7. Ket cấu của khóa luận
2.4.4. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá (EFA) được sử dụng để thu nhỏ và tóm tắt các dữ liệu. (Chu Nguyễn Mộng Ngọc, 2008). Tác giả phân tích nhân tố khám phá để loại bỏ các biến không bộc lộ rõ ràng với nhân tố và chuẩn hóa mô hình nhân tố. Khảo sát có cỡ mẫu là 218 phiếu hợp lệ nên tác giả chọn hệ số tải tiêu chuẩn là 0,5 để có ý nghĩa với thực tế. Phân tích nhân tố khám phá các thành phần thang đo tác động đến chất lượng dịch vụ NHĐT
Sau khi phân tích nhân tố khám phá lần 1, có chỉ số KMO của thang đo có giá trị lớn 0.784 (ở giữa 0.5 và 1) nên thỏa mãn điều kiện đủ để phân tích nhân tố là thích hợp với dữ liệu. Giá trị Sig.=0.000 < 0.05 nên bác bỏ giả thuyết biến không có tương quan tổng thể. Thỏa mãn điều kiện cần để phân tích nhân tố. Vậy phân tích nhân tố là phương pháp phù hợp để phân tích ma trận tương quan. Xét hệ số tải nhân tố (Factor loadings), có biến TT1 nhỏ hơn 0.5, không đạt yêu cầu phần biệt nên loại biến TT1 khỏi thang đo. (chi tiết ở phụ lục). Tiến hành phân tích nhân tố khám phá lần 2, được kết quả như sau:
Kiêm định KMO và Bartlett
Bảng 2.4.5 Kiểm định KMO và Bartlett thang đo các nhân tố tác động chất lượng dịch vụ NHĐT
Biến quan sát Ma trận xoay nhân tố 1 CLDV1 0.880 CLDV2 0.866 CLDV3 0.852 CLDV4 0.824 - Tổng phương sai rút trích = 73.258%
- Giá trị kiểm định KMO and Bartlett’s = 0.829 - Sig = 0.000
- Aprox. Chi-Square trong Bartlett’s Test of Sphericity = 442.945 - Eigenvalues cho ra năm giá trị = 2.930
Nguồn: Kết quả xử lý số liệu bằng SPSS
Từ bảng 2.4.5, có chỉ số KMO của thang đo có giá trị lớn 0.774 (ở giữa 0.5 và 1) nên thỏa mãn điều kiện đủ để phân tích nhân tố là thích hợp với dữ liệu. Giá trị Sig.=0.000 < 0.05 nên bác bỏ giả thuyết biến không có tương quan tổng thể. Thỏa mãn điều kiện cần để phân tích nhân tố. Vậy phân tích nhân tố là phương pháp phù hợp để phân tích ma trận tương quan.
1
• Phương pháp ma trận xoay các nhân tố Varimax produce
Sau khi lọc nhân tố bằng Eigenvalue lần 2 thì vẫn còn lại 5 nhân tố và 21 biến quan sát thích hợp được rút ra. Tổng phương sai trích bằng 70.015% > 50% nên thang đo đạt tiêu chẩn và cho biết 5 nhân tố giải thích được 70.015% sự thay đổi của biến phụ thuộc trong tổng thể. Khi phân tích nhân tố khám phá EFA thang đo chất lượng dịch vụ NHĐT đc tác động bởi 5 thành phần được giữ nguyên với 21 quan sát. (chi tiết trong phụ lục).
Tác giả tiến hành kiểm định lại Cronbach’s Alpha với nhân tố “Khả năng đáp ứng” sau khi bị loại đi 1 biến quan sát là DU1. Được kết quả hệ số Cronbach’s Alpha là 0.788 và các biến quan sát cũng đạt yêu cầu về độ tin cậy (chi tiết ở phụ lục). Như vậy, các thang đo đều phù hợp với mô hình. Phân tích nhân tố khám phá với thang đo đánh giá chất lượng dịch vụ NHĐT tổng thể.
CLD V TC NV DU CN TT CLD V PearsonCorrelatio n 1 0.554 ** 0.646 ** 0.679 ** 0.581 ** 0.682 Sig. (2- tailed) 0.000 0.000 0.000 0.000 0.000 N 218 218 218 218 218 218 TC Pearson Correlatio n 0.554 ** 1 0.535 ** 0.375 ** 0.308 ** 0.415 Sig. (2- tailed) 0.000 0.000 0.000 0.000 0.000 N 218 218 218 218 218 218
Nguồn: Kết quả xử lý số liệu bằng SPSS
Hệ số KMO = 0.829 > 0,5 và mức độ ý nghĩa Sig.=0.000 tức là giữa các biến trong tổng thể có mối quan hệ với nhau. Giá trị Eigenvalues = 2.930 >1 nên rút trích được duy nhất một nhân tố với ba quan sát với tổng phương sai rút trích = 73.258% > 50% là phù hợp. Ngoài các biến quan sát lựa chọn hệ số tải nhân tố đều cao > 0.8, đạt yêu cầu. Thang đo “Chất lượng dịch vụ NHĐT” đạt giá trị hội tụ.
Các kết quả phân tích nhân tố khám phá EFA thấy rằng phân tích là thích hợp với dữ liệu nghiên cứu. Mô hình giữa nguyên 5 chỉ tiêu và giảm từ 26 biến xuống còn 25 biến quan sát. Các biến quan sát độc lập và biến quan sát phụ thuộc đều đạt yêu cầu.