- Các đặc trưng của dịch vụ:
3.5.2. Phân tích nhân tố khám phá (Exploratory Factor Analysis)
Phân tích nhân tố khám phá (phân tích nhân tố) là một kỹ thuật phân tích nhằm thu nhỏ, rút gọn các dữ liệu, 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 được xem xét dưới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷ số gọi là Hệ số tải nhân tố (factor loading). Hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ "thuộc về" những nhân tố nào.
Hai giá trị quan trọng được xem xét trong phân tích nhân tố là giá trị hội tụ và giá trị phân biệt. Cụ thể:
(1) Thỏa mãn “Giá trị hội tụ”: Các biến quan sát hội tụ về cùng một nhân tố. (2) Đảm bảo “Giá trị phân biệt”: Các biến quan sát thuộc về nhân tố này và phải phân biệt với nhân tố khác
quan hệ giữa các biến ở tất cả các nhân tố khác nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố ngay từ đầu
Theo Nguyễn Đình Thọ (2013), các tiêu chí trong phân tích nhân tố gồm: - Trong phân tích nhân tố, yêu cầu cần thiết là giá trị hệ số KMO (Kaiser-Meyer- Olkin (KMO) đây là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố; hệ số KMO phải có giá trị từ lớn hơn 0,5 đến nhỏ hơn 1 (0,5<KMO<1) là điều kiện đủ để phân tích nhân tố là phù hợp, nếu hệ số KMO<0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu nghiên cứu.
- Đồng thời, hệ số tải nhân tố (Factor Loading) của từng biến quan sát phải có giá trị > 0,45; Hệ số tải nhân tố hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại.
- Trị số (đại diện cho phần Eigenvalue biến thiên được giải thích bởi mỗi nhân tố) ≥ 1. Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích.
- Tổng phương sai dùng để giải thích bởi từng nhân tố > 50% mới thỏa yêu cầu của phân tích nhân tố. Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp. Xem biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát. Phân tích nhân tố khám phá dùng để kiểm định giá trị khái niệm của thang đo: Sử dụng phương pháp trích yếu tố Principal Components. Thang đo chấp nhận được khi tổng phương sai trích được > 50%.
- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.