Phân tích nhân tố thường được dùng trong quá trình xây dựng thang đo đo lường các khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra tính đơn hướng của thang đo lường (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Như vậy, phân tích nhân tố vừa giúp ta rút gọn tập hợp nhiều biến thành một số biến tương đối ít đồng thời kiểm tra độ kết dính hay độ tin cậy của các biến trong cùng một thang đo.
Trong đề tài nghiên cứu này, phân tích nhân tố sẽ giúp ta xem xét khả năng rút gọn số lượng 25 biến quan sát xuống còn một số ít các nhân tố (biến) dùng để đo lường chất lượng dịch vụ bảo lãnh. Nó cũng giúp ta kiểm định lại lần nữa các chỉ số đánh giá (biến) trong từng nhân tố có thực sự đáng tin cậy và có độ kết dính như chúng đã thể hiện ở phần xác định hệ số Cronbach’s alpha không. Tương tự nó cũng giúp ta kiểm tra xem sáu nhân tố mà chúng ta đã xây dựng ban đầu có thực sự đo lường cùng khái niệm ‘sự hài lòng khách hàng” và có độ kết dính cao không.
Các khía cạnh của nhân tố ảnh hưởng đến sự hài lòng khách hàng
Cũng như các phương pháp phân tích thống kê khác, trước khi tiến hành phân tích nhân tố, ta cũng cần kiểm tra xem việc dùng phương pháp này có phù hợp hay không. Việc kiểm tra này sẽ được thực hiện bởi việc tính hệ số KMO and Bartlett’s Test. Trị số của KMO trong trường hợp này đạt 0,862 và Sig. của Bartlett’s Test nhỏ hơn 1/1000 cho thấy 25 biến này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố - (Phụ lục A.3, Bảng A-31, A-32). Bartlett’s Test dùng để kiểm định giả thuyết Ho là
các biến không có tương quan với nhau trong tổng thể, còn KMO dùng để kiểm tra xem với kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay không. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005), giá trị KMO nằm giữa 0,5 đến 1 có nghĩa là phân tích nhân tố là thích hợp.
Phương pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal component analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Bảng kết quả phân tích nhân tố cho thấy có tất cả 25 nhân tố nhưng chỉ có 5 nhân tố có Eigenevalue lớn hơn 1. 5 nhân tố này sẽ được giữ lại tiếp tục phân tích. Ta cũng thấy được với 5 nhân tố này sẽ giải thích được 81,48% biến thiên của dữ liệu (phần trăm của phương sai) và là khá cao trong phân tích nhân tố. (Bảng A-33)
Nhìn vào hệ số tải nhân tố ở ma trận nhân tố (Component matrix) ta khó có thể thấy được những biến nào giải thích nhân tố nào, do vậy ta cần phải xoay các nhân tố. Phương pháp xoay được chọn ở đây là Varimax procedure, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0,5. Chỉ những biến có hệ số tải lớn hơn 0,5 mới được sử dụng để giải thích một nhân tố nào đó.
Sau khi xoay các nhân tố sự tập trung của các biến theo từng nhân tố đã thể hiện rõ ràng. Hệ số tải nhân tố thấp nhất là 0,536 nên đáp ứng điều kiện hội tụ, do đó các biến được giữ lại. Tuy nhiên, tồn tại sự khác biệt giữa các hệ số tải nhân tố của các nhân tố trong cùng một biến quan sát của một số biến < 0,3 (không đảm bảo giá trị phân biệt) nên bị loại. Cụ thể là các biến: KQ3, KQ7, H_T3, QL5, QL4, NL4, QT1, QL6 (Bảng A-35).
Sau khi loại bỏ đi 8 biến trên ra khỏi phân tích nhân tố, ta còn lại 17 biến trong thang đo và được chia làm 4 nhân tố với phương sai trích là 80,703% tại mức Eigenvalues 1.181, ta được kết quả như sau (Bảng A-42):
- Nhân tố thứ nhất (F1) bao gồm 06 biến quan sát: NL3, NL5, KQ1, KQ2, KQ4, QT3. Nhân tố này được đặt tên là Nguồn lực và Kết quả
- Nhân tố thứ hai (F2) bao gồm 04 biến quan sát: NL1, NL2, QT2, QT4. Nhân tố này được đặt tên là Năng lực phục vụ
- Nhân tố thứ ba (F3) bao gồm 4 biến quan sát: H_T1, H_T2, KQ5, KQ6. Nhân tố này được đặt tên là Uy tín và Giá cả.
- Nhân tố thứ tư (F4) bao gồm 3 biến quan sát: QL1, QL2, QL3. Nhân tố này được đặt tên là Quản lý
Kết quả cho thấy có một số thay đổi về thành phần so với mô hình gốc :
- Thành phần Nguồn lực bị tách làm hai thành phần được đặt tên là Nguồn lực (bao gồm các biến NL3, NL5) và Năng lực phục vụ (bao gồm các biến NL1, NL2 và kết hợp với các biến QT2, QT4).
- Thành phần Kết quả cũng bị tách làm 2 thanh phần được đặt tên là Kết quả (bao gồm các biến KQ1, KQ2, KQ4) và Giá cả (bao gồm KQ5, KQ6).
- Ngoài ra, cũng có một số thay đổi nhỏ trong danh mục các biến của các thành phần. Tuy nhiên, những sự thay đổi này không phủ định mô hình gốc vì về cơ bản các biến theo thành phần đặc trưng cũ vẫn hiện diện trong các thành phần nhân tố mới.
Phân tích nhân tố cũng giúp ta xác định được hệ số nhân của các biến đối với từng nhân tố như sau:
Fi = Wi1 X1 + Wi2 X2 + Wi3 X3 + ……. + Wi17 X17 Trong đó:
Wik: nhân số của biến thứ k khi giải thích nhân tố thứ i. Xk: biến thứ k.
Các nhân tố ảnh hưởng đến sự hài lòng của khách hàng
Để đảm bảo độ tin cậy và độ kết dính của các nhân tố của sự hài lòng của khách hàng đã đưa ra ở phần cơ sở lý thuyết, ta sẽ phải tiến hành phân tích nhân tố đối với các nhân tố của sự hài lòng của khách hàng. Mong đợi của ta là các nhân tố này sẽ cùng nhau tạo thành một nhân tố (phạm trù) có Eigenevalue lớn hơn 1; đó là sự hài lòng của khách hàng nói chung được tổng hợp từ các nhân tố trên. Điều đó có nghĩa là năm nhân tố của sự hài lòng của khách hàng có độ kết dính cao và cùng thể hiện 1 phạm trù sự hài lòng của khách hàng. (Bảng A-44, Bảng A-46)
Kết quả phân tích nhân tố đối với các nhân tố này cho thấy các nhân tố này cùng phản ánh một phạm trù, và dựa vào cơ sở lý thuyết, ta có thể khẳng định phạm trù đó là sự hài lòng của khách hàng.
Như vậy, sau phần phân tích nhân tố, ta đã chọn ra được 4 nhân tố ảnh hưởng đến sự hài lòng của khách hàng tại VCB Nam Sài Gòn; đó là Nguồn lực và Kết quả, Năng lực phục vụ, Uy tín và Giá cả; Quản lý.