5. Cấu trúc đềtài
2.3.6. Phân tích nhân tốkhám phá EFA
Phân tích nhân tốkhám phá EFA (Exploratory Factor Analysis) là một phương pháp phân tích định lượng dùng đểrút gọn một tập gồm nhiều biến đo lường phụthuộc lẫn nhau thành một tập biến ít hơn (gọi là nhân tố) đểchúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. (Theo Hair et al, 2009).
Trong 24 biến khảo sát được đưa vào phân tích nhân tố(đã loại đi biến PV4ở bước phân tích độtin cậy Cronbach’s Alpha) thì trongđó có 21 biến quan sát thuộc thang đo các yếu tố ảnh hưởng đến nâng cao chất lượng dịch vụthẻATM và 3 biến quan sát thuộc thang đo sựhài lòng của khách hàng.
Trong nghiên cứu này tác giả đã sửdụng phép trích PCA (Principal Components Analysis) và phép quay Varimax với giá trịhệsốtải nhân tốFactor Loading > 0,5, hệsố KMO nằm trong khoảng 0,5≤ KMO ≤ 1, tổng phương sai trích > 50% để đảm bảo sựphù hợp khi phân tích.
2.3.6.1. Phân tích nhân tố khám phá EFA của biến độc lập
Trong phân tích thang đo các yếu tố ảnh hưởng đến việc nâng cao chất lượng dịch vụthẻATM bao gồm 5 yếu tốsau: mức độtin cậy, mức độ đápứng, phương tiện hữu hình, năng lực phục vụ, sự đồng cảm. Sau khi đã bỏ đi biến rác và làm sạch dữliệu thì tiến hành phân tích EFA đểkiểm định mô hình.
Bảng 2.19. Phân tích nhân tốkhám phá EFA của thang đo các yếu tốtảnh hưởng đến nâng cao chất lượng dịch vụthẻATM
Biến Hệs ố tải nhân
tố 1 2 3 4 5 TC5 0,860 TC4 0,828 TC1 0,781 TC3 0,779 TC2 0,765 HH5 0,865 HH3 0,817 HH4 0,814 HH2 0,806 HH1 0,746 DC4 0,832 DC3 0,815 DC2 0,797 DC1 0,761 DU3 0,824 DU1 0,816
DU2 0,814 DU4 0,800 PV1 0,944 PV3 0,934 PV2 0,924 KMO = 0,803 Tổng phương sai trích = 73,746 Sig = 0,000
(Nguồn: Xửlý sốliệu trên SPSS)
Phương pháp rút trích được chọn đểphân tích nhân tốlà Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tốcó eigenvalue lớn hơn 1. Kết quả kiểm định KMO và Barlett’s trong phân tích Factor cho thấy sig= 0,000 và
hệsốKMO = 0,803 > 0,5 nên phân tích EFA thích hợp sửdụng trong nghiên cứu này. Tổng phương sai trích = 73,746% >50% thểhiện rằng 5 nhân tốnày giải thích được 73,746% sựbiến thiên của dữliệu. Hệsốtải nhân tốFactor Loading > 0,5 cho thấy các biến quan sát đều thể hiện sự ảnh hưởng mà các biến này biểu diễn.
Kết quảphân tích nhân tố được rút ra như sau:
Nhân tốthứnhất gồm 5 biến quan sát: Bao gồm các biến liên quan đến sựtin cậy của khách hàngđối với Ngân hàng. Nhân tốnày được đặt tên là Sựtin cậy và ký hiệu là TC.
Nhân tốthứhai gồm 5 biến quan sát: Bao gồm các biến có liên quan đến phương tiện hữu hình của Ngân hàng. Nhân tốnày được đặt tên là Phương tiện hữu hình, ký hiệu là HH
Nhân tốthứba bao gồm 4 biến quan sát: Bao gồm các biến có liên quanđến sự đồng cảm của Ngân đối với khách hàng. Nhân tốnày được đặt tên là Sự đồng cảm, ký hiệu DC
Nhân tốthứtư bao gồm 4 biến quan sát: Bao gồm các biến có liên quan đến mức độ đápứng của Ngân hàng cho khách hàng. Nhân tốnày được đặt tên là Mức độ đápứng, ký hiệu là DU
Nhân tốthứnăm bao gồm 3 biến quan sát: Gồm các biến có liên quan đến mức độ phục vụcủa Ngân hàng. Nhân tốnày được đặt tên là Mức độphục vụ, ký hiệu là PV
2.3.6.2. Phân tích nhân tốEF A cho thang đo sự hài lòng
Bảng 2.20. Kết quảphân tích EFA của thang đo sựhài lòng khách hàng khi sử dụng dịch vụthẻATM DongA Bank
Biến quan sát Hệ sốtải Kiểm định Giá trị
HL1 0,928 KMO 0,740
HL2 0,902 Sig 0,000
HL3 0,897 Tổng phương sai trích 82,624
Eigenvalues 2,479
(Nguồn: Xửlý sốliệu trên SPSS)
Kết quảphân tích cho thấy:
HệsốKMO = 0,740 thỏa mãnđiều kiện 0,5≤ KMO ≤ 1 nên phân tích nhân tốlà phù hợp. Kiểm định Barlett có giá trịsig=0,000 < 0,05 là các biến có tương quan với nhau trong mỗi nhóm nhân tố. Tổng phương sai trích là 82,624% > 50% đápứng yêu cầu. Cho biết nhân tốnày giải thích được 82,624% biến thiên của dữliệu. Hệsốtải nhân tố đều lớn hơn 0,5 và không có biến quan sát nào bịloại.