Thành phần Số biến quan sát Hệ số Cronbach’alpha Hệ số tƣơng quan biến tổng Nguồn lực 3 0.828 0.649 – 0.747 Năng lực phục vụ 4 0.745 0.488 – 0.582 Quá trình phục vụ 5 0.801 0.540 – 0.649 Năng lực quản lý 4 0.849 0.625 – 0.739 Hình ảnh/ uy tín 4 0.825 0.598 - 0.683 Trách nhiệm xã hội 3 0.792 0.601 – 0.682 Sự hài lòng 4 0.819 0.561 – 0.724 ( Nguồn từ phân tích SPSS)
Căn cứ vào kết quả trên, ta thấy các thành phần trong thang đo đều cho kết quả hệ số Cronbach’alpha > 0.6 và hệ số tƣơng quan tổng nhỏ nhất > 0.3 nên chấp nhận độ tin cậy của thang đo. Mô hình có 6 thang đo có chất lƣợng tốt với 23 biến đặc trƣng và một thang đo sự hài lòng với 4 biến đặc trƣng.
Toàn bộ các biến quan sát đƣợc đƣa vào phân tích yếu tố khám phá (EFA), để giảm bớt hay tóm tắt dữ liệu và tính độ tin cậy (Sig) của các biến quan sát có quan hệ chặt chẽ với nhau hay không. Một số tiêu chuẩn mà các nhà nghiên cứu cần quan tâm trong phân tích yếu tố khám phá (EFA) nhƣ sau:
(1) Hệ số KMO (Kaiser-Mayer-Olin) > 0.5 và mức ý nghĩa của kiểm định Bartlett < 0.05. KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, phân tích yếu tố khám phá (EFA) thích hợp khi 0.5 < KMO < 1. Kiểm định Bartlett xem xét giả thuyết về độ tƣơng quan giữa các biến quan sát bằng 0 trong tổng thể, nếu kiểm định này có ý nghĩa thống kê (sig< 0.05) thì các biến quan sát có tƣơng quan với nhau trong tổng thể (Hoàng Trọng và Mộng Ngọc, 2005, p.262).
(2) Hệ số tải yếu tố (Factor loading) > 0.4, nếu biến quan sát nào có hệ số tải yếu tố < 0.4 sẽ bị loại; Theo Hair & cog (1998, 111), Hệ số tải yếu tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải yếu tố > 0.3 đƣợc xem là đạt mức tối thiểu, Hệ số tải yếu tố > 0.4 đƣợc xem là quan trọng và > 0.5 đƣợc xem là có ý nghĩa thực tiễn. Nếu chọn tiêu chuẩn hệ số tải yếu tố > 0.3 thì cỡ mẫu nghiên cứu phải ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải yếu tố > 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải yếu tố phải >0.75.
(3) Thang đo đƣợc chấp nhận khi tổng phƣơng sai trích > 50%;
4.3.2.1. Phân tích EFA các biến độc lập
Phân tích EFA cho 6 biến độc lập đƣợc thực hiện với giả thuyết H0: Các biến quan sát không có sự tƣơng quan nhau trong tổng thể. Kết quả phân tích thu đƣợc tóm tắt nhƣ sau:
Kiểm định KMO & Bartlett’s Test của EFA
Hệ số KMO = 0.852, thoả mãn điều kiện: 0,5<KMO<1: phân tích yếu tố là thích hợp cho dữ liệu thực tế.