Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến-tổng
Cronbach Alpha nếu loại
biến
Nổi bật thương hiệu, Cronbach Alpha = 0,640
NBTH1 13,95 5,295 0,406 0,596
NBTH2 14,06 4,747 0,523 0,542
NBTH3 14,08 4,710 0,426 0,573
NBTH4 15,23 3,966 0,370 0,618
Hình ảnh thương hiệu, Cronbach Alpha = 0,956
HATH1 10,68 6,329 0,908 0,938
HATH2 10,58 6,209 0,898 0,942
HATH3 10,57 6,405 0,946 0,928
HATH4 10,50 6,715 0,825 0,962
Trung thành thương hiệu, Cronbach Alpha = 0,911
TTTH1 11,79 3,134 0,814 0,880
TTTH2 11,71 3,632 0,756 0,900
TTTH3 11,78 3,148 0,845 0,867
TTTH4 11,81 3,340 0,786 0,889
Chất lượng thương hiệu, Cronbach Alpha = 0,865
CLTH1 17,86 7,476 0,745 0,829 CLTH2 17,92 6,835 0,729 0,847 CLTH3 17,60 8,753 0,825 0,819 CLTH4 17,48 9,697 0,638 0,850 CLTH6 17,52 9,725 0,678 0,847 CLTH7 17,40 9,902 0,579 0,858
SLTT1 7,05 1,786 0,439 0,475
SLTT2 7,57 1,215 0,466 0,449
SLTT3 6,93 2,033 0,376 0,563
Nguồn: Kết quả tổng hợp từ SPSS
Các bộ thang đo: điểm nổi bật thương hiệu, hình ảnh thương hiệu, lịng trung thành thương hiệu, sự sẵn lòng trả thêm, ngay tại lần chạy đầu tiên thì hệ số Cronbach Alpha nhận được đều đạt giá trị lớn hơn 0,6 và khơng có biến nào có tương quan biến-tổng nhỏ hơn 0,3 cho thấy một kết quả tốt nên các mục hỏi trong các bộ thang đo đều được giữ lại. Tuy nhiên, ở bộ thang đo chất lượng thương hiệu, biến CLTH5 (Đường đi ở ĐMCM dễ di chuyển) có hệ số tương quan biến-tổng nhỏ hơn 0,3, vì thế tác giả phải loại bỏ biến này khỏi bộ thang đo. Như vậy, sau phân tích đánh giá độ tin cậy của thang đo Cronbach Alpha, tác giả thu được kết quả hoàn chỉnh gồm 22 biến quan sát với 5 bộ thang đo. Với kết quả này, tác giả sử dụng bộ biến gồm 22 biến trên cho bước phân tích tiếp theo, đó là phân tích nhân tố khám phá EFA.
4.4. Đánh giá thang đo thơng qua phân tích nhân tố khám phá EFA
Sau khi thực hiện kiểm tra độ tin cậy của thang đo bằng hệ số Cronbach Alpha, tác giả sử dụng kết quả trên để tiến hành phân tích nhân tố khám phá EFA.
Phân tích nhân tố khám phá EFA giúp chúng ta rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết thông tin của tập biến ban đầu (Hair và cộng sự, 1998) hay nói cách khác là nhóm các biến có liên hệ với nhau thành một nhóm nhân tố, sau đó sử dụng chúng cho các mục đích phân tích tiếp theo.
Theo Hair và cộng sự (1998, 111), Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loading > 0,3 được xem là đạt được mức tối thiểu, Factor loading > 0,4 được xem là quan trọng, ≥ 0,5 được xem là có ý nghĩa thực tiễn. Hair và cộng sự (1998, 111) cũng khuyên
rằng nếu chọn tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55, nếu cỡ mẫu khoảng 50 thì Factor loading phải > 0,75. Tác giả đã tiến hành phân tích nhân tố khám phá EFA với việc sử dụng các tiêu chuẩn dưới đây (Nguyễn Khánh Duy, 2009):
- Sử dụng phương pháp rút trích nhân tố Principal Components với phép xoay Varimax vì đây là phương pháp được sử dụng phổ biến nhất.
- Quan tâm đến tiêu chuẩn: Factor Loading lớn nhất của mỗi Item ≥ 0,5.
- Quan tâm đến tiêu chuẩn “giá trị phân biệt”: tại mỗi Item, chênh lệch Factor Loading là lớn nhất và Factor Loading bất kỳ phải ≥ 0,3 (Jabnoun và Al- Tamimi, 2003).
- Tổng phương sai trích ≥ 50% (Anderson và Gerbing, 1988).
- Hệ số KMO ≥ 0,5; kiểm định Bartlett có ý nghĩa thống kê (Sig ≤ 0,05) (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Tác giả chia phân tích EFA ra làm hai phần, phần 1 chạy phân tích đối với các biến dùng để đo lường các khái niệm thể hiện cho các nhóm nhân tố độc lập (các biến thuộc các bộ thang đo điểm nổi bật thương hiệu, hình ảnh thương hiệu, trung thành thương hiệu và chất lượng thương hiệu), phần 2 chạy phân tích đối với các biến dùng để đo lường các khái niệm thể hiện cho nhân tố phụ thuộc (sự sẵn lòng trả thêm).
Trong phân tích EFA, để đảm bảo giá trị nội dung của thang đo, ngay từ ban đầu tác giả quyết định loại bỏ biến HATH1 (Điểm đến ĐMCM phù hợp với tính cách của tơi) vì mục hỏi có ý nghĩa tương tự với biến HATH3 (Hình ảnh của ĐMCM phù hợp với hình ảnh cá nhân tôi), do sự tương đồng cao giữa các biến khiến cho hệ số Cronbach Alpha quá cao là một biểu hiện của việc các biến không phân biệt về nội dung.
Kết quả các bước chạy phân tích EFA được trình bày chi tiết trong phụ lục. Sau 3 lần chạy và loại bỏ các biến CLTH3 (Mức độ an tồn cho tơi ở ĐMCM cao), NBTH1 (Điểm đến ĐMCM có một cái tên hay và nổi tiếng), NBTH2 (Điểm đến
ĐMCM rất nổi tiếng), NBTH3 (Khi tôi nghĩ đến một kỳ nghỉ trong nước, điểm đến ĐMCM xuất hiện trong đầu tôi ngay lập tức), tác giả thu được kết quả như sau:
- Đối với phân tích EFA với các nhân tố độc lập: Hệ số KMO của phân tích đạt giá trị 0,736 thoả điều kiện hệ số KMO ≥ 0,5 và giá trị Sig. của kiểm định Bartlett đạt giá trị 0,000 cho thấy kiểm định Bartlett có ý nghĩa thống kê (Sig ≤ 0,05). Số nhóm nhân tố được rút trích ra trong lần phân tích này là 4 với giá trị Eigenvalue là 1,563 và tổng phương sai trích là 77,032%.
- Đối với phân tích EFA với nhân tố phụ thuộc: Hệ số KMO của phân tích đạt giá trị 0,631 thoả điều kiện hệ số KMO ≥ 0,5 và giá trị Sig. của kiểm định Bartlett đạt giá trị 0,000 cho thấy kiểm định Bartlett có ý nghĩa thống kê (Sig ≤ 0,05). Số nhóm nhân tố được rút trích ra trong lần phân tích này là 1 với giá trị Eigenvalue là 1,694 và tổng phương sai trích là 56,465%.