Phân tích nhân tố thường được dùng trong quá trình xây dựng thang đo đo lường các khía cạnh khác nhau của khái niệm nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Như vậy, phân tích nhân tố vừa giúp ta rút gọn tập hợp nhiều biến thành một số biến tương đối ít đồng thời kiểm tra độ kết dính hay độ tin cậy của các biến trong cùng một thang đo.
Sau khi kiểm định độ tin cậy của các thang đo, phân tích nhân tố được tiến hành. Với số biến quan sát ban đầu là 25 biến của 6 nhân tố độc lập. Mong đợi của chúng ta trước khi tiến hành phân tích nhân tố này là 25 biến này sẽ hình thành 6 nhân tố là: Cơ sở vật chất, Sự tin cậy, Năng lực nhân viên, Thái độ phục vụ, Sự đồng cảm, Quy trình thủ tục.
Cũng như các phương pháp phân tích thống kê khác, trước khi tiến hành phân tích nhân tố, ta cũng cần kiểm tra xem việc dùng phương pháp này có phù hợp hay không.
Việc kiểm tra này được thực hiện bởi việc tính hệ số KMO and Bartlett’s Test. Trị số của KMO trong trường hợp này khá lớn đạt 0,830 và Sig của Bartlett’s
Test nhỏ hơn 1/1000 (xem bảng 4.12, chi tiết xem phụ lục 5) cho thấy 25 biến này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố.
Phương pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal component analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Bảng kết quả phân tích nhân tích cho thấy có tất cả 6 thành phần có Eigenevalue lớn hơn 1. Sáu thành phần này sẽ được giữ lại tiếp tục phân tích. Ta cũng thấy được với sáu nhân tố này sẽ giải thích được 73,47% biến thiên của dữ liệu (phần trăm của phương sai).
Nhìn vào hệ số tải nhân tố ở ma trận nhân tố (component matrix) ta khó có thể thấy được những biến nào giải thích nhân tố nào, do vậy ta cần phải xoay các nhân tố. Phương pháp xoay được chọn ở đây là Varimax procedure, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0,5. Chỉ những biến có hệ số tải lớn hơn 0,5 mới được sử dụng để giải thích một nhân tố nào đó.
Kết quả phân tích EFA cho thấy có 06 yếu tố được trích tại eigenvalue là 1,276 và chỉ số KMO là 0,830 và Sig = 0,000 < 0,05. Vì thế, việc phân tích nhân tố là phù hợp và phương sai trích đạt yêu cầu 73,479 > 50%. (xem bảng 4.12, chi tiết xem phụ lục 5).
Bảng 4.13: Kết quả kiểm định KMO các nhân tố độc lập
Kiểm định Kaiser-Meyer-Olkin về sự thích hợp của mẫu ,830
Bartlett's về cấu hình của mẫu
Approx. Chi-Square 4056,903
df 300
Sig. ,000
Bảng 4.14 Ma trận nhân tố đã xoay Rotated Component Matrixa
Component 1 2 3 4 5 6 PV5 ,878 PV6 ,868 PV2 ,854 PV3 ,757 PV4 ,756 PV1 ,700 TC5 ,829 TC4 ,808 TC3 ,789 TC1 ,764 TC2 ,751 QT4 ,867 QT2 ,859 QT3 ,827 QT1 ,793 NL4 ,852 NL2 ,847 NL1 ,831 NL3 ,768 DC3 ,864 DC1 ,834 DC2 ,815 VC2 ,847 VC3 ,817 VC1 ,738
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
Nguồn: Từ kết quả xử lý trên SPSS 22.0
Như vậy, kết quả phân tích nhân tố độc lập hoàn toàn phù hợp với lý thuyết ban đầu về các nhân tố tác động đến sự hài lòng của khách hàng đối với chất lượng dịch vụ hành chính công tại UBND TP Tân An tỉnh Long An. Các nhân tố đó là Cơ sở vật chất, Sự tin cậy, Năng lực nhân viên, Thái độ phục vụ, Sự đồng cảm, Quy trình thủ tục.