Phân tích nhân tố khám phá (Exploratory Factor Analysis) là phương pháp thống kê dùng để rút gọn một tập hợp nhiều biến quan sát có mối tương quan với nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. Cơ sở phân tích EFA dựa trên các tiêu chuẩn về Bartlett, hệ số KMO, hệ số tải và phương sai trích với phép xoay Varimax.
- Hệ số KMO (Kaiser - Meyer - Olkin measure of sampling adequancy) là một chỉ số dùng để đánh giá sự thích hợp của phân tích nhân tố. EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1. Trường hợp KMO < 0,5 thì
phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
- Tiêu chuẩn Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng 0 trong tổng thể. Theo Kaiser (1974), nếu kiểm định có ý nghĩa thống kê (sig ≤ 0,05) thì các biến có mối tương quan với nhau trong tổng thể.
- Hệ số tải nhân tố (Factor loading): theo Hair và cộng sự (1998), hệ số tải nhân tố của một biến quan sát trên các nhân tố ≥ 0.3 thì được xem là đạt mức tối thiểu, ≥ 0.4 dược xem là quan trọng, ≥ 0.5 được xem là có ý nghĩa thực tế. Do đó, trong mỗi nhân tố thì những biến quan sát có hệ số Factor loading < 0.5 sẽ tiếp tục bị loại để đảm bảo sự hội tụ giữa các biến trong một nhân tố.
- Eigenvalue: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Các nhân tố có Eigenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc. Với tiêu chí này, số lượng nhân tố được xác định (dừng ở nhân tố) có Eigenvalue tối thiểu = 1 (theo Nguyễn Đình Thọ, 2011). - Tổng phương sai trích TVF thể hiện các nhân tố trích được bao nhiêu
phần trăm các biến đo lường, và TVF lớn hơn hoặc bằng 50% thì phân tích EFA phù hợp.
4.3.1. Phân tích nhân tố khám phá EFA đối với các biến độc lập
Thang đo các thành phần ảnh hưởng đến ý định sử dụng hệ thống eHospital gồm 9 nhân tố với 37 biến quan sát đạt độ tin cậy Cronbach’s Alpha được đưa vào phân tích nhân tố khám phá EFA với phương pháp trích nhân tố là Principal Components với phép quay Varimax nhằm phát hiện cấu trúc và đánh giá mức độ hội tụ của các biến quan sát theo các thành phần.
Bảng 4.16. Kiểm định KMO và Bartlett’s cho biến độc lập Kiểm định KMO và Bartlett’s Kiểm định KMO và Bartlett’s
Chỉ số KMO 0.818
Kiểm định Bartlett’s 5441000
Df 666
Dữ liệu phân tích cho thấy chỉ số KMO là 0.818 > 0.5, điều này chứng tỏ việc phân tích nhân tố là hồn tồn thích hợp. Kết quả kiểm định Bartlett’s là 5441000 với mức ý nghĩa (p_value) sig = 0.000 < 0.005 (nên bác bỏ giả thuyết Ho: các biến quan sát khơng có tương quan với nhau trong tổng thể). Như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thoả điều kiện phân tích nhân tố.
Thực hiện phân tích nhân tố theo Principal Components với phép quay Varimax, kết quả cho thấy 37 biến quan sát ban đầu được nhóm thành 9 nhân tố với hệ số Eigenvalues đều có giá trị lớn hơn 1 và tổng phương sai trích là 70.617% (> 50%) đạt yêu cầu. Khi đó có thể nói rằng 9 nhân tố này giải thích được khoảng 70% sự biến thiên của tập dữ liệu. Kết quả tại bảng 4.17 cho thấy hệ số tải nhân tố của các biến đều > 0.5 (đạt yêu cầu).
Bảng 4.17. Ma trận nhân tố với phép xoay Principal Varimax cho biến độc lập Component Tên nhân tố 1 2 3 4 5 6 7 8 9 PEOU2 0.809 Nhận thức tính dễ sử dụng PEOU4 0.797 PEOU6 0.787 PEOU1 0.750 PEOU3 0.725 PEOU5 0.677 T1 0.840 Đào tạo T5 0.818 T4 0.814 T2 0.784 T3 0.713 A1 0.843 Trạng thái lo lắng A3 0.826 A2 0.812 A4 0.795 PU1 0.858 Nhận thức tính hữu PU7 0.856 PU2 0.723
Component Tên nhân tố 1 2 3 4 5 6 7 8 9 PU6 0.607 dụng PU3 0.556 SN1 0.883 Chuẩn xã hội SN2 0.844 SN4 0.840 SN3 0.839 RD2 0.833 Minh chứng kết quả RD4 0.742 RD3 0.711 RD1 0.707 FC4 0.794 Điều kiện thuận lợi FC2 0.779 FC1 0.738 FC3 0.709 EUS2 0.793 Hỗ trợ người dùng cuối EUS1 0.781 EUS3 0.765 JR2 0.836 Sự phù hợp với công việc JR1 0.826 Eigenvalue 8.451 3.764 3.146 2.858 2.178 1.869 1.439 1.284 1.140 Phương sai trích 22.840 33.012 41.516 49.240 55.126 60.177 64.066 67.536 70.617
Dựa vào bảng kết quả ma trận xoay các nhân tố, các nhân tố được nhóm thành 09 nhân tố bao gồm:
- Nhân tố thứ nhất: Thành phần Nhận thức tính hữu dụng được nhóm từ trung bình của 05 biến quan sát: PU1, PU2, PU3, PU6, PU7 và mã hóa là PU (Perceived Usefulness).
