6. Kết cấu luận văn
3.3. Kiểm định mô hình nghiên cứu và các giả thuyết
3.3.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố EFA sẽ giúp khám phá các cấu trúc khái niệm nghiên cứu, loại bỏ các biến đo lường không đạt yêu cầu và đảm bảo cho thang đo có tính đồng nhất. Mục đích của việc phân tích nhân tố EFA là xem xét mối quan hệ giữa các biến quan sát và gộp chúng vào các nhóm biến giải thích cho các nhân tố.
Phân tích nhân tố EFA cho biến độc lập:
Từ kết quả phân tích độ tin cậy của thang đo ở trên, việc phân tích nhân tố ở bước này được tiến hành dựa trên 21 biến quan sát (sau khi đã loại 2 biến quan sát ĐC2 và HH4) của các biến độc lập ảnh hưởng đến biến phụ thuộc “Chất lượng dịch vụ vận chuyển hành khách đường hàng không qua cảm nhận, nhận thức của khách hàng” (theo mô hình đề xuất ban đầu).
Kết quả phân tích nhân tố có hệ số KMO = 0,785 > 0,5 và kiểm định Barlett’s có giá trị 2114,180 với mức ý nghĩa Sig = 0,000 < 0,05, cho thấy các biến quan sát thuộc cùng một nhân tố có tương quan chặt chẽ với nhau. (Chi tiết tại Phụ lục 5).
Bảng 3. 3. Hệ số KMO và kiểm định Barlett’s nhóm biến độc lập
Chỉ số KMO 0,785
Kiểm định Barlett’s 2114,180
Df 210
Sig. 0,000
(Nguồn: Phân tích dữ liệu bằng phần mềm SPSS)
Đồng thời kết quả tại Bảng 3.7. cho thấy tổng phương sai trích là 55,333 % > 50% cho thấy 5 nhân tố được rút trích giải thích 55,333 % sự biến thiên
của tập dữ liệu và giá trị Eigenvalue = 1,448 >1 đủ tiêu chuẩn phân tích nhân tố.
Bảng 3. 4. Tổng phương sai trích nhóm biến độc lập
Com pone nt
Initial Eigenvalues Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Varianc e Cumulative % Total % of Variance Cumulative % 1 4,653 22,155 22,155 4,653 22,155 22,155 2,879 13,709 13,709 2 2,117 10,081 32,236 2,117 10,081 32,236 2,545 12,120 25,829 3 1,715 8,165 40,401 1,715 8,165 40,401 2,260 10,760 36,589 4 1,688 8,036 48,437 1,688 8,036 48,437 2,060 9,812 46,400 5 1,448 6,896 55,333 1,448 6,896 55,333 1,876 8,933 55,333 6 0,980 4,666 59,999
(Nguồn: Phân tích dữ liệu bằng phần mềm SPSS)
Bảng 3. 5. Ma trận nhân tố xoay nhóm biến độc lập
Component 1 2 3 4 5 PV5 0,800 PV2 0,735 PV3 0,706 PV4 0,690 PV1 0,656 TC4 0,732 TC3 0,731 TC1 0,653 TC2 0,630 TC5 0,602 ĐC4 0,786 ĐC1 0,693 ĐC5 0,683 ĐC3 0,676 ĐU4 0,690 ĐU3 0,661 ĐU1 0,655
Component 1 2 3 4 5 ĐU2 0,630 HH1 0,819 HH2 0,782 HH3 0,681
(Nguồn: Phân tích dữ liệu bằng phần mềm SPSS)
Dựa vào bảng 3.8. ta thấy các biến quan sát đạt các điều kiệu sau:
- Giá trị hội tụ: Các biến quan sát xếp thành nhóm với nhau với các hệ số tải nhân tố nằm cùng một cột trong cùng một thang đo như thang đo đã đề xuất ban đầu.
- Giá trị phân biệt: Không có biến quan sát nào xuất hiện thêm hệ số tải nhân tố lớn hơn 0,5 hai cột khác nhau nên các biến quan sát đạt giá trị phân biệt.
- Ngoài ra các biến quan sát khác đều chỉ xuất hiện một hệ số tải nhân tố và đều lớn hơn 0.5 chứng tỏ các biến quan sát có ý nghĩa thực tiễn và có thể dùng để đưa vào xây dựng mô hình hồ quy nhằm kiểm định giả thuyết đặt ra ban đầu.
Phân tích nhân tố cho biến phụ thuộc:
Hệ số KMO = 0,500 có thể chấp nhận được vì thang đo này chỉ có 2 biến quan sát là CN1 và CN2 và kiểm định Barlett’s có giá trị 152,788 với mức ý nghĩa Sig = 0,000 < 0,05; qua đó kết quả chỉ ra rằng các biến quan sát trong tổng thể có mối tương quan với nhau và phân tích nhân tố khám phá (EFA) thích hợp sử dụng trong nghiên cứu này.
Bảng 3. 6. Hệ số KMO và kiểm định Barlett’s cho biến phụ thuộc
Chỉ số KMO 0,500
Kiểm định Barlett’s 152,788
df 1
Sig. 0,000
Kết quả phân tích nhân tố EFA của thang đo chất lượng dịch vụ với giá trị Eigenvalue là 1,578 > 1 và tổng phương sai trích là 78,909% > 50% cho thấy nhân tố này giải thích 78,909% sự biến thiên của tập dữ liệu. Do đó các thang đo rút ra được chấp nhận (Chi tiết tại Phụ lục 5).
Bảng 3. 7. Tổng phương sai trích biến phụ thuộc
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative %
1 1,578 78,909 78,909 1,578 78,909 78,909
2 0,422 21,091 100,000
(Nguồn: Phân tích dữ liệu bằng phần mềm SPSS)
Dựa vào Bảng 3.11. ta thấy các biến quan sát đạt hai điều kiệu sau:
- Giá trị hội tụ: Các biến quan sát xếp thành nhóm với nhau với các hệ số tải nhân tố nằm cùng một cột trong cùng một thang đo “chất lượng” như thang đo đã đề xuất ban đầu.
- Giá trị phân biệt: Các biến quan sát đều chỉ xuất hiện một hệ số tải nhân tố nên đạt giá trị phân biệt.
- Ngoài ra các hệ số tải nhân tố đều lớn hơn 0,5 chứng tỏ các biến quan sát có ý nghĩa thực tiễn và có thể dùng để đưa vào xây dựng mô hình hồi quy nhằm kiểm định giả thuyết đặt ra ban đầu.
Bảng 3. 8. Ma trận nhân tố của biến phụ thuộc
Component 1
CN2 0,888
CN1 0,888
(Nguồn: Phân tích dữ liệu bằng phần mềm SPSS)
Như vậy sau hai bước đánh giá thang đo bằng hệ số Cronbach Alpha và phân tích nhân tố khám phá EFA thì 5 biến (nhân tố) tác động đến “Cảm nhận của khách hàng về chất lượng dịch vụ vận chuyển hành khách đường hàng không” vẫn giữ nguyên như mô hình đề xuất ban đầu, chỉ có biến quan sát
ĐC2 thuộc nhân tố “Sự đồng cảm” và HH4 thuộc nhân tố “Phương tiện hữu hình” bị loại bỏ.