Tác giả tiến hành kiểm tra độ tin cậy thang đo nhằm để đánh giá thang đo các khái niệm trong nghiên cứu, bao gồm: 1) Phương pháp kiểm định phân tích Cronbach’s Alpha, hệ số tương quan biến - tổng Item-to-total correlation) giúp loại ra những biến quan sát không có ý nghĩa đóng góp vào việc mô tả khái niệm cần đo, hệ số Cronbach’s alpha if Item Deleted để giúp đánh giá loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm cần đo; (2) Phương pháp phân tích nhân tố khám phá EFA) nhằm kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu. Các cách thức tiến hành cụ thể như sau:
Phân tích Cronbach’s Alpha: Một lưu ý quan trọng là công việc tiến hành
Cronbach alpha phải được thực hiện trước để loại bỏ các biến rác garbage items) trước khi thực hiện phân tích EFA, quá trình này giúp chúng ta tránh được các biến rác vì các biến rác này tạo nên các nhân tố giả artifical factors) khi phân tích EFA (Churchill, 1979). Kỹ thuật Cronbach alpha phát hiện loại bỏ một số biến đo lường với tương quan biến tổng Item-total correlation) thấp < 0,3), lựa chọn hệ số Cronbach alpha trong khoảng [0,8 và 1) là thang đo tốt, Cronbach alpha trong khoảng [0,7 và 0,8] sử dụng được và Cronbach alpha từ 0,6 trở lên sử dụng được cho khái niệm trong bối cảnh nghiên cứu mới Peterson, 1994).
Phân tích nhân tố khám phá (EFA): Sau khi Phân tích Cronbach’s Alpha
loại bỏ các biến không đảm bảo độ tin cậy, phương pháp phân tích nhân tố EFA được sử dụng để xác định độ giá trị hội tụ convergent validity), giá trị phân biệt (discriminant validity), đồng thời gom các tham số ước lượng theo từng nhóm biến các câu hỏi được sắp xếp phù hợp theo nhóm nhân tố). Một số tiêu chuẩn đo lường như sau: để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải đảm bảo lớn hơn ho c bằng 0,4; để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn ho c bằng 0,3; số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue - đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố - theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mô hình; tiêu chuẩn phương sai trích Variance explained criteria): Tổng phương sai trích phải lớn hơn 50%. Xem xét giá trị KMO: 0,5 < KMO < 1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu Gerbing & Anderson, 1988). Sử dụng phương pháp trích yếu tố Pricipal axis factoring với phép xoay Promax kappa = 4) và điểm dừng khi trích các yếu tố có Eigen values lớn hơn 1 đối với các biến quan sát đo lường 7 khái niệm thành phần tác động lên sự hài lòng của khách hàng sử dụng DVTĐG. Theo phương pháp này phát hiện ra các thứ nguyên thành phần) tiềm ẩn trong dữ liệu gốc phát hiện cấu trúc). Việc chọn phép xoay Promax sẽ phản ảnh chính xác cấu trúc dữ liệu tiềm ẩn hơn. Sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigen values lớn hơn 1 với các biến quan sát đo lường khái niệm sự hài lòng khách hàng.