- Nhân tố thứ hai: Thành phần Nhận thức tính dễ sử dụng được nhóm từ trung bình của 06 biến quan sát: PEOU1 - PEOU6 và mã hoá là PEOU (Perceived Ease of Use).
bình của 03 biến quan sát: EUS1 - EUS3 và mã hóa là EUS (End User Support).
- Nhân tố thứ tư: Thành phần Điều kiện thuận lợi được nhóm từ trung bình của 04 biến quan sát: FC1 - FC4 và mã hóa là FC (Facilitating Conditions).
- Nhân tố thứ năm: Thành phần Đào tạo được nhóm từ trung bình của 05 biến quan sát: T1 - T5 và mã hóa là T (Training).
- Nhân tố thứ sáu: Thành phần Sự phù hợp với công việc được nhóm từ trung bình của 02 biến quan sát: JR1, JR2 và mã hóa là JR (Job Relevance).
- Nhân tố thừ bảy: Thành phần Minh chứng kết quả được nhóm từ trung bình của 04 biến quan sát: RD1 - RD4 và mã hóa là RD (Result Demonstrability).
- Nhân tố thứ tám: Thành phần Trạng thái lo lắng được nhóm từ trung bình của 04 biến quan sát: A1 - A4 và mã hóa là A (Anxiety).
- Nhân tố thứ chín: Thành phần Chuẩn xã hội được nhóm từ trung bình của 04 biến quan sát: SN1 - SN4 và mã hóa là SN (Social Norms).
4.3.2. Phân tích nhân tố khám phá EFA đối với biến phụ thuộc
Thang đo ý định hành vi sử dụng eHospital gồm 05 biến quan sát, qua phân tích độ tin cậy bằng phân tích hệ số Cronbach’s Alpha cả 05 biến đều được sử dụng để phân tích nhân tố khám phá theo phương pháp Principal Components với phép xoay Varimax.
Bảng 4.18. Kiểm định KMO và Bartlett’s cho biến phụ thuộc Kiểm định KMO và Bartlett’s Kiểm định KMO và Bartlett’s
Chỉ số KMO 0.854
Kiểm định Bartlett’s 701.579
Df 10
Sig. 0.000
Kết quả kiểm định KMO và Bartlett’s cho thấy: hệ số KMO = 0.854 > 0.5, cho thấy phân tích nhân tố là thích hợp với dữ liệu nghiên cứu. Kết quả kiểm
định Barlett’s là 701.579 với mức ý nghĩa 0.000 < 0.05 (bác bỏ giả thuyết Ho: các biến quan sát khơng có tương quan với nhau trong tổng thể). Như vậy giả thuyết mơ hình nhân tố khơng phù hợp sẽ bị bác bỏ, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hồn tồn phù hợp.
Với mức giá trị Eigenvalue > 1, phân tích nhân tố đã rút trích được 01 nhân tố từ 05 biến quan sát với phương sai trích là 69.741% (> 50%) và tất cả các hệ số tải nhân tố của các biến đều lớn hơn 0.5 đạt yêu cầu.
Bảng 4.19. Ma trận nhân tố cho biến phụ thuộc
Component Tên nhân tố 1 BI2 0.895 Ý định hành vi sử dụng BI3 0.858 BI5 0.846 BI1 0.801 BI4 0.769 Eigenvalue 3.487 Phương sai trích 69.741
Từ kết quả phân tích nhân tố cho phép rút trích ra một nhân tố đặt tên là ý định hành vi sử dụng (Behavioral Intention), ký hiệu là BI, được đo lường bằng 05 biến quan sát:
- BI1: Tôi nghĩ rằng bệnh viện có thể sử dụng eHospital trong cơng tác chăm sóc và quản lý bệnh nhân.
- BI2: Tơi dự tính sẽ sử dụng hệ thống eHospital cho cơng việc của mình. - BI3: Nếu có cơ hội lựa chọn, tơi vẫn sẽ sử dụng hệ thống eHospital. - BI4: Tơi thích sử dụng eHospital hơn là việc ghi chép theo các biểu mẫu
có sẵn.
- BI5: Tơi mong muốn được sử dụng eHospital.
