlett's Test của các nhân tố tác động lần thứ 4
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0.871
Approx. Chi-Square 4447.314
Df 465
Bartlett's Test of Sphericity
Sig. 0.000
Hệ số KMO = 0.871 thỏa mãn điều kiện. Bartlett’s Test có ý nghĩa thống kê (Sig. < 0.05) nên các biến quan sát có tương quan với nhau trong tổng thể.
Tổng phương sai trích = 66,75% (gần bằng 66,8%) thỏa mãn điều kiện. Như vậy, các nhân tố giải thích được 66,8% sự biến thiên của dữ liệu.
Bảng 3.21: Kết quả phân tích nhân tố khám phá cho các nhân tố tác động
Nhân tố
mới Chỉ báo Ký hiệu
Hệ số tải nhân tố
Phương sai trích
Thời gian chờ đợi là rất ít STT4 0.788
Đa dạng giá cả TDD5 0.762
Tốn ít công sức để tìm và mua được STT3 0.736
Rất nhiều món khác nhau TDD3 0.713
Lúc nào cũng có sẵn STT2 0.671
Dễ dàng khi ăn STT6 0.649
Nhiều loại đặc biệt TDD4 0.634
Không khó khăn khi bảo quản
đường xa nếu muốn làm quà STT7 0.619
Đa dạng để lựa chọn TDD2 0.616 Nhân tố 1 Đáp ứng đa dạng khẩu vị TDD6 0.559 13.6% Có mùi vị hấp dẫn KV1 0.727 Có vị ngon đặc biệt KV2 0.716 Rất ngon miệng KV3 0.710 Nhân tố 2 Trông rất thích và hấp dẫn KV4 0.699 11.8%
Không gây dị ứng ATTP6 0.819
Không chứa mầm bệnh ATTP5 0.794
Ít tạp chất ATTP3 0.646
Nhân tố 3
Không chứa chất độc hại ATTP4 0.588
Tốt cho sức khỏe GTDD1 0.777
Góp phần phòng chống bệnh ung thư GTDD3 0.751
Giúp xương chắc khỏe GTDD6 0.676
Nhân tố 4
Tăng khả năng miễn dịch GTDD4 0.663
8.7%
Có nhiều chất đạm, canxi, giàu dinh
dưỡng GTDD2 0.691
Dễ ăn, dễ tiêu hóa GTDD7 0.674
Nhân tố 5
Bổ sung đầy đủ dinh dưỡng cho các
bữa ăn GTDD5 0.659
8.3%
Hải sản địa phương nổi tiếng là tươi
ngon DT1 0.720
Địa phương có nhiều loại hải sản nổi
tiếng DT3 0.640
Nhân tố 6
Hải sản địa phương có nguồn gốc,
xuất xứ rõ ràng DT2 0.589
8.1%
Giá cả phải chăng GC1 0.714
Giá cả phù hợp với chất lượng sản
phẩm GC3 0.655
Nhân tố 7
Giá cả vừa túi tiền GC2 0.558
7.2%
Tổng phương sai trích 66.8% (Nguồn: Kết quả xử lý trên phần mềm SPSS 22)
Như vậy, kết quả đạt được từ 41 biến quan sát đưa vào phân tích nhân tố khám phá có 7 nhân tố mới được tạo ra. Tổng phương sai trích = 66.75% (gần bằng 66.8%) cho biết 7 nhân tố này giải thích được 66.8% sự biến thiên của dữ liệu.
Khi chạy EFA, trong hộp thoại Factor Analysis, chúng ta chọn nút Scores, sau đó nhập chọn Save as variables để lưu lại nhân số của nhân tố một cách tự động. Mặc định của chương trình này là phương pháp Regression (Trọng & Ngọc, 2005, 276). Nhân số tính theo cách này đã được chuẩn hóa (đã được chuyển qua đơn vị đo lường độ lệch chuẩn). Nó thích hợp nhất nếu sử dụng các nhân tố để phân tích hồi quy và kiểm định mối quan hệ ảnh hưởng của các biến độc lập đến biến phụ thuộc.
Các nhân tố mới được hình thành từ kết quả trích xuất (Save as regression) trong phân tích nhân tố thay vì phương pháp trung bình cộng các biến quan sát cho từng nhân tố. Việc hình thành các nhân tố mới theo phương pháp trích xuất của SPSS có ưu và nhược điểm như sau:
- Ưu điểm: nhân tố mới hình thành được tính toán theo tương ứng trọng số của từng biến quan sát trong nhân tố đó, điều này giúp phản ánh chính xác hơn giá trị của nhân tố mới theo kết quả phân tích nhân tố.
- Nhược điểm: dữ liệu đã được chuyển về hệ chuẩn hóa (mean=0, độ lệch chuẩn =1) nên sẽ không phản ánh được giá trị của nhân tố mới theo giá trị thang đo ban đầu. Điều này sẽ gặp khó khăn trong các phép phân tích liên quan đến so sánh giá trị trung bình của nhân tố mới. Do vậy, đối với các phép so sánh giá trị trung bình, tác giả phải sử dụng giá trị nhân tố mới theo phương pháp trung bình cộng các biến quan sát ban đầu.
