Sau khi phân tích độ tin cậy của thang đo có 23 biến được sử dụng để phân tích nhân tố khám phá (EFA).
Điều kiện để phân tích nhân tố:
Hệ số tải nhân tố hay trọng số nhân tố (Factor loading) là những hệ số tương quan đơn giữa các biến và các nhân tố. Điều kiện Factor loading ≥ 0,5. Nếu biến quan sát nào có hệ số tải nhân tố < 0,5 sẽ bị loại (Hair &ctg, 1998, p111).
Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Điều kiện đủ để phân tích nhân tố là: 0,5 ≤ KMO ≤ 1. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp. Kiểm định Bartlett có ý nghĩa thống kê (Sig. <0,05): đây là một đại lượng thống kê dùng để xem xét giả thiết các biến khơng có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. <0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và Eigenvalue có giá trị lớn hơn 1 (Gerbing & Anderson, 1988).
Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003).
Ở đây chúng ta sẽ phân tích 2 lần, 1 lần cho các câu hỏi của biến độc lập và một lần cho các câu hỏi biến phụ thuộc
Chúng ta tiến hành phân tích nhân tố khám phá (EFA) với 20 biến độc lập và 3 biến phụ thuộc.
Đối với 20 biến độc lập, phân tích chỉ ra có hai biến TSS1 và TSS2 của thành phần
sự hữu hình bị loại khỏi thang đo do TSS2 có hệ số tải nhân tố của biến thấp (< 0,5) và TSS1 khơng gom lại được thành nhóm được trình bày như ở Phụ lục 06.
Tiến hành chạy lại phân tích Cronbach’s alpha khi loại biến TSS1 và TSS2, ta thấy các biến quan sát có hệ số tương quan biến – tổng lớn hơn 0,4 và độ tin cậy Cronbach’s alpha đều lớn hơn 0,6 thỏa điều kiện.
Tiến hành loại biến TSS1 và TSS2 và chạy phân tích EFA lần 2, ta thấy hệ số tải nhân tố thỏa điều kiện (> 0,5) (xem Phụ lục 06) và các biến đã gom thành năm nhóm theo như mơ hình nghiên cứu đề xuất ban đầu, kết quả phân tích khám phá (EFA) lần 2 được trình bày như ở Phụ lục 06
Hệ số KMO sau khi phân tích khám phá (EFA) là 0,799 >0,5 chứng tỏ phân tích nhân tố thích hợp với dữ liệu nghiên cứu, với mức ý nghĩa thống kê là 0,000, cho thấy phân tích yếu tố khám phá của các thành phần độc lập là phù hợp.
Từ kết quả phân tích Eigenvalues và phương sai trích ta thấy biến quan sát ban đầu được chia thành năm nhóm.
Tổng phương sai trích là 70,651 % > 50% nên thang đo giải thích được 70,651 % sự biến thiên của dữ liệu. Giá trị eigenvalues của của các nhân tố đều cao (>1), nhân tố thứ năm có Eigenvalues = 1,242 (thấp nhất)
Hệ số KMO của thành phần CLDV là 0,704 với mức ý nghĩa thống kê là 0,000, cho thấy phân tích yếu tố khám phá của các thành phần là phù hợp. Phương sai trích của CLDV là 70,651% >50 % nên giải thích khá tốt sự biến thiên của dữ liệu.