CHƯƠNG 5: KẾT QUẢ
5.2.2Phân tích nhân tố
Sau khi được kiểm định về độ tin cậy, các yếu tố của bộ thang đo tiếp tục được đưa vào phân tích nhân tố để kiểm định độ giá trị bằng hệ số tải (Factor loading).
Phân tích nhân tố là phép rút gọn dữ liệu và biến bằng cách nhóm chúng lại với các nhân tố đại diện. Mục tiêu của luận văn khi sử dụng phân tích nhân tố là để nhận dạng số lượng các nhân tố (Factor) của mô hình cũng như số lượng biến (items) của mỗi nhân tố.
Dữ liệu được tiến hành phân tích bằng SPSS bằng lệnh: Analyze
Data reduction Factor...
Với các khai báo:
Descriptives: KMO and Bartlett’s Test.
Extraction: Method: Principal Component Analysis; Numbers of factor: 5. Rotation: Varimax.
Giải thích:
• Phép thử Kaiser-Meyer-Olkin measure of sampling adequacy tests được sử dụng khi tương quan riêng phần của các biến là nhỏ. Bartlett's test of sphericity tests được sử dụng khi ma trận tương quan có tính đồng nhất. Phép thử này cho phép chúng ta kiểm định xem việc sử dụng Factor Analysis có phù hợp không?
• Principal Components Analysis: là phép trích nhân tố được sử dụng để kết hợp các biến quan sát không có tương quan tuyến tính với nhau theo các nhân tố đại diện. Nhân tố đại diện đầu tiên sẽ có biến số lớn nhất, các nhân tố đại diện tiếp theo lần lượt có những các giá trị biến số nhỏ hơn và tất cả các nhân tố đại diện này là không có tương quan với nhau. Principal components analysis được dùng để phận tích nhân tố một cách sơ lược. Phép trích này còn được sử dụng khi ma trận tương quan là ít. Trong trường hợp của luận văn, do các yếu tố sự than phiền và lòng trung thành chỉ có một biến quan sát nên không được đưa vào phân tích nhân tố (hệ số tải của chúng là bằng 1,000). Do đó luận văn chỉ xem xét việc nhóm tất cả các biến còn lại theo 5 nhân tố.
• Varimax: là phép quay trực giao nhằm tối thiểu hóa lượng biến thiên có độ tải cao lên các Factor. Công cụ này làm đơn giản hóa sự hiện diện của các nhân tố. Sau khi xử lý bằng SPSS, kết quả thu được như sau:
Rotated Component Matrix(a)
Yếu tố Biến đo lường Component
1 2 3 4 5 Hình ảnh thương hiệu Mức độ danh tiếng ,850 Mức độ uy tín ,816 Mức độ tin tưởng ,677 Mức độ khác biệt (*) ,691 Mức độ ấn tượng chung ,673 ,440 Chất lượng mong đợi Phủ sóng mạnh ,486 ,575 Âm thanh tốt ,783
Nhân viên giỏi ,634 ,481
Đảm bảo bí mật ,607
Tính cước đúng ,821
Dễ đăng ký và sử dụng ,721
Tận tâm giúp đỡ ,742
Mong đợi tổng quan ,738
Chất lượng cảm nhận Phủ sóng mạnh (*) ,704 ,466 Âm thanh tốt (*) ,647
Nhân viên giỏi ,699
Đảm bảo bí mật ,825 Tính cước đúng ,694 Dễ đăng ký và sử dụng (*) ,558 ,459 Tận tâm giúp đỡ ,671 Cảm nhận tổng quan (*) ,461 ,605 ,470 Giá trị CN
Giá trị cảm nhận theo giá ,508
Giá trị cảm nhận theo CL (*) ,623 Mức độ hài lòng MĐ chưa được đáp ứng ,817 MĐ trong sự so sánh ,664
Khoảng cách với CL lý tưởng ,652 Hài lòng 1 cách tổng quan ,511 ,639 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 7 iterations.