Tính toán hệ số Cronbach Alpha cho các nhân tố mới rút trích từ EFA: Với kết quả phân tích trên, nhiều biến quan sát đã bị loại khỏi thang đo thành phần một số nhân tố ảnh hưởng đến mức độ chi tiêu cho các loại hải sản của du khách, và được rút lại thành 7 thành phần khác nhau với 31 biến quan sát. Vì vậy, tính toán lại hệ số Cronbach Alpha của các thang đo này là cần thiết. Kết quả phân tích như sau:
1. Cronbach Alpha thang đo nhân tố 1:
Thang đo này có hệ số Cronbach Alpha = 0.857 (>0.6), các hệ số tương quan biến tổng của các biến đo lường thành phần này đều cao hơn 0.3, hệ số Alpha nếu loại bỏ biến của các biến đều nhỏ hơn hệ số Cronbach Alpha, vì vậy thang đo này có độ tin cậy để sử dụng cho các phân tích tiếp theo.
2. Cronbach Alpha thang đo nhân tố 2:
Thang đo này có hệ số Cronbach Alpha = 0.789 (>0.6), các hệ số tương quan biến tổng của các biến đo lường thành phần này đều cao hơn 0.3, hệ số Alpha nếu loại bỏ biến của các biến đều nhỏ hơn hệ số Cronbach Alpha, vì vậy thang đo này có độ tin cậy để sử dụng cho các phân tích tiếp theo.
3. Cronbach Alpha thang đo nhân tố 3:
Thang đo này có hệ số Cronbach Alpha = 0.806 (>0.6), các hệ số tương quan biến tổng của các biến đo lường thành phần này đều cao hơn 0.3, hệ số
Alpha nếu loại bỏ biến của các biến đều nhỏ hơn hệ số Cronbach Alpha, vì vậy thang đo này có độ tin cậy để sử dụng cho các phân tích tiếp theo.
4. Cronbach Alpha thang đo nhân tố 4:
Thang đo này có hệ số Cronbach Alpha = 0.649 (>0.6), các hệ số tương quan biến tổng của các biến đo lường thành phần này đều cao hơn 0.3, hệ số Alpha nếu loại bỏ biến của các biến đều nhỏ hơn hệ số Cronbach Alpha, vì vậy thang đo này có độ tin cậy để sử dụng cho các phân tích tiếp theo.
5. Cronbach Alpha thang đo nhân tố 5:
Thang đo này có hệ số Cronbach Alpha = 0.596 (<0.6) vì vậy thang đo này không đủ độ tin cậy để sử dụng cho các phân tích tiếp theo. Loại nhân tố thứ 5 này cho bước phân tích tiếp theo.
6. Cronbach Alpha thang đo nhân tố 6:
Thang đo này có hệ số Cronbach Alpha = 0.740 (>0.6), các hệ số tương quan biến tổng của các biến đo lường thành phần này đều cao hơn 0.3, hệ số Alpha nếu loại bỏ biến của các biến đều nhỏ hơn hệ số Cronbach Alpha, vì vậy thang đo này có độ tin cậy để sử dụng cho các phân tích tiếp theo.
7. Cronbach Alpha thang đo nhân tố 7:
Thang đo này có hệ số Cronbach Alpha = 0.635 (>0.6), các hệ số tương quan biến tổng của các biến đo lường thành phần này đều cao hơn 0.3, hệ số Alpha nếu loại bỏ biến của các biến đều nhỏ hơn hệ số Cronbach Alpha, vì vậy thang đo này có độ tin cậy để sử dụng cho các phân tích tiếp theo.
Như vậy, các biến quan sát đưa vào EFA được rút gọn thành 7 nhân tố tuy nhiên chỉ có 6 nhân tố có hệ số Cronbach Alpha đảm bảo điều kiện. Các biến quan sát giải thích về nội dung của từng nhân tố này và từ đó căn cứ vào bản chất các biến cụ thể mà nhân tố bao gồm sẽ tìm ra tên mới cho nhân tố, tính chất này được gọi là tính chất khám phá, đó là đặc trưng nổi bật của EFA.
Đặt tên các nhóm nhân tố mới: Việc đặt tên các nhân tố được thực hiện trên cơ sở nhận ra các biến quan sát có hệ số truyền tải (loading factor) lớn nằm trong cùng một nhân tố. Như vậy nhân tố này có thể giải thích bằng các biến có hệ số lớn nằm trong nó.
- Nhân tố 1: gồm các biến quan sát sau
Thời gian chờ đợi là rất ít STT4
Đa dạng giá cả TDD5
Tốn ít công sức để tìm và mua được STT3
Rất nhiều món khác nhau TDD3
Lúc nào cũng có sẵn STT2
Dễ dàng khi ăn STT6
Nhiều loại đặc biệt TDD4
Không khó khăn khi bảo quản đường xa nếu muốn làm quà STT7
Đa dạng để lựa chọn TDD2
Đáp ứng đa dạng khẩu vị TDD6
Các biến quan sát này thuộc thành phần Sự thuận tiện và tính đa dạng của sản
phẩm hải sản. Chúng ta đặt tên cho nhân tố mới này là “Sự thuận tiện và tính đa
dạng” (F1).
