D Cán b, công ch cộ ư 79 41,
a. Phân tích nhân tố đốivới nhóm biến độc lập
Sau khi phân tích Cronbach’s Alpha thì kết quả thang đo trong nghiên cứu chính thức gồm 28 biến quan sát (các biến độc lập), sau khi kiểm tra mức độ tin cậy bằng hệ số Cronbach’s Alpha thì các hệ số tương quan biến tổng của các biến đều đạt tiêu chuẩn cho phép, để khẳng định mức độ phù hợp của thang đo với 28 biến quan sát còn lại nghiên cứu sẽ sử dụng phương pháp phân tích nhân tố khám phá EFA.
Để phân tích sự thích hợp của các nhân tố nghiên cứu sử dụng chỉ số KMO (Kaiser – Meyer – Plkin Measure of Simping Adequacy). Nếu hệ số KMO nằm trong khoản từ 0,5 đến 1 thì phân tích nhân tố là thích hợp. Kiểm định Barlett xem xét giả thuyết H0: độ tương quan giữa các biến trong quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig<0,05 thì các biến quan sát có tương quan với nhau trong tổng thể.
Phân tích nhân tố khám phá EFA lần 1 (Phụ lục 03): Kết quả thể hiện trong cho thấy việc phân tích nhân tố là thích hợp với dữ liệu hệ số (KMO = 0,759) và các biến quan sát là tương quan với nhau trong tổng thể (Sig = 0.000<0.05). Tuy nhiên dựa vào bảng ma trận tổng hợp phương sai trích (Total variance Explained), chỉ có nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích. Nhưng kết quả cho thấy Eigenvalue>1 thì có đến 6 nhân tố được rút ra và biến TC4 có hệ số Factor loading =0,278 (660-385) bị tách riêng thành một thành phần, nên biến TC4 không thể giải thích cho một thành phần, như vậy phải loại bỏ biến TC4 và tiếp tục chạy EFA lần 2.
Phân tích nhân tố khám phá EFA lần thứ 2 (Phụ lục 03): có hệ số KMO = 0.744 và các biến quan sát là tương quan với nhau trong tổng thể (Sig = 0.000<0.05). Tuy nhiên trong bảng ma trận tổng hợp phương sai trích (Total variance Explained), chỉ có nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích. Nhưng kết quả lại cho thấy Eigenvalue>1 thì có đến 6 nhân tố được rút ra và ta có biến TC6 có hệ số Factor loading =0.706 bị tách riêng thành một thành phần, như vậy phải loại bỏ biến TC6 và tiếp tục chạy EFA lần 3
Phân tích nhân tố khám phá EFA lần thứ 3 (Phụ lục 03): có hệ số KMO = 0,741 và các biến quan sát là tương quan với nhau trong tổng thể (Sig = 0.000<0.05). Tuy nhiên dựa vào bảng ma trận tổng hợp phương sai trích (Total variance Explained), chỉ có nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích. Nhưng kết quả lại cho thấy Eigenvalue>1 thì có đến 6 nhân tố được rút ra và ta có biến VC2 có hệ số Factor loading =-0,117 (0.535-0.652) bị tách riêng thành một thành phần, như vậy phải loại bỏ biến VC2 và tiếp tục chạy EFA lần 4.
Sau khi tiến hành phân tích lại nhân tố khám phá EFA lần thứ tư ta có kết quả như sau.
Bảng 3.10. Hệ số KMO and Bartlett’s Test – Phân tích nhân tố (nhóm biến độc lập)
`Kaiser – Meyer-Olkin Measure of Sampling Adequacy. 0,730 Bartlett’t Test of Sphericity Approx. Chi-Square 1221,192
Df 210
sig 0,000
Nguồn: kết quả phân tích SPSS
Kết quả thể hiện trong Phân tích nhân tố nhóm biến độc lậpcho thấy việc phân tích nhân tố là thích hợp với dữ liệu hệ số (KMO = 0,730) và các biến quan sát là tương quan với nhau trong tổng thể (Sig = 0.000<0.05)
Dựa vào bảng ma trận tổng hợp phương sai trích (Total variance Explained), chỉ có nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích. Kết quả (bảng 3.11) cho thấy Eigenvalue>1 thì có 5 nhân tố được rút ra, hàng Cumulative cho biết 5 nhân tố này sẽ giải thích được 59,144% biến thiên của dữ liệu.
Bảng 3.11. Total Variance Exphained -Bảng ma trận tổng hợp phương sai trích (nhóm biến độc lập)
Comp
onent Initial Eigenvalues Extraction Sums of
Squared Loadings Squared LoadingsRotation Sums of
Total Variance% of Cumulative% Total Variance% of Cumulative % Total Variance% of Cumulative %
1 3,685 17,546 17,546 3,685 17,546 17,546 2,871 13,673 13,6732 2,583 12,300 29,847 2,583 12,300 29,847 2,464 11,735 25,408 2 2,583 12,300 29,847 2,583 12,300 29,847 2,464 11,735 25,408 3 2,525 12,023 41,870 2,525 12,023 41,870 2,456 11,694 37,102 4 2,075 9,882 51,752 2,075 9,882 51,752 2,418 11,513 48,616 5 1,552 7,392 59,144 1,552 7,392 59,144 2,211 10,528 59,144 6 ,937 4,464 63,608 7 ,830 3,951 67,559 8 ,789 3,759 71,318 9 ,728 3,468 74,785 10 ,642 3,059 77,844 11 ,593 2,822 80,666 12 ,559 2,660 83,326 13 ,535 2,549 85,875 14 ,475 2,261 88,136 15 ,464 2,208 90,344 16 ,438 2,087 92,431 17 ,379 1,807 94,238 18 ,333 1,584 95,822 19 ,320 1,524 97,346 20 ,305 1,452 98,798 21 ,252 1,202 100,000
Nguồn: kết quả phân tích SPSS
Sử dụng phép quay Varimax Procedure để xoay nhân tố: Xoay nguyên góc các nhân tố để tối đa hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giả thích các nhân tố. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
Bảng 3.12. Rotated Component Matrixa – Phân tích nhân tố Component 1 2 3 4 5 NV2 ,810 NV3 ,769 NV4 ,754 NV5 ,751 NV1 ,626 TC2 ,806 TC1 ,738 TC3 ,737 TC5 ,724 DU4 ,814 DU3 ,813 DU2 ,773 DU5 ,695 VC3 ,875 VC6 ,742 VC4 ,687 VC1 ,621 GC1 ,766 GC3 ,728 GC2 ,718 GC4 ,689
Nguồn: kết quả phân tích SPSS
Kết quả phân tích nhân tố cho thấy sau khi đã loại bỏ các biến TC4, TC6, VC2 ta thấy tất cả các biến đều có hệ số Factor loading >0.5 và các biến quan sát đều gom lại đúng với các nhân tố. Như vậy mô hình nghiên cứu chính thức qua kết quả phân tích hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA lần thứ tư, 05 thành phần đề xuất ban đầu đã đạt yêu cầu gồm: (1) Sự đáp ứng, (2) Sự tin cậy, (3) Giá cả dịch vụ, (4) Năng lực nhân viên, (5) Cơ sở vật chất. Các thành phần trên sẽ được sử dụng trong phân tích kiểm định tiếp theo, như vậy mô hình đề xuất của nghiên cứu sẽ không thay đổi so với dự kiến ban đầu.