7. Tổng quan tài liệu
3.2.2. Phân tích nhân tố khám phá
a. Phân tích nhân tố (EFA) và những điều kiện để phân tích nhân tố
Phân tích nhân tố (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 (Theo Hair & ctg (1998,111). Trong phân tích nhân tố, Hệ số KMO (Kaiser-Meyer –Olkin (KMO) phải có giá trị lớn (0,5<KMO<1) thể hiện phân tích nhân tố là thích hợp, còn nếu hệ số KMO <0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu ( Theo
Hoàng Trọng – Chu Nguyễn Mộng Ngọc ,2005). Thêm vào đó, hệ số tải nhân tố của từng biến quan sát phải có giá trị lớn hơn 0.5, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố) lớn hơn 1 (mặc định của chƣơng trình SPSS), và tổng phƣơng sai dùng để giải thích bởi từng nhân tố lớn hơn 50% mới thỏa yêu cầu của phân tích nhân tố (Theo Gerbing & Anderson ,1988), Khi tiến hành phân tích nhân tố, đề tài đã sử dụng phƣơng pháp trích (Extraction method) là Principal components với phép xoay Varimax. Phƣơng pháp tính nhân tố là phƣơng pháp Regression.
b. Kết quả phân tích nhân tố khám phá EFA
Bảng 3.9. Kết quá phân tích nhân tố khám phá EFA của các biến độc lập Yếu tố cần đánh giá Giá trị chạy bảng So sánh
Hệ số KMO 0.773 0.773 > 0.5
Giá trị sig trong Kiểm định Bartlett
0.000 0.000 < 0.05
Phƣơng sai trích 59.584% 59.584% > 50%
Giá trị Eigenvalue 1.434 1.434 > 1
Kết quả phân tích nhân tố khám phá EFA của các biến độc lập cụ thể nhƣ sau: chỉ số KMO khá cao = 0. 773> 0.5 với mức ý nghĩa sig = 0.000 < 0.05 cho thấy dữ liệu thích hợp để phân tích nhân tố thích hợp. Quá trình kiểm định cũng chỉ ra, có 4 nhân tố đƣợc trích tại Eigenvalue = 1.434 > 1, phƣơng pháp trích Principal componeAWA và phép quay Varimax, có 4 nhân tố đƣợc trích từ 19 biến quan sát, hệ số tải nhân tố của các biến đều lớn hơn 0.5, tổng phƣơng sai trích đạt 59.584% cho biết rằng 4 nhân tố rút trích giải thích đƣợc 59.584% sự biến thiên của dữ liệu (Phụ lục 11). Do vậy, các biến quan sát trong thang đo giá trị thƣơng hiệu đều quan trọng và thang đo này có ý nghĩa thiết thực
Bảng 3.10. Kết quá phân tích nhân tố khám phá EFA của biến phụ thuộc Yếu tố cần đánh giá Giá trị chạy bảng So sánh
Hệ số KMO 0.718 0.718 > 0.5
Giá trị sig trong Kiểm
định Bartlett 0.000 0.000 < 0.05
Phƣơng sai trích 76.427% 76.427% > 50%
Giá trị Eigenvalue 2.293 2.293 > 1
Kết quả phân tích nhân tố khám phá EFA của các biến phụ thuộc cụ thể nhƣ sau: chỉ số KMO khá cao = 0.718 > 0.5 với mức ý nghĩa sig = 0.000 < 0.05 cho thấy dữ liệu thích hợp để phân tích nhân tố thích hợp. Quá trình kiểm định cũng chỉ ra, có 1 nhân tố đƣợc trích tại Eigenvalue = 2.293 > 1, phƣơng pháp trích Principal components và phép quay Varimax, có 1 nhân tố đƣợc trích từ 3 biến quan sát, hệ số tải nhân tố của các biến đều lớn hơn 0.5, tổng phƣơng sai trích đạt 76.427% cho biết rằng 4 nhân tố rút trích giải thích đƣợc 76.427% sự biến thiên của dữ liệu (Phụ lục 11). Do vậy, các biến quan sát trong thang đo ý định mua đều quan trọng và thang đo này có ý nghĩa thiết thực.
Nhƣ vậy, sau khi đánh giá thang đo giá trị thƣơng hiệu bằng hệ số tin cậy Cronbach alpha và phân tích nhân tố khám phá EFA thì ta đƣợc kết quả nhƣ sau thang đo giá trị thƣơng hiệu bao gồm 4 nhân tố và 19 biến quan sát. Nhân tố nhận biết thƣơng hiệu đƣợc đo lƣờng bằng 5 biến quan sát, nhân tố chất lƣợng cảm nhận đƣợc đo lƣờng bằng 7 biến quan sát, nhân tố liên tƣởng thƣơng hiệu đƣợc đo lƣờng bằng 4 biến quan sát và nhân lòng trung thành thƣơng hiệu đƣợc đo lƣờng bằng 3 biến quan sát. Thang đo ý định mua có 3 biến quan sát