CHƢƠNG 3 KẾT QUẢ NGHIÊN CỨU
3.2. ĐÁNH GIÁ VÀ KIỂM ĐỊNH THANG ĐO
3.2.2. Kiểm định thang đo bằng phân tắch nhân tố khám phá EFA
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số CronbachỖs Alpha và loại đi các biến không đảm bảo độ tin cậy, các biến còn lại đƣợc tiếp tục đƣa vào để phân tắch nhân tố khám phá. Phân tắch nhân tố khám phá là kỹ thuật đƣợc sử dụng để thu nhỏ và tóm tắt các dữ liệu. Giá trị KMO (Kaiser- Meyer Ờ Olkin) phải có giá trị từ 0.5 đến 1 thì phân tắch nhân tố mới thắch hợp. Nếu trị số này nhỏ hơn 0.5 thì phân tắch nhân tố có khả năng không thắch hợp với các dữ liệu.
Ngoài ra phân tắch nhân tố cần dựa vào Eigenvalue để xác định số lƣợng nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới đƣợc giữ lại
trong mô hình. Một phần quan trọng trong bảng phân tắch nhân tố là ma trận nhân tố (Component matrix). Nghiên cứu sử dụng phƣơng pháp trắch nhân tố principal Component nên các hệ số tải nhân phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
Với 6 nhân tố đề xuất và 29 biến quan sát đo lƣờng sau khi phân tắch EFA ta có kết quả nhƣ sau:
Bảng 3.11. Hệ số KMO and Bartlett's Test
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .751 Bartlett's Test of
Sphericity
Approx. Chi-Square 5241.380
Df 378
Sig. .000
Hệ số KMO and Bartlett's Test = 0.751 > 0.5 phân tắch EFA có ý nghĩa. Phƣơng sai trắch 67.8% > 50% trị số Eigenvalue =1.636 > 1.
Bảng 3.12. Hệ số tải nhân tố của thang đo ảnh hưởng đến quyết định lựa chọn siêu thị Co.opmart của người dân thành phố Tuy Hòa, Phú Yên
Rotated Component Matrixa Biến quan sát Nhân tố
1 2 3 4 5 6 HH1 .689 HH2 .810 HH3 .732 HH4 .847 HH5 .759 GC1 .768 GC2 .761 GC3 .733
Rotated Component Matrixa Biến quan sát Nhân tố
1 2 3 4 5 6 GC4 .833 BT1 .837 BT2 .762 BT3 .734 BT4 .844 BT5 .738 DV2 .759 DV3 .828 DV4 .721 DV5 .864 DV6 .857 TT1 .659 TT2 .805 TT4 .633 TT5 .708 KM1 .870 KM2 .774 KM3 .781 KM4 .823 KM5 .831
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
sát đều có hệ số tải nhân tố lớn hơn 0.5 nên không có biến quan sát nào bị loại ra khỏi mô hình.
Tuy nhiên, biến DV4 đƣợc chuyển sang nhóm Khuyến mãi Ờ chiết khấu bởi vì dịch vụ tƣ vấn hỗ trợ giúp đỡ khách hàng tại siêu thị Co.opmart hiện nay chủ yếu là tƣ vấn giới thiệu cho khách hàng về các chƣơng trình khuyến mãi và các chƣơng trình chăm sóc khách hàng khác. Do đo tần suất tƣ vấn thƣờng gắn liền với các chƣơng trình khuyến mãi Ờ chiết khấu tại siêu thị nên khảo sát dữ liệu đánh giá của khách hàng về dịch vụ này khá tƣơng đồng về mức đánh giá của các chắnh sách khuyến mãi Ờ chiết khấu. Thực tế là khi tác giả phân tắch dữ liệu biến quan sát này đƣợc gộp chung vào các nhóm nhân tố này.
Do đó từ 29 biến quan sát trắch đƣợc 6 nhóm nhân tố nhƣ sau:
Nhóm 1: Gồm 5 biến quan sát HH1, HH2, HH3, HH4, HH5 giữ nguyên tên là hàng hóa.
Nhóm 2: Gồm 4 biến quan sát GC1, GC2, GC3, GC4 giữ nguyên tên là thang đo giá cả.
Nhóm 3: Gồm 5 biến quan sát BT1, BT2, BT3, BT4, BT5 giữ nguyên tên là bài trắ hàng hóa.
Nhóm 4: Gồm 4 biến quan sát DV2 DV3 DV5 DV6 đặt tên là dịch vụ khách hàng
Nhóm 5: Gồm 4 biến quan sát TT1, TT2, TT4, TT5 giữ nguyên tên là thanh toán nhanh.
Nhóm 6: Gồm 6 biến quan sát KM1, KM2, KM3, KM4, KM5 và DV4 đặt tên là khuyến mãi Ờ chiến khấu.
Từ các giá trị KMO phƣơng sai trắch hệ số tải nhân tố, Eigenvalue cho thấy phân tắch các EFA có ý nghĩa các thang trắch ra từ phân tắch EFA đảm bảo độ tin cậy cho phân tắch tiếp theo.