Sau khi kiểm định độ tin cậy Cronbach Alpha ta tiến hành phân tích nhân tố. Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát). Phương pháp EFA được sử dụng rộng rãi trong nghiên cứu để đánh giá sơ bộ các thang đo lường. Kết quả của phân tích nhân tố được sử dụng khi đạt được các tiêu chí sau:
- Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc thì hệ số KMO (Kaiser – Meyer – Olkin) là một chỉ sốdùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố - có khả năng không thích hợp với các dữ liệu.
- Kiểm định Bartlett để kiểm tra xem xét giả thuyết các biến không có tương quan trong tổng thể. Nói cách khác, ma trận tương quan tổng thể là một ma
54
trận đồng nhất, mỗi biến tương quan hoàn toàn với chính nó (r = 1) nhưng không có tương quan với những biến khác (r = 0). Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau (các biến đo lường phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). Kiểm định Bartlett dùng để kiểm định giả thuyết H0: Các biến không có tương quan với nhau trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê khi ta bác bỏ giả thuyết H0 (sig. ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể.
Trong nghiên cứu này sẽ dùng phương pháp trích nhân tố Principal Components Analysis với phép quay Promax, 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. Nhân tố nào được trích ra có giá trị điểm dừng Eigenvalues lớn hơn 1 mới được chấp nhận và tổng phương sai trích phải lớn hơn 50%.
- Theo Hair & ctg (1998) thì hệ số tải nhân tố Factor loading > 0,3 được xem là mức tối thiểu, Factor loading > 0,4 được xem là quan trọng, Factor loading > 0,5 được xem là có ý nghĩa thực tiễn. Đối với nghiên cứu này, những biến nào có hệ số tải nhân tố nhỏ hơn 0,5 sẽ bị loại để đảm bảo tính hoàn chỉnh của thang đo.
Xác định vấn đề: Sau khi loại 7 biến ra khỏi thang đo bằng phương pháp sử dụng hệ số tin cậy Cronbach’s Alpha thì các biến còn lại được đưa vào tiến hành phân tích nhân tố.
Kiểm định giả thuyết: Giả thuyết H0 cho rằng các biến không có tương quan với nhau trong tổng thể hay ma trận tương quan giữa các biến trong tổng thể là một ma trận đơn vị đã bị bác bỏ bởi kiểm định Bartlett. Kết quả cho thấy hệ số KMO đều đạt yêu cầu (0,5 < KMO < 1) và Sig của kiểm định Bartlett bằng 0,000 nhỏ hơn α = 0,05, chứng tỏ phân tích nhân tố cho việc nhóm các biến này lại với nhau là thích hợp. (Xin xem phụ lục 2)
55
Xác định số nhân tố:
Bảng 4.8 Phân tích nhân tố Marketing truyền miệng điện tử.
Nhân tố 1 2 3 Ý kiến 1 0,826 Ý kiến 4 0,792 Ý kiến 3 0,884 Quan hệ 1 0,692 Sinh động 2 0,725 Quan hệ 3 0,682 Sinh động 1 0,644 Quan hệ 5 0,726 Quan hệ 4 0,634 Hữu ích 2 0,774 Hữu ích 1 0,786 Gắn kết 4 0,619 Hữu ích 3 0,707
(Nguồn: Số liệu phân tích SPSS 15.0)
Tổng phương sai trích = 61,746 Hệ số KMO = 0,816
Với mức giá trị Eigenvalues (lượng biến thiên được giải thích bởi nhân tố) lớn hơn 1 được rút trích từ 13 yếu tố đưa vào mô hình và Eigenvalues cumulative % (phương sai trích) có giá trị bằng 61,746 cho ta biết khả năng sử dụng 3 nhân tố này để giải thích cho 3 biến.
Kết quả EFA cho ra đươc 3 nhóm nhân tố marketing truyền miệng điện tử: Nhân tố thứ 1 gồm 4 biến: ý kiến 1, ý kiến 4, ý kiến 3, quan hệ 1. Do đó tác giả đặt tên cho nhân tố này là “Ý kiến” .
Nhân tố thứ 2 gồm 5 biến: sinh động 1, sinh động 2, quan hệ 3, quan hệ 4, quan hệ 5. Do đó tác giả đặt tên cho nhân tố này là “Lan truyền”
Nhân tố thứ 3 gồm 4 biến: hữu ích 1, hữu ích 2, hữu ích 3, gắn kết 4. Do đó tác giả đặt tên cho nhân tố này là “Hữu ích”.
56
Đặt tên và mô tả nhân tố
Sau khi tiến hành phân tích nhân tố, 20 biến đưa vào mô hình được gom lại thành 3 nhân tố, cụ thể như sau:
Bảng 4.9 Các biến đƣợc đƣa vào mô hình.
MARKETING TRUYỀN MIỆNG ĐIỆN TỬ
Mô tả Biến
Nhóm nhân tố “Ý kiến”
Số lần bình luận trực tuyến ảnh hưởng đến việc đưa ra quyết định mua hàng của tôi Ý kiến 1 Khi mua trực tuyến các ý kiến đánh giá trực tuyến ảnh hưởng tích cực hơn đến
quyết định mua của tôi hơn giá cả Ý kiến 3
Nếu trang web đó không có bất kì bình luận nào sẽ khiến tôi lo lắng, e ngại Ý kiến 4 Tôi luôn cung cấp ý kiến của tôi về trang web cho người khác Quan hệ 1
Nhóm nhân tố “Lan truyền”
Tôi có rất nhiều điều để nói về trang web Sinh động1
Tôi thấy rất hào hứng khi nói về trang web Sinh động 2
Tôi sẽ kể cho tất cả mọi người về trang web Quan hệ 3
Tôi sẽ kể cho người khác nghe về trải nghiệm của mình Quan hệ 4 Tôi biết đến trang web thông qua bạn bè, người thân Quan hệ 5
Nhóm nhân tố “Hữu ích”
Tôi sẽ trình bày những lợi ích về giá Hữu ích 1
Tôi có thể tìm sản phẩm mình cần tại trang web cách dễ dàng Hữu ích 2 Tôi có thể tiết kiệm thời gian, chi phí khi mua hàng trực tuyến Hữu ích 3 Tôi luôn cập nhật những thông tin mới từ trang web Gắn kết 4
(Nguồn: Kết quả phân tích SPSS 15.0, 2014)