6. Kết cấu của luận văn
3.4.3.1 Phân tích nhân tố khám phá EFA cho các biến độc lập
- Kiểm định tính thích hợp của EFA (Kiểm định KMO)
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser – Meyer – Olkin) là chỉ số dùng để xem xét tính thích hợp của các nhân tố và so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan từng phần (Norusis, 1994 trích theo Nguyễn Đình Thọ, 2013, trang 414). Nếu các biến quan sát của nhân tố mức độ tin cậy, mức độ đáp ứng, Năng lực phục vụ, mức độ cảm thông, Phương tiện hữu hình trong mô hình nghiên cứu các nhân tố tác động đến sự hài lòng của khách hàng đối với chất lượng dịch vụ thẻ có trị số KMO có giá trị trong khoảng [0,5 - 1,0] thì nhân tố này thích hợp với dữ liệu thực tế và đạt tiêu chuẩn để thực hiện các bước nghiên cứu tiếp theo.
- Kiểm định mối tương quan giữa các biến quan sát
Đại lượng Barlett là đại lượng thống kê dùng để xem xét mối tương quan tổng thể giữa các biến quan sát với nhau. Nếu kiểm định của các biến quan sát có giá trị Sig. ≤ 0,05 thì chứng tỏ các biến quan sát có tương quan trong mỗi nhân tố, tuy nhiên điều này cũng chứng minh rằng các thang đo hình thành độc lập với nhau.
- Kiểm định phương sai trích
Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi các biến quan sát (thành phần của nhân tố), do vậy Eigenvalue được sử dụng để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue > 1 và phương sai trích > 50% thì mới được giữ lại trong mô hình các nhân tố tác động đến sự hài lòng của khách hàng đối với chất lượng thẻ của ngân hàng Vietinbank Chi nhánh Bắc Sài Gòn. Phương sai trích thể hiện phần trăm (%) thay đổi của các nhân tố được giải thích bởi các biến quan sát (thành phần của nhân tố) (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Các trọng số nhân tố (Factor loading) phải lớn hơn 0.55 trong EFA để đảm bảo giá trị hội tụ giữa các biến.
Trang 57
- Đặt tên lại cho các biến
Trong quá trình thực hiện phương pháp phân tích nhân tố khám phá EFA, sẽ xuất hiện rất nhiều tình trạng các biến quan sát thuộc các nhân tố như tố mức độ tin cậy, mức độ đáp ứng, Năng lực phục vụ, mức độ cảm thông, Phương tiện hữu hình sẽ hội tụ về chung một nhóm riêng biệt, khác với các biến quan sát còn lại. Do đó, trong trường hợp này, chúng ta phải đặt tên lại cho nhân tố để đảm bảo với yêu cầu phân tích dữ liệu. Đây chính là điểm đặc trưng của phương pháp phân tích nhân tố khám phá EFA.