CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3. Kết quả phân tích nhân tố khám phá EFA
Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát). Phương pháp này được sử dụng rộng rãi trong nghiên cứu để đánh giá sơ bộ các thang đo lường thông qua việc đánh giá hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt (Nguyễn Đình Thọ, 2011).
Một số tiêu chuẩn mà các nhà nghiên cứu thường quan tâm khi phân tích nhân tố khám phá EFA:
Thứ nhất, để sử dụng EFA chúng ta cần kích thước mẫu lớn. Trong EFA,
kích thước mẫu thường được xác định dựa vào: (1) kích thước tối thiểu và (2) số lượng biến đo lường đưa vào phân tích (Nguyễn Đình Thọ, 2011). Hair & ctg (2006) cho rằng để sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát (observation)/biến đo lường (items) là 5:1. Như đã đề cập ở
phần phương pháp nghiên cứu, luận văn sử dụng mẫu có kích thước 300, kích thước này lớn hơn kích thước tối thiểu nên phù hợp để phân tích EFA.
Thứ hai, hệ số KMO (Kaiser-Meyer-Olkin) cũng là một chỉ tiêu để xem
xét sự thích hợp của EFA. Kaiser (1974) đề nghị KMO ≥ 0.90 là rất tốt, KMO ≥ 0.80 là tốt, KMO ≥ 0.70 là được, KMO ≥ 0.60 là tạm được, KMO ≥ 0.50 là xấu và KMO < 0.50 là không thể chấp nhận được (Nguyễn Đình Thọ, 2011).
Thứ ba, kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các
biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng trọng & Chu Nguyễn Mộng Ngọc, 2005, 262).
Thứ tư, hệ số tải nhân tố (Factor loading), theo Hair & ctg (1998), Factor
loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0.30 được xem là đạt mức tối thiểu, Factor loading > 0.40 được xem là quan trọng và Factor loading > 0.50 được xem là có ý nghĩa thực tiễn. Ngồi ra, Hair & ctg (1998) cũng đưa ra lời khuyên rằng: Nếu chọn tiêu chuẩn Factor loading > 0.30 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 > 0.75 (Theo Nguyễn Nhật Vinh, 2011). Do đó, trong luận văn này, các biến quan sát có hệ số Factor loading < 0.50 sẽ bị loại.
Thứ năm, thang đo được chấp nhận khi tổng phương sai trích lớn hơn hoặc
bằng 50% (Nguyễn Đình Thọ, 2011).
Thứ sáu, điểm dừng khi trích các nhân tố có hệ số Eigenvalue phải có giá
Thứ bảy, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân
tố phải lớn hơn hoặc bằng 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003, trích từ Hồ Minh Sánh).
Áp dụng các tiêu chuẩn trên khi phân tích EFA các số liệu đã khảo sát, ta có kết quả sau: Hệ số KMO = 0.924 > 0.50,Sig = 0.000, hệ số Factor Loading của các biến quan sát đều lớn hơn 0.50, phương sai trích đạt 76,934% > 50% và khác biệt hệ số tải nhân tố của một biến quan sát lớn hơn hoặc bằng 0.30 (xem Phụ lục 5).
Kết quả EFA cho 6 thành phần gồm 22 biến quan sát, sử dụng Principal axis factoring với phép quay Promax cho thấy còn 4 nhân tố là chất lượng dịch vụ (gồm 12 biến quan sát), giá cả cảm nhận (gồm 3 biến quan sát), giá trị cảm xúc (gồm 3 biến quan sát) và giá trị xã hội (gồm 4 biến quan sát). Như vậy, thành phần cở sở vật chất, giá trị nhân viên và giá trị dịch vụ đã gom lại thành một nhóm được đặt tên là chất lượng dịch vụ. Điều này cho thấy, khách hàng cảm nhận chất lượng dịch vụ của ngân hàng không chỉ dựa vào những giá trị vơ hình của dịch vụ mà cịn dựa vào các yếu tố hữu hình như cơ sở vật chất, nhân viên phục vụ. Điều này cũng phù hợp với các kết quả nghiên cứu về chất lượng dịch vụ đã được thực hiện trước đây.
Bảng 4.5. Kết quả EFA thang đo các thành phần của giá trị cảm nhận
Nhân tố 1 2 3 4 GTDV2 .954 GTNV2 .908 GTNV1 .903 CSVC4 .899 GTNV3 .888
CSVC3 .879 CSVC2 .859 GTNV4 .849 GTDV4 .829 GTDV3 .822 CSVC1 .789 GTXH2 .945 GTXH3 .871 GTXH4 .815 GTXH1 .753 GCCN1 .950 GCCN2 .881 GCCN3 .819 GTCX3 .850 GTCX1 .795 GTCX4 .714 Eigenvalue 11.537 3.339 1.961 1.021 Phƣơng sai trích 51.432 14.071 8.066 3.364