Ghi chú: (*) là biến bị loại bỏ vì hệ số tải chính nhỏ hơn 0,5.
Kết quả phân tích cho thấy 27 biến của thang đo có thể nhóm lại thành 5 nhân tố phân biệt, điều này được thể hiện ở hệ số tải của các biến đối với mỗi nhân tố, cụ thể như sau:
• Nhân tố 1 đại diện cho yếu tố hình ảnh thương hiệu. Trong nhân tố này chỉ có các biến: Mức độ danh tiếng, mức độ uy tín, mức độ tin tưởng và mức độ ấn tượng chung đảm bảo hệ số tải cho nhân tố này là lớn hơn 0,5.
• Nhân tố 2 đại diện cho yếu tố chất lượng mong đợi. Trong nhân tố này tất cả các biến đều đảm bảo hệ số tải cho nhân tố này là lớn hơn 0,5.
• Nhân tố 3 đại diện cho yếu tố mức độ hài lòng. Trong nhân tố này tất cả các biến đều đảm bảo hệ số tải cho nhân tố này là lớn hơn 0,5.
• Nhân tố 4 đại diện cho yếu tố chất lượng cảm nhận. Trong nhân tố này chỉ có các biến: Nhân viên giỏi, Đảm bảo bí mật, tính cước đúng và tận tâm giúp đỡ đảm bảo hệ số tải cho nhân tố này là lớn hơn 0,5.
• Nhân tố 5 đại diện cho yếu tố giá trị cảm nhận. Trong nhân tố này chỉ có biến giá trị cảm nhận theo giá đảm bảo hệ số tải cho nhân tố này là lơn hơn 0,5.
Bản chất của mô hình VCSI là các yếu tố nguyên nhân không độc lập với nhau, nên sẽ có trường hợp một số biến có hệ số tải đáng kể lên các nhân tố khác nhau, việc xem xét có nên loại bỏ biến này ra khỏi mô hình nghiên cứu hay không sẽ căn cứ vào việc các biến này đảm được hệ số tải chính (hệ số tải của biến đối với nhân tố mà biến đó diễn giải) là lớn hơn 0,5 hay không? (Christina O’Loughlin và Germà Coenders, 2002).
Trường hợp các biến: Mức độ ấn tượng chung, Mong đợi phủ sóng mạnh, Mong đợi nhân viên giỏi, Hài lòng một cách tổng quan có nhiều hệ số tải nhưng đảm bảo được hệ số tải chính lớn hơn 0,5 nên được giữ lại trong mô hình nghiên cứu sau cùng.
Trường hợp các biến: Mức độ khác biệt, cảm nhận phủ sóng mạnh, cảm nhận âm thanh tốt, cảm nhận dễ đăng ký và sử dụng, cảm nhận tổng quan, Giá trị cảm nhận theo chất lượng có nhiều hệ số tải nhưng không đảm bảo hệ số tải chính lớn hơn 0,5 nên bị loại bỏ khỏi mô hình nghiên cứu sau cùng.
Các biến được giữ lại của các nhân tố này và hai nhân tố về sự phàn nàn và lòng trung thành sẽ được đưa vào mô hình sau cùng để tiến hành phân tích hồi quy.
Bảng 5.12: KMO and Bartlett’s Test. KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,811 Bartlett's Test of Sphericity Approx. Chi- Square 4609,71 5 df 351 Sig. ,000
Ngoài ra, kết quả phân tích KMO and Bartlett’s Test cho hệ số KMO của phân tích nhân tố là 0,811 >0,5 cũng như mức ý nghĩa Sig của Bartlett's Test of Sphericity bé hơn 0,05 (bảng) cho thấy việc sử dụng Factor Analysis là phù hợp với bài toán nghiên cứu.
Tóm lại, sau khi tiến hành kiểm định độ tin cậy và độ giá trị, có thể kết luận rằng, bộ thang đo dùng trong nghiên cứu này là phù hợp.