mua của người tiêu dùng đối với sản phẩm thuốc không kê đơn
Do trong quá trình phân tích nhân tố khám phá EFA, các biến quán sát nếu không thỏa điều kiện sẽ bị loại, nên việc phân tích EFA sẽ được tiến hành nhiều lần tương ứng với các bước loại biến có hệ số tải nhân tố <=0.5 kết hợp với việc xem xét sự khác biệt giữa các hệ số tải nhân tố và giá trị nội dung của biến đó.
Lần 1:
27 biến quan sát được đưa vào phân tích nhân tố khám phá EFA theo các tiêu chuẩn đã được đưa ra. Eigenvalue = 1.072 lớn hơn 1 có 9 nhân tố được tạo ra. Tổng phương sai trích 68.55%, hệ số KMO = 0.707 và sig. của kiểm định Barlett < 0.05. Do đó đã đạt yêu cầu. Tuy nhiên, có 6 biến quan sát có hệ số tải nhân tố nhỏ hơn 0.5 (Phụ lục 5) nên các biến này sẽ bị loại khỏi quá trình phân tích từng bước tương ứng sẽ loại các biến có hệ số thấp nhất trước và thực hiện song song với việc xem xét giá trị nội dung của biến quan sát đó.
Lần 2:
Sau khi loại biến V_19 và V_34, 25 biến còn lại được tiếp tục đưa vào phân tích nhân tố và xem xét vẫn theo tiêu chí như trên. Kết quả đạt yêu cầu với hệ số KMO = 0.703, sig < 0.05, tổng phương sai trích 71.77% và tại Eigenvalue = 1.064 có 9 nhân tố được trích. Tuy nhiên có 5 biến không đạt điều kiện của hệ số tải biến (Phụ lục 5), xem xét về mặt nội dung, tiến hành loại 2 biến V_13 và V_18 trước.
Lần 3:
Kết quả thu được 8 nhân tố tại Eigenvalue = 1.053 với tổng phương sai trích 70,21%. Hệ số KMO = 0.694 và sig. < 0.05, đạt yêu cầu (Phụ lục 5). Hệ số tải nhân tố của các biến đều đạt trên 0.5 ngoại trừ V_15, V_37, V_5 và V_10. Thực hiện loại 2 biến V_15 và V_37 do có hệ số truyền tải thấp nhất.
Lần 4:
Sau khi thực hiện loại 2 biến còn lại 21 biến với các hệ số tải nhân tố tương ứng hầu hết đều trên 0.5 ngoại trừ biến V_10 có hệ số tải nhân tố 0.483 và khác biệt hệ số tải bé nhất là 0.164 (Phụ lục 5). Tuy không đảm bảo về mặt thống kê nhưng xét về mặt nội dung vì V_10 là đại diện cho yếu tác động của bác sĩ đến quyết định mua của người tiêu dùng nên tác giả quyết định giữ lại.
Các điều kiện khác được thỏa mãn, KMO = 0.685 > 0.5, sig. < 0.05, tổng phương sai trích 72.08% và Eigenvalue = 1.026 > 1. Kết quả phân tích nhân tố khám phá được trình bày như sau:
Bảng 4.9: Kết phân tích EFA lần 4 của mô hình Pattern Matrixa Factor 1 2 3 4 5 6 7 8 V_29 .914 V_17 .897 V-31 .819 V_4 .642 V_1 .607 V_11 .758 V_25 .744 V_30 .651 V_9 .852 V_8 .694 V_5 .501 V_12 .860 V_26 .548 V_24 .676 V_10 .483 V_33 .918 V_32 .501 V_39 .825 V_40 .553 V_22 .669 V_23 .418
Extraction Method: Principal Axis Factoring. Rotation Method: Promax with Kaiser Normalization. a. Rotation converged in 8 iterations.
Nguồn: Bài nghiên cứu.