7. Kết cấu của luận văn
2.4.1.6. Cronbach’s Alpha của thang đo nhân tố uy tín
Bảng 2.15: Cronbach’s Alpha của thang đo nhân tố uy tín Biến
quan sát
Trung bình thang đo nếu loại
biến
Phương sai thang
đo nếu loại biến Tương quan biến – tổng Cronbach’s Alpha nếu loại biến
UT1 12,8829 5,902 ,484 ,687 UT2 13,0067 5,651 ,447 ,704 UT3 13,3211 5,440 ,630 ,632 UT4 13,3043 5,917 ,474 ,691 UT5 13,1438 5,909 ,438 ,705 Cronbach’s Alpha = 0,731 Hệ số Cronbach’s Alpha .
Cronbach’s Alpha 0,731 (phụ lục 9 .
Cronbach’s Alpha của thang đo nhân tố hài lòng
Bảng 2.16: Cronbach’s Alpha của thang đo nhân tố hài lòng Biến
quan sát
Trung bình thang đo nếu loại
biến
Phương sai thang
đo nếu loại biến Tương quan biến - tổng Cronbach’s Alpha nếu loại biến
HLC1 6,3779 ,887 ,826 ,928 HLC2 6,3712 ,878 ,884 ,882 HLC3 6,3746 ,879 ,869 ,893 Cronbach's Alpha = 0,932 Hệ số Cronbach’s Alpha . có hệ số Cronbach’s Alpha 0,932 (phụ lục 9), các biến quan sát có hệ số tương quan biến tổng đều lớn hơn 0,3 (
.
2.4.2.
Phương pháp phân tích nhân tố khám phá (EFA) được sử dụng để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu này, phương pháp EFA dựa vào mối tương quan giữa các biến với nhau để rút gọn thành những nhân tố có nghĩa hơn. Cụ thể, khi đưa tất cả các biến thu thập được (30 biến) vào phân tích, các biến có thể có liên hệ với nhau. Khi đó, chúng sẽ được gom thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng các nhân tố cơ bản tác động đến sự hài lòng của CBHT đối với DVCTTHT cho CBHT tại BĐLA.
Nghiên cứu tiến hành sử dụng phương pháp trích hệ số Principal component với phép quay Varimax tại điểm dừng khi trích các nhân tố có Eigenvalue > 1. Thang đo nào có tổng phương sai trích từ 50% trở lên là được chấp nhận (Gerbing & Anderson, 1988). Các biến có trọng số (Factor loading)
nhỏ hơn 0,5 sẽ bị loại. Tại mỗi khái niệm có chênh lệch trọng số (Factor loading) lớn nhất và bất kỳ phải đạt ≥ 0,3 (Jabnoun & AL-Tamini, 2003). Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser – Meyer – Olkin) phải có giá trị lớn (0,5 ≤ KMO ≤ 1), điều này thể hiện phân tích nhân tố là thích hợp. Nếu hệ số KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Theo Kaiser (1974), KMO ≥ 0,9 là rất tốt; 0,9 > KMO ≥ 0,8 là tốt; 0,8 > KMO ≥ 0,7 là được; 0,7 > KMO ≥ 0,6 là tạm được, 0,6> KMO ≥ 0,5 là xấu và KMO < 0,5 là không thể chấp nhận được (Hoàng Trọng và Mộng Ngọc, 2008).
Nhóm nghiên cứu tiến hành phân tích nhân tố khám phá (EFA) theo từng bước. Lần đầu thực hiện EFA, 30 biến đã nhóm lại thành 6 nhân tố. Sau 2 lần thực hiện phép quay, có 6 nhóm chính thức được hình thành.