Phương pháp phân tích nhân tố khám phá EFA được sử dụng để thu nhỏ và làm gọn dữ liệu. Phương pháp EFA dựa vào mối tương quan giữa các biến với nhau để rút gọn thành những nhân tố có ý nghĩa hơn. Trong nghiên cứu này, khi đưa tất cả 18 biến thu thập được vào phân tích, các biến có thể có liên hệ với nhau. Khi đó, chúng sẽ được gom thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng các nhân tố cơ bản ảnh hưởng đến nhu cầu du lịch của du khách tại Đà Nẵng.
Để thực hiện phân tích nhân tố khám phá EFA, cần tiến hành sử dụng phương pháp trích hệ số Principal component với phép quay Varimax tại điểm dừng khi trích các yếu tố có chỉ số Eigenvalue > 1.
Chỉ số KMO (Kaiser – Meyer - Olkin) phải lớn hơn 0,5 (0,5 ≤ KMO ≤ 1) thì phân tích nhân tố là thích hợp (Hair et al., 2006).
Kiểm định Bartlett: phân tích có ý nghĩa khi giá trị sig. < 0,05 (Hair et al., 2006).
Hệ số tải nhân tố (Factor Loading) ≥ 0,5 (Hair et al., 2006), nếu nhỏ hơn sẽ bị loại khỏi mô hình.
Sau khi kiểm tra hệ số tin cậy Cronbach’s Alpha, sẽ có 18 chỉ báo trong 5 nhóm sẽ được sử dụng để tiến hành phân tích nhân tố.
Phương pháp được chọn để phân tích nhân tố là phương pháp Principal components với việc khai báo số lượng các nhân tố là 5 để tiện cho việc nghiên cứu. Sau khi tiến hành các khai báo cần thiết và chạy phân tích nhân tố, có thể mô tả kết quả phân tích như sau:
37
Hệ số KMO bằng 0.791 (lớn hơn 0.5) và Sig < 0.05 nên có thể kết luận giữa các tiêu thức có mối quan hệ nhất định, tức là có tiêu thức chính (tiêu thức mẹ).
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity df
Sig.
Bảng 4.3 Hệ số KMO và kiểm định Bartlett (lần 1)
(Nguồn: Phân tích dữliệu)
BảngTotal Variance Explained (Bảng phương sai trích (lần 1)) cho biết, tổng phương sai trích 5 yếu tố giá trị này được trích rút trên một thang đo có phương sai giải thích đạt 69.946%.
Component Initial Eigenvalues
1 2 3 4 5 6 7 8 9 10 11 38 download by : skknchat@gmail.com
Extraction Method: Principal Component Analysis.
Bảng 4.4 Tổng phương sai giải thích của các nhân tố ảnh hưởng nhu cầu du lịch của du khách tại Đà Nẵng (lần 1)
(Nguồn: Phân tích dữliệu)
Bảng Rotated Componet Matrix tách bạch các nhóm tiêu thức khác nhau một cách rõ rệt, những tiêu thức giống nhau sẽ hội tụ về một nhóm. Trong bảng này, các tiêu thức có hệ số tải nhân tố lớn hơn hoặc bằng 0.5 sẽ được giữ lại, các tiêu thức có hệ số tải bé hơn 0.5 sẽ bị loại bỏ.
CN1 CN2 CN3 NN1 NN2 NN3 NN4 CP1 CP2 CP3 DL1 DL2 DL3 39 download by : skknchat@gmail.com
DL4 VX1 VX2 VX3 VX4
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 7 iterations.
Bảng 4.5 Ma trậ n xoay các nhân tố (lần 1)
(Nguồn: Phân tích dữliệu)
Như vậy, thang đo được chấp nhận và được phân thành 05 nhóm yếu tố. Biến
quan sát NN4 có trọng số < 0,5 nên sẽ bị loại ở lần phân tích thứ 2. Sau khi loại biến và phân tích, ta có kết quả thực hiện phân tích nhân tố khám phá EFA lần thứ
2 như sau:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of
df Sphericity
Sig.
Bảng 4.6 Hệ số KMO và kiểm định Bartlett (lần 2)
(Nguồn: Phân tích dữliệu)
Hệ số KMO = 0,791 > 0,5 chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp, và dữ liệu phù hợp cho phân tích nhân tố. Kết quả kiểm định Bartlett có giá trị Sig. = 0,000 < 0,05 nên giữa các biến trong tổng thể có mối tương quan với nhau.
40
Từ phương pháp rút trích hệ số Principal component với phép quay Varimax lần thứ 5 ta thấy:
- Tổng phương sai trích được là 72.553% ( > 50% )
Như vậy, 5 nhân tố rút trích ra có thể giải thích được 72.553% sự thay đổi của biến phụ thuộc trong tổng thể.
Component Initial Eigenvalues
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Extraction Method: Principal Component Analysis.
Bảng 4.7 Tổng phương sai giải thích của các nhân tố ảnh hưởng nhu cầu du lịch của du khách tại Đà Nẵng (lần 2)
(Nguồn: Phân tích dữliệu)
41
CN1 CN2 CN3 NN1 NN2 NN3 CP1 CP2 CP3 DL1 DL2 DL3 DL4 VX1 VX2 VX3 VX4
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 10 iterations.
Bảng 4.8 Ma trận xoay các nhân tố (lần 2)
(Nguồn: Phân tích dữliệu)