Như đã trình bày tại chương 3 phân tích khám phá nhân tố là phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát có mối tương quan với nhau thành một tập biến (các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các nội dung thông tin của tập biến ban đầu (Hair et al, 2006). Kỹ thuật phân tích khám phá nhân tố không xem xét sự khác nhau giữa biến độc lập và biến phụ thuộc mà chỉ đánh giá mối quan hệ tương quan giữa các biến với nhau. Vì vậy ta sẽ tiến hành phân tích các biến quan sát của các biến độc lập cùng một lượt để tìm hiểu các biến nguyên nhân tiềm ẩn từ các biến quan sát. Các biến quan sát của biến phụ thuộc được phân tích riêng.
Tiêu chuẩn đánh giá phân tích khám phá nhân tố phù hợp là hệ số KMO lớn (giữa 0,5 và 1), kiểm định Barlett có p-value nhỏ hơn 0,05; phương sai trích tối thiểu 50%, hệ số factor loading lớn hơn hoặc bằng 0,5. Phương pháp phân tích sử dụng phương pháp Principal component với phép xoay varimax để thu được số lượng nhân tố là bé nhất. Kết quả phân tích từ dữ liệu nghiên cứu thu thập được như sau:
4.2.2.1. Phân tích nhân tố khám phá đối với biến độc lập
Dựa trên kết quả kiểm định Cronbach’s Alpha, toàn bộ các biến quan sát hợp lệ được đưa vào phân tích nhân tố khám phá (EFA), để giảm bớt hay tóm tắt dữ liệu và tính độ tin cậy (Sig) của các biến quan sát có quan hệ chặt chẽ với nhau hay không.
Đặt giả thiết H0: “Các biến không tương quan trong tổng thể”
Sau 2 lần phân tích nhân tố khám phá (EFA), kết quả phân tích lần cuối cho thấy:
Bảng 4.2. KMO and Bartlett's Test các biến độc lập
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,880
Bartlett's Test of Sphericity
Approx. Chi-Square 1.846,455
Df 190
Sig. 0,000
Từ số liệu Bảng 4.2 cho thấy:
- Hệ số KMO=0,880 thỏa điều kiện 0,5 ≤ KMO ≤ 1, - Kiểm định Bartlett có Sig = 0,000<0,05
Bảng 4.3. Kết quả phân tích nhân tố khám phá (EFA) các biến độc lập
Rotated Component Matrixa Component 1 2 3 4 5 TC1 0,782 TC4 0,774 TC2 0,751 TC5 0,678 TC3 0,659 NL2 0,786 NL1 0,749 NL4 0,743 NL3 0,742 DC1 0,766 DC4 0,746 DC2 0,743 DC3 0,729 PT1 0,797 PT2 0,764 PT4 0,728 PT3 0,716 DU1 0,786 DU2 0,779 DU3 0,694 Eigenvalues 6,300 1,886 1,870 1,422 1,203 Phương sai trích % 31,501 40,930 50,281 57,390 63,404
(Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả)
Bác bỏ H0, vậy các biến có tương quan trong tổng thể, 5 nhân tố có Eigenvalues = 1,203> 1, phương sai trích là 63,404% >50% biến thiên của dữ liệu được giải thích bởi 5 nhân tố này.
Dựa vào kết quả xoay trong bảng 4.3, nhận thấy các biến quan sát đều có hệ số tải nhân tố (factor loading) lớn hơn 0,5. Như vậy, kết quả thu được đều thỏa mãn các điều kiện về thống kê, cho thấy giá trị thu được là phù hợp và có ý nghĩa thống
kê và đủ điều kiện để ta hồi quy. Sau khi phân tích sơ bộ ta thu được 6 nhóm nhân tố với các biến quan sát thành phần như trên bảng 4.3 và 5 nhóm nhân tố lần lượt là:
Nhân tố Sự tin cậy: Gồm 5 biến quan sát bao gồm: TC1, TC2, TC3, TC4, TC5. Nhân tố Khả năng đáp ứng: Gồm 03 biến quan sát bao gồm: DU1, DU2, DU3. Nhân tố Năng lực phục vụ: Gồm 04 biến quan sát bao gồm: NL1, NL2, NL3, NL4.
Nhân tố Sự đồng cảm: Gồm 04 biến quan sát bao gồm: DC1, DC2, DC3, DC4. Nhân tố Phương tiện hữu hình: Gồm 04 biến quan sát bao gồm: PT1, PT2, PT3, PT4.
4.2.2.2. Phân tích nhân tố khám phá đối với biến phụ thuộc
Tương tự như các biến độc lập, đối với biến phụ thuộc Sự hài lòng của khách
hàng, tác giả cũng dựa trên kết quả kiểm định Cronbach’s Alpha, toàn bộ 3 biến quan
sát hợp lệ: HL1, HL2, HL3 được đưa vào phân tích nhân tố khám phá (EFA), để giảm bớt hay tóm tắt dữ liệu và tính độ tin cậy (Sig) của các biến quan sát có quan hệ chặt chẽ với nhau hay không.
Đặt giả thiết H0: “Các biến không tương quan trong tổng thể”
Kết quả phân tích nhân tố khám phá (EFA) ngay từ lần đầu tiên cho thấy:
Bảng 4.4. KMO and Bartlett’s Test biến phụ thuộc
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,713
Bartlett’s Test of Sphericity
Approx. Chi-Square 318,065
Df 3
Sig. 0,000
(Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả)
Từ số liệu Bảng 4.4 cho thấy:
- Hệ số KMO = 0,713 thỏa điều kiện 0,5 ≤ KMO ≤ 1, - Kiểm định Bartlett có Sig = 0,000<0,05
Bảng 4.5. Kết quả phân tích nhân tố khám phá (EFA) biến phụ thuộc
Rotated Component Matrixa
Component 1
HL1 0,894
HL2 0,890
HL3 0,834
Eigenvalues 2,287
Phương sai trích % 76,222
(Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả)
Bác bỏ H0, vậy các biến có tương quan trong tổng thể, nhân tố có Eigenvalues = 2,287> 1, phương sai trích là 76,222% >50% biến thiên của dữ liệu được giải thích bởi nhân tố này. Dựa vào kết quả xoay trong bảng 4.5, nhận thấy các biến quan sát đều có hệ số tải nhân tố (factor loading) lớn hơn 0,5. Như vậy, kết quả thu được đều thỏa mãn các điều kiện về thống kê, cho thấy giá trị thu được là phù hợp và có ý nghĩa thống kê và đủ điều kiện để tiến hành hồi quy.