- Nhân tố 2: bao gồm các biến quan sát sau
Có mùi vị hấp dẫn KV1
Có vị ngon đặc biệt KV2
Rất ngon miệng KV3
Trông rất thích và hấp dẫn KV4
Các biến quan sát này thuộc thành phần khẩu vị. Chúng ta giữ nguyên tên gọi
của nhân tố này là “Khẩu vị” (F2).
- Nhân tố 3: bao gồm các biến sau
Không gây dị ứng ATTP6
Không chứa mầm bệnh ATTP5
Ít tạp chất ATTP3
Không chứa chất độc hại ATTP4
Các biến quan sát này thuộc thành phần Chất lượng vệ sinh an toàn thực phẩm.
Chúng ta giữ nguyên tên gọi của nhân tố này là “Chất lượng vệ sinh an toàn thực
- Nhân tố 4: bao gồm các biến sau
Tốt cho sức khỏe GTDD1
Góp phần phòng chống bệnh ung thư GTDD3
Giúp xương chắc khỏe GTDD6
Tăng khả năng miễn dịch GTDD4
Các biến quan sát này thuộc thành phần Giá trị dinh dưỡng. Chúng ta giữ
nguyên tên gọi của nhân tố này là “Giá trị dinh dưỡng” (F4).
- Nhân tố 5: bao gồm các biến sau
Hải sản địa phương nổi tiếng là tươi ngon DT1
Địa phương có nhiều loại hải sản nổi tiếng DT3
Hải sản địa phương có nguồn gốc, xuất xứ rõ ràng DT2
Các biến quan sát này thuộc thành phần Danh tiếng của sản phẩm hải sản địa
phương. Chúng ta giữ nguyên tên gọi của nhân tố này là “Danh tiếng của sản phẩm
hải sản địa phương” (F5).
- Nhân tố 6: bao gồm các biến sau
Giá cả phải chăng GC1
Giá cả phù hợp với chất lượng sản phẩm GC3
Giá cả vừa túi tiền GC2
Các biến quan sát này thuộc thành phần Giá cả. Chúng ta giữ nguyên tên gọi
của nhân tố này là “Giá cả” (F6).
3.3.2.2. Phân tích EFA – nhân tố phụ thuộc
Đối với thang đo Mức độ chi tiêu cho hải sản, EFA trích được gom vào một yếu tố tại Eigenvalues là 2.143 và chỉ số KMO là 0.625. Với số liệu này cho thấy dữ liệu phù hợp cho phân tích nhân tố khám phá. Bartlett’s Test có ý nghĩa thống kê (Sig. < 0.05) nên các biên quan sát có tương quan với nhau trong tổng thể, tổng phương sai trích = 53.568% > 50% đã chứng tỏ 6 nhân tố này giải thích được 53.568% biến thiên của dữ liệu. Vậy thang đo vẫn được sử dụng cho các phân tích tiếp theo.
Bảng 3.22: Kết quả phân tích nhân tố khám phá cho các nhân tố bị tác động
Nhân tố Chỉ báo Ký hiệu Hệ số tải
nhân tố Tôi chi tiêu cho hải sản rất nhiều trong
chuyến du lịch lần này MCT1
0.784
Mức độ chi tiêu cho hải sản của tôi chiếm tỷ
lệ khá lớn trong chi phí du lịch lần này MCT4
0.768
So với các chi tiêu khác trong chuyến du lịch
này, chi tiêu cho hải sản của tôi là đáng kể MCT2
0.700 M Mứứccđđộộ c chhiittiiêêuu c chhoohhảảii s sảảnn
Chi tiêu cho hải sản chiếm tỷ lệ cao nhất trong chi tiêu ăn uống của tôi cho chuyến du lịch này
MCT3
0.670
Eigenvalues 2.143
Phương sai trích 53.568
(Nguồn: Kết quả xử lý trên phần mềm SPSS 22)
Như vậy, sau phần phân tích nhân tố này, chọn ra được 6 nhân tố ảnh hưởng đến mức độ chi tiêu cho hải sản trong chuyến du lịch của du khách tại thị xã Cửa Lò, đó là Sự thuận tiện và tính đa dạng, Khẩu vị, Chất lượng vệ sinh an toàn thực phẩm, Giá trị dinh dưỡng, Danh tiếng của sản phẩm hải sản địa phương và Giá cả để đưa vào phân tích hồi quy.
Kết quả các nhân tố mới này sẽ được đưa vào phép phân tích hồi quy ở giai đoạn tiếp theo nhằm xác định mức độ tác động của 6 nhân tố độc lập lên nhân tố phụ thuộc. Từ đó, sẽ khẳng định hoặc bác bỏ các giả thuyết thống kê dựa vào mức ý nghĩa của mối quan hệ tác động (sig<0.05).