Biến quan sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Hệ số tương quan biến tổng
Hệ số Cronbach’s Alpha nếu loại
biến Thang đo “Mức độ hài lòng”: Hệ số Cronbach’s Alpha = 0,857
HL1 7,29 3,672 0,747 0,785 HL2 7,64 3,541 0,769 0,764 HL3 7,38 4,083 0,681 0,846
Nguồn: Kết quả phân tích dữ liệu từ SPSS 24.0, Năm 2018
2.3.3. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA (Exploration Factor Analysis) là một kỹ thuật phân tích thống kê được sử dụng nhằm thu nhỏ và trích xuất các dữ liệu thành một hoặc nhiều nhóm có tính đại diện cao. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến quan sát [11].
Theo Hair (1999), kỹ thuật phân tích nhân tố là hoàn toàn thích hợp cho việc phân tích số liệu đa biến. Tuy nhiên, để sử dụng kỹ thuật này thì quy mô của mẫu
phải đủ lớn. Thông thường số câu trả lời của những người được phỏng vấn phải là 50 thì được xem là số lượng tối thiểu để thực hiện kỹ năng phân tích nhân tố hoặc có thể sử dụng quy tắc 5/1, tức là mỗi một vấn đề trong bảng câu hỏi cần phải có ít nhất 5 câu trả lời. Do đó, với số lượng 29 câu hỏi, thì cần ít nhất 145 phiếu điều tra được điền đầy đủ từ những khách hàng được phỏng vấn. Với cỡ mẫu trong nghiên cứu là 195 sử dụng kỹ thuật này là phù hợp.
Tuy nhiên, Kaiser (2001) cho rằng có thể sử dụng một phương pháp khác để đánh giá tính hợp lý của cơ sở dữ liệu, sử dụng cho phân tích nhân tố. Phương pháp này được gọi là kiểm định KMO & Barltlett’s test. Kiểm định Kaiser - Meyer - Olkin (KMO) cho phép biết được cơ sở dữ liệu có phù hợp với việc phân tích nhân tố hay không. Tiêu chuẩn Kaiser được sử dụng nhằm xác định số nhân tố được trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue > Giá trị Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Chỉ có nhân tố nào có Eigenvalue > 1 mới được giữ lại trong mô hình phân tích. Kaiser (2001) cũng cho rằng giá trị của kiểm định KMO nên nằm trong khoảng 0,5 - 0,9 là thích hợp. Ngoài ra, tổng phần trăm giải thích được cần đạt từ 50% trở lên [12].
Tác giả phân tích nhân tố khám phá EFA riêng biệt cho từng nhóm biến độc lập và biến phụ thuộc nhằm tránh trường hợp khi phân tích hồi quy tuyến tính sẽ không có ý nghĩa vì hiện tượng các biến độc lập và biến phụ thuộc giải thích qua lại cho nhau.
2.3.3.1. Phân tích nhân tố đối với các biến độc lập
Mô hình nghiên cứu ban đầu có 06 nhân tố (biến) độc lập: (1) Phương tiện hữu hình, (2) Mức độ tin cậy, (3) Mức độ đáp ứng, (4) Năng lực phục vụ, (5) Mức độ đồng cảm, (6) Yếu tố giá với 26 biến quan sát được kỳ vọng ảnh hưởng đến chất lượng dịch vụ lưu trú tại Khách sạn Mê Kông Mỹ Tho. Qua kết quả đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha cho thấy, 26 biến quan sát của 06 nhân tố đều đáp ứng được độ tin cậy và đủ cơ sở để phân tích nhân tố khám phá EFA. Toàn bộ 26 biến quan sát này được đưa vào phân tích nhân tố khám phá EFA
với phương pháp trích nhân tố là Principal Components Analysis và phương pháp quay nhân tố Varimax, sử dụng kiểm định KMO và Barlett để đo lường sự phù hợp của mẫu khảo sát và đánh giá lại mức độ hội tụ của các biến quan sát theo từng thành phần (nhân tố).