STT Tên thành phần Số lượng biến quan sát Cronbach’s Alpha
1 Giá trị thông tin 4 0,747
2 Giá trị khuyến mãi 3 0,837
3 Giá trị tin cậy 3 0,691
4 Sự phiền nhiễu 3 0,838
5 Giá trị giải trí 2 0,906
6 Giá trị xã hội 2 0,770
7 Thái độ hành vi 3 0,801
4.4.2 Phân tích nhân tố (EFA)
Việc phân tích nhân tố trong đề tài này được thực hiện với phương pháp trích hệ số là phương pháp Principal component Analysis và phép xoay nhân tố
Varimax để phân nhóm các yếu tố. Bước đầu phải xem xét hệ số trích
(Extration) của các biến, nếu biến nào có hệ số trích nhỏ hơn 0,5 sẽ bị loại. Tiếp theo, tác giả tiến hành xem xét 2 chỉ tiêu là hệ số KMO (Kaiser-Mayer-
Olkin) phải thoả mãn điều kiện 0,5 ≤ KMO ≤ 1 và kiểm định Barlett xem xét giả thuyết Ho: độ tương quan giữa các biến bằng 0 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, 2008) [2]. Kết quả nhóm nhân tố được thể hiện trong bảng Rotated Component
Mattrix và hệ số tải nhân tố (factor loading) trong bảng này phải có giá trị lớn
hơn 0,5 để đảm bảo sự hội tụ giữa các biến trong nhân tố (Hoàng Trọng & Chu
Nguyễn Mộng Ngọc, 2008) [2]. Điểm dừng khi trích nhân tố có Eigenvalue lớn hơn 1 (theo mặc định SPSS thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn 1 biến gốc, vì sau mỗi lần chuẩn hố mỗi biến gốc có phương sai là 1). Thang đo được chấp nhận với tổng
phương sai trích bằng hoặc lớn hơn 0,5.
Sau khi loại bỏ 2 biến ở bước kiểm định Cronbach’s Alpha, thang đo
chính thức cịn lại 17 biến quan sát. Phân tích nhân tố được tiến hành bằng
SPSS 16-Factor Analysis cho kết quả 2 lần như sau:
a, Phân tích nhân tố lần 1
Lần phân tích nhân tố thứ nhất có hệ số KMO=0,77 và kiểm định Barlett có ý nghĩa (sig =0,000<0,5) cho thấy việc phân tích nhân tố là thích hợp với các dữ liệu và các biến quan sát là có tương quan với nhau trong tổng thể.
Kết quả hệ số tải nhân tố (factor loading) của các biến cho thấy có 1 biến INF2 có hệ số 0,443<0,5 nên biến INF2 (Thơng tin của quảng cáo có tính cập nhật) bị loại. Như vậy sẽ cịn 16 biến được đưa vào phân tích nhân tố lần 2 [Phụ lục 3 bảng 6].
b, Phân tích nhân tố lần 2
Ở lần phân tích nhân tố thứ 2 này, kết quả KMO=0,766 và các biến quan sát tương quan với nhau trong tổng thể (sig=0,000<0,5), đồng thời cả 16
biến đều có hệ số tải lớn hơn 0,5 nên được giữ lại. Đây cũng là lần phân tích nhân tố cuối cùng và 16 biến này được xem xét kết quả rút trích nhân tố ở bước tiếp theo [Phụ lục 3 bảng 7].
Kết quả thể hiện trong bảng cho thấy, theo tiêu chuẩn Eignvalue >1 thì có 6 nhân tố được rút trích ra và 6 nhân tố này sẽ giải thích được 75,8% sự biến thiên của dữ liệu [Phục lục 3 bảng 8].
Tiếp theo, tác giả sử dụng phương pháp Varimax Procedure: xoay nguyên góc các nhân tố để tối thiểu hoá số lượng biến có hệ số lớn tại cùng
một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố (Hoàng
Trọng & Chu Nguyễn Mộng Ngọc, 2008) [2].