Kết quả kiểm định thang đo được trình bày trong bảng 4.2.
Bảng 4. 2 Kết quả kiểm định Cronbach's Alpha của các thang đo Biến quan Biến quan
sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến –
tổng
Cronbach’s Alpha nếu loại
biến Tỉnh mới lạ α=0.847 NE1 15.11 5.009 .597 .832 NE2 15.27 5.089 .628 .823 NE3 15.25 5.061 .628 .823 NE4 15.27 5.022 .719 .800 NE5 15.27 4.866 .711 .800 Tính lợi ích α=0.811 BE1 7.42 2.064 .629 .772 BE3 7.45 1.948 .595 .814 BE4 7.44 1.827 .769 .628 Tính bất ngờ α=0.732 SR1 13.77 4.355 .599 .646 SR2 14.08 4.447 .432 .713 SR3 14.97 4.486 .411 .722
Sự rõ ràng α=0.712 CL1 14.21 4.064 .580 .626 CL2 14.22 4.232 .535 .645 CL3 14.36 4.198 .444 .675 CL4 14.42 4.118 .473 .663 CL5 15.23 3.779 .385 .719 Tình hài hước α=0.697 HM1 11.17 2.803 .473 .638 HM2 11.13 2.940 .485 .630 HM4 11.12 2.799 .548 .591 HM5 11.25 2.981 .421 .670 Sự yêu thích đối với quảng cáo α=0.695
IN1 11.64 1.845 .557 .581
IN2 11.71 1.851 .485 .628
IN3 11.77 2.006 .462 .642
IN4 11.59 2.062 .417 .668 Hành vi truyền miệng qua mạng xã hội α=0.756
WO1 16.34 2.966 .561 .698
WO2 16.36 3.157 .476 .729
WO3 16.42 3.117 .580 .694
WO4 16.31 3.235 .480 .727
WO6 16.41 3.016 .521 .713
4.3 PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
Phân tích nhân tố khám phá (Exploratory Factor Analysis) là phương pháp phân tích thống kê dùng để rút gọn một tập hợp nhiều biến quan sát có mối tương quan với nhau thành một tâp biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chưa đựng hầu hết các nội dung thông tin của tập biến ban đầu. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), khi thang đo đạt độ tin cậy, các biến quan sát sẽ được sử dụng trong phân tích nhân tố khám phá EFA đạt các yêu cầu sau:
- Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thế) bị bác bỏ và do đó EFA được gọi là thích hợp khi 0.5≤KMO≤1 và sig<0.05. Trường hợp KMO <0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
- Trọng số nhân tố (factor loading) ≥ 0.5. Nếu biến quan sát nào có trọng số nhân tố <0.5 sẽ bị loại.
- Khác biệt hệ số tải nhân tố của một biến quan sát trên các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố
- Tổng phương sai trích > 50%.
- Theo Gerbing và Anderson (1998), các nhân tố có eigenvalue <1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Eigenvalue > 1.
Khi phân tích EFA với thang đo các nhân tố của truyền thông marketing du kích tác động đến hành vi truyền miệng qua mạng xã hội, tác giả sử dụng phương pháp trích Principal Component Analysis với phép xoay Varimax và điểm dừng trích các yếu tố có Eigenvalue >1. Phân tích nhân tố sẽ được thực hiện đối với 2 phần:
kiểm định KMO và Bartlett cho thấy giả thuyết H0 bị bác bỏ (sig=.000 <0.05), hệ số KMO = 0.903 > 0.5, kết quả này cho thấy việc phân tích nhân tố là phù hợp.
Với điều kiện giá trị Eigenvalue > 1, phương pháp rút trích nhân tố Principle Component, phép quay Varimax, cho phép 5 nhân tố được rút trích 22 biến quan sát và phương sai trích được 58.380%. Nhìn chung, kết quả phân tích EFA cho thấy đạt điều kiện và tiến hành đưa vào phân tích hồi qui.
Tổng hợp quy trình phân tích EFA