Phân tích nhân tố khám phá (EFA) là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷ số gọi là Hệ số tải nhân tố (Factor loading). Hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ “thuộc về” những nhân tố nào.
Phân tích nhân tố bằng các thành phần chính (Principal Components) cho phép rút gọn nhiều biến số (Variables) ít nhiều có một mối tương quan lẫn nhau thành những đại lượng được thể hiện dưới dạng mối tương quan theo đường thẳng được gọi là những nhân tố (Factors).
Toàn bộ các biến quan sát được đưa vào phân tích nhân tố khám phá EFA và để tiến hành phân tích nhân tố cần thỏa mãn một số điều kiện sau (Nguyễn Đình Thọ, 2011):
KMO (Kaiser-Meyer-Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, phân tích nhân tố khám phá EFA thích hợp khi 0.5 ≤ KMO ≤ 1. Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát 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 và Mộng Ngọc, 2005).
Theo Hair và cộng sự (1998), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu, hệ
số tải nhân tố > 0.4 được xem là quan trọng và ≥ 0.5 được xem là có ý nghĩa thực tiễn. Ngoài ra, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003).
Thêm vào đó, hệ số Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 (Gerbing và Anderson, 1988) và thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50%. Trong nghiên cứu này, tác giả đã sử dụng phương pháp trích (Extraction method) là Principal components factoring với phép xoay (Rotation) Varimax và phương pháp tính nhân tố là phương pháp Regression.
Kết quả phân tích nhân tố khám phá EFA với số lượng 21 biến quan sát đã
qua kiểm tra về độ tin cậy đưa vào phân tích nhân tố (18 biến nghiên cứu các nhân tố tác động đến chất lượng dịch vụ và 3 biến quan sát đo lường mức độ hài lòng của NNT) cho kết quả như sau:
Phân tích nhân tố EFA đối với các thành phần của chất lượng dịch vụ
NTĐT:
Bảng 3.3: Kiểm định KMO
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .723
Bartlett's Test of Sphericity
Approx. Chi-Square 1482.392
df 153
Sig. .000
(Nguồn: Tổng hợp của tác giả từ phần mềm SPSS 20)
Hệ số KMO = 0.723 nên EFA phù hợp với dữ liệu và thống kê Chi-quares của Kiểm định Bartlett đạt giá trị 1482.392 với mức ý nghĩa 0.000. Vì vậy có thể sử dụng EFA để đánh giá giá trị thang đo (Phụ lục 6).
Bảng 3.4: Kết quả phân tích nhân tố khám phá EFA
Ma trận thành phần sau khi xoay
Nhân tố 1 2 3 4 5 6 UD1 .894 UD3 .812 UD2 .773 UD4 .756 HQ3 .861 HQ1 .860 HQ2 .855 LH1 .848 LH3 .847 LH2 .846 DT3 .888 DT2 .767 DT1 .715 BM3 .867 BM2 .767 BM1 .695 PH1 .904 PH2 .899
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
(Nguồn: Tổng hợp của tác giả từ phần mềm SPSS 20)
Đánh giá giá trị thang đo bằng EFA với ba thuộc tính quan trọng trong kết quả EFA. Theo mơ hình đề nghị có tất cả 18 biến quan sát trong 6 thành phần của thang đo chất lượng dịch vụ NTĐT thì kết quả số lượng nhân tố trích được là 6 nhân tố, khơng có biến quan sát nào có hệ số tải nhân tố nhỏ hơn 0.5. Các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể và phương sai trích được là 74.438% thể hiện rằng 6 nhân tố rút ra được giải thích 74.438% biến thiên của dữ liệu tại hệ số Eigenvalue = 1.308 > 1 (Phụ lục 6).
Bảng 3.5: Kiểm định KMO cho biến phụ thuộc
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .717
Bartlett's Test of Sphericity
Approx. Chi-Square 228.540
df 3
Sig. .000
(Nguồn: Tổng hợp của tác giả từ phần mềm SPSS 20)
Kết quả phân tích nhân tố về mức độ hài lòng của NNT cho thấy 3 biến quan sát được dùng để giải thích thang đo mức độ hài lịng NNT là hợp lý (Phụ lục 6):
Hệ số KMO = 0.717 nên EFA phù hợp với dữ liệu và thống kê Chi-quares của Kiểm định Bartlett đạt giá trị 228.540 với mức ý nghĩa 0.000.
Tổng phương sai trích được là 75.853% tại hệ số Eigenvalue = 2.276 > 1
Sau khi tiến hành phân tích dữ liệu thu thập được thơng qua các bước phân tích độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA, mơ hình nghiên cứu có 6 biến độc lập (Hiệu quả, Ứng dụng, Phản hồi, Bảo mật, Đường truyền và Liên hệ) để đo lường biến phụ thuộc là Sự hài lòng của NNT. Do đó mơ hình nghiên cứu tổng qt vẫn được giữ như cũ và các giả thuyết tiếp tục được kiểm tra bằng việc chạy hồi quy.