Một số tiêu chuẩn mà các nhà nghiên cứu cần quan tâm khi tiến hành phân tích nhân tố:
Kiểm định giả thuyết các biến quan sát có tương quan với nhau trong tổng thể dựa vào hệ số KMO (Kaiser- Meyer- Olkin) và kiểm định Barlett. Phân tích nhân tố là thích hợp khi hệ số KMO ≥ 0.5 và mức ý nghĩa Barlett ≤ 0.05 (Hair và cộng sự, 2006).
Hệ số tải nhân tố (Factor loading) ≥ 0.5 , tiến hành loại các biến quan sát có hệ số tải nhân tố ≤ 0.5 (Hair và cộng sự, 2006).
Chọn các nhân tố có giá trị EigenValue ≥ 1 và phương sai trích được ≥ 50% (Anderson và Gerbing, 1988).
Khác biệt về hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.
Phân tích nhân tố khám phá (EFA) cho 8 biến độc lập:
Mô hình sau khi đánh giá độ tin cậy bao gồm 8 biến độc lập là: Uy tín, Lợi ích, Sự thuận tiện, Chất lượng dịch vụ, Phong cách phục vụ của nhân viên, Cơ sở vật chất, Hình thức chiêu thị, Ảnh hưởng của bạn bè, người thân với 31 biến quan sát có ý nghĩa về mặt thống kê. Các biến độc lập này sẽ tiếp tục được đưa vào kiểm định thang đo thông qua phân tích nhân tố khám phá EFA.
Phân tích EFA cho 8 biến độc lập được thực hiện với giả thuyết H0: Các biến quan sát không có sự tương quan nhau trong tổng thể. Kết quả phân tích thu được tóm tắt như sau:
Kiểm định Barlett: Sig = 0.000 < 5%: Bác bỏ giả thuyết H0, các biến quan sát trong phân tích EFA có tương quan với nhau trong tổng thể.
Hệ số KMO = 0.721 > 0.5: phân tích nhân tố là cần thiết cho dữ liệu.
Có 8 nhân tố được rút trích từ phân tích EFA với:
Giá trị EigenValues của các nhân tố đều > 1: đạt yêu cầu.
Giá trị tổng phương sai trích = 64.849% (> 50%): phân tích nhân tố khám phá đạt yêu cầu. Như vậy, 8 nhân tố được rút trích này giải thích cho 64.849% biến thiên của dữ liệu.
Khác biệt về hệ số tải nhân tố của các biến quan sát giữa các nhân tố đều > 0.3 cho thấy các nhân tố có giá trị phân biệt cao.
Bảng 4.8 Bảng kết quả phân tích EFA các biến độc lập Rotated Component Matrixa
Component
UT1 .852 UT2 .799 UT3 .871 LI1 .846 LI2 .824 LI3 .826 STT1 .834 STT2 .819 STT3 .795 STT4 .830 STT5 .837 CLDV1 .787 CLDV2 .761 CLDV3 .798 CLDV4 .553 CLDV5 .685 PCPV1 .796 PCPV2 .729 PCPV3 .790 CSVC1 .849 CSVC2 .815 CSVC3 .796
CSVC4 .822 HTCT1 .678 HTCT2 .644 HTCT3 .615 HTCT4 .697 HTCT5 .781 AHBBNT 1 .855 AHBBNT 2 .904 AHBBNT 3 .687
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a a. Rotation converged in 6 iterations.
(Nguồn: theo kết quả xử lý dữ liệu bởi tác giả, 2020)
Phân tích nhân tố khám phá (EFA) cho biến phụ thuộc Quyết định lựa chọn ngân hàng cung cấp dịch vụ ngân hàng điện tử:
Thang đo về Quyết định lựa chọn ngân hàng cung cấp dịch vụ ngân hàng điện tử bao gồm 4 biến quan sát. Kết quả phân tích EFA cho thấy:
4 biến quan sát được nhóm thành 1 nhân tố. Hệ số tải nhân tố (Factor loading) đều > 0.5 nên chúng có ý nghĩa thiết thực.
Mỗi biến quan sát có sai biệt về hệ số tải nhân tố đều ≥ 0.3 nên đảm bảo sự phân biệt giữa các nhân tố.
Thống kê Chi-square của Kiểm định Bartlett đạt giá trị mức ý nghĩa là 0.000. Do vậy, các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể. Phương sai trích đạt 69.465% thể hiện rằng 1 nhân tố rút ra giải thích được 69.465% biến thiên của dữ liệu nên thang đo rút ra được chấp nhận. Rút trích nhân tố với Eigenvalue = 2.779 đạt yêu cầu.
Bảng 4.9 Bảng kết quả phân tích EFA biến phụ thuộc Component Matrixa Component 1 QĐLCNH1 .830 QĐLCNH2 .830 QĐLCNH3 .826 QĐLCNH4 .848
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
(Nguồn: theo kết quả xử lý dữ liệu bởi tác giả, 2020)
Kết quả phân tích các nhân tố khám phá (EFA) mô hình lý thuyết:
Dựa vào kết quả phân tích EFA, các nhân tố rút trích ra của các giả thuyết nghiên cứu chính đều đạt yêu cầu. Do đó, mô hình nghiên cứu gồm 8 biến thành phần Uy tín, Lợi ích, Sự thuận tiện, Chất lượng dịch vụ, Phong cách phục vụ của nhân viên, Cơ sở vật chất, Hình thức chiêu thị, Ảnh hưởng của bạn bè, người thân34 dùng để đo lường cho biến Quyết định lựa chọn ngân hàng cung cấp dịch vụ ngân hàng điện tử được chấp nhận.
4.4 Kiểm định mô hình nghiên cứu và các giả thuyết 4.4.1 Phân tích tương quan