(TN)
Bảng 4.6: Cronbach’s Alpha của thang đo nhân tố tín nhiệm của khách hàng Biến quan sát Trung bình Phƣơng sai Hệ số tƣơng Cronbach’s
thang đo nếu thang đo nếu quan biến- Alpha nếu
loại biến loại biến tổng loại biến
TN1 7.41 1.892 .688 .525
TN2 7.51 1.881 .555 .685
TN3 7.02 2.240 .485 .754
Cronbach’s Alpha = 0.745
(Nguồn: Phân tích dữ liệu từ điều tra của tác giả)
Bảng 4.6 cho thấy, thang đo nhân tố sự tín nhiệm có 3 biến quan sát. Kết quả
phân tích hệ số tin cậy của thang đo Cronbach’s Alpha của thang đo này là 0.745> 0.7. Đồng thời cả 3 biến đều có hệ số tƣơng quan biến- tổng > 0.3. Nhƣ vậy thang đo tín nhiệm đáp ứng độ tin cậy.
Kết luận chung: Sau khi đo lƣờng độ tin cậy của các nhân tố thông qua hệ
số Cronbach’s Alpha, kết quả đánh giá thang đo của 5 nhân tố độc lập và một nhân tố phụ thuộc đƣợc tổng hợp nhƣ sau.
Bảng 4.7: Kết quả Cronbach’s Alpha đánh giá thang đo năm nhân tố độc lập và một nhân tố phụ thuộc
STT Tên nhân tố Số lƣợng biến Biến quan sát quan sát 1 Tin cậy 3 TC1,TC2,TC3 2 Phản hổi 3 PH1,PH2,PH3 3 Bảo đảm 3 BD1,BD2,BD3 4 Cảm thông 3 CT1,CT2,CT3 5 Hữu hình 3 HH1,HH2,HH3 6 Tín nhiệm 3 TN1,TN2,TN3
4.2 Phân tích nhân tố khám phá Exploratory Factor Analysis (EFA) tác động đến sự hài lòng của khách hàng đối với bộ phận buồng tại khách sạn Rex.
Phân tích nhân tố khám phá EFA(Exploratory Factor Analysis): là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau đƣợc xem xét dƣới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ đƣợc tính một tỷ số gọi là hệ số tải nhân tố (Factor loading). Hệ số này cho ngƣời nghiên cứu biết đƣợc mỗi biến đo lƣờng sẽ thuộc về những nhân tố nào, các nhân tố đƣợc rút gọn này sẽ chứa đựng hầu hết các thông tin của tập quan sát ban đầu.
Trong nghiên cứu này, phân tích nhân tố khám phá (EFA) đƣợc sử dụng để thu gọn, tóm tắt dữ liệu, đồng thời dựa vào mối tƣơng quan giữa các biến với nhau để rút gọn thành những nhân tố có nghĩa hơn.
Kết quả phân tích nhân tố cho thấy khi đƣa tất cả các biến thu thập đƣợc 15 biến vào phân tích, các biến có thể có liên hệ với nhau. Khi đó chúng sẽ đƣợc gom thành các nhóm biến có liên hệ để xem xét và trình bày dƣới dạng các nhân tố cơ bản tác động đến sự hài lòng của khách hàng đối dịch vụ.
Trong phân tích nhân tố , yêu cầu cần thiết là hệ số KMO (Kaiser – Meyer – Olkin) phải có giá trị lớn (0.5 ≤ KMO ≤ 1), điều này thể hiện phân tích nhân tố là phù hợp. Nếu hệ số KMO< 0.5 thì phân tích nhân tố có khả năng không ph hợp với các dữ liệu. Theo Kaiser (1974), KMO ≥ 0.9 là rất tốt; 0.9 > KMO ≥ 0.8 là tốt; 0.8 > KMO ≥ 0.7 là đƣợc; 0.7 > KMO ≥ 0.6 là tạm đƣợc; 0.6 > KMO ≥ 0.5 là xấu và KMO < 0.5 là không thể chấp nhận đƣợc (Hoàng Trọng và Mộng Ngọc, 2008).