4.3.3. Khẳng định mơ hình nghiên cứu
Kết quả phân tích trên cho thấy các biến quan sát được phân biệt thành 09 nhân tố độc lập và 01 nhân tố phụ thuộc. Có thể nói kết quả phân tích nhân tố là phù hợp với mơ hình nghiên cứu đề xuất ban đầu.
Tóm tắt các biến được trích xuất từ phân tích nhân tố EFA:
Bảng 4.20. Định nghĩa các biến độc lập trích xuất được từ phân tích nhân tố EFA
Nhân tố Tên Diễn giải
1 PU Nhận thức tính hữu dụng
2 PEOU Nhận thức tính dễ sử dụng
3 EUS Hỗ trợ người dùng cuối
4 FC Điều kiện thuận lợi
5 T Đào tạo
6 JR Sự phù hợp với công việc
7 RD Minh chứng kết quả
8 A Trạng thái lo lắng
9 SN Chuẩn xã hội
10 BI Ý định hành vi sử dụng
Như vậy mơ hình nghiên cứu so với mơ hình được đề xuất ban đầu loại bỏ đi 01 nhân tố, đó là nhân tố sự tự tin. Mơ hình nghiên cứu với các giả thuyết được tóm tắt như sau:
Bảng 4.21. Khẳng định các giả thuyết trong mơ hình nghiên cứu
Giả thuyết Nội dung
H1 “Nhận thức tính hữu dụng” có mối quan hệ (+) với “Ý định hành vi sử dụng eHospital”
H2 “Nhận thức tính dễ sử dụng” có quan hệ (+) với “Ý định hành vi sử dụng eHospital”.
H3 “Hỗ trợ người dùng cuối” có mối quan hệ (+) với “Ý định hành vi sử dụng eHospital”
H4 “Điều kiện thuận lợi” có mối quan hệ (+) với “Ý định hành vi sử dụng eHospital”
H5 “Đào tạo” có quan hệ (+) với “Ý định hành vi sử dụng eHospital”.
H6 “Sự phù hợp với cơng việc” có mối quan hệ (+) với “Ý định hành vi sử dụng eHospital”
H7 “Minh chứng kết quả” có mối quan hệ (+) với “Ý định hành vi sử dụng eHospital”
H8 “Trạng thái lo lắng” có quan hệ (+) với “Ý định hành vi sử dụng eHospital”
H9 “Chuẩn xã hội” có mối quan hệ (+) với “Ý định hành vi sử dụng eHospital”
4.4 Kiểm định mơ hình nghiên cứu
Căn cứ vào mơ hình nghiên cứu lý thuyết, giả thuyết đặt ra là có sự tương quan giữa các yếu tố tác động đến ý định hành vi sử dụng eHospital. Phương pháp hồi qui được sử dụng để xác định sự tương quan này có tuyến tính hay khơng và mức độ quan trọng của từng nhân tố trong sự tác động đến ý định sử dụng eHospital. Sau khi phân tích EFA, có 09 nhân tố được đưa vào kiểm định mơ hình, giá trị nhân tố là trung bình của các biến quan sát thành phần thuộc nhân tố đó. Phân tích tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào phân tích hồi qui. Kết quả phân tích hồi qui đa biến sẽ được sử dụng để kiểm định các giả thuyết mơ hình.
4.4.1 Kiểm định hệ số tương quan Pearson
Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Hệ số này luôn nằm từ -1 đến +1, lấy giá trị tuyệt đối, nếu lớn hơn 0.6 thì có thể kết luận mối quan hệ là chặt chẽ, càng gần 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì cho biết mối quan hệ là lỏng lẻo.
Bảng 4.22. Kết quả phân tích tương quan
Biến PU PEOU EUS FC T JR RD A SN
BI .659** .588** .575** .285** .187** .511** .509** .585** .143* ** Mối tương quan có ý nghĩa ở mức 0.01
* Mối tương quan có ý nghĩa ở mức 0.05
Kết quả cho thấy biến phụ thuộc BI có mối tương quan tuyến tính với cả 09 biến độc lập PU, PEOU, EUS, FC,T, JR, RD, A, SN. Trong đó hệ số tương quan giữa thành phần “Nhận thức tính hữu dụng” (PU) với ý định hành vi sử dụng eHospital là lớn nhất (0.659, có ý nghĩa ở mức 0.01). Trong khi đó, hệ số tương quan giữa thành phần “Chuẩn xã hội” (SN) và thành phần “Đào tạo” (T) với biến phụ thuộc là thấp nhất (chỉ đạt tương ứng là 0.143 và 0.187, có ý nghĩa ở mức 0.05). Bên cạnh đó, kết quả phân tích cũng cho thấy một số biến độc lập có sự tương quan với nhau, do đó khi phân tích hồi qui cần chú ý đến vấn đề đa cộng
tuyến.
4.4.2 Kiểm định giả thuyết
Phân tích hồi qui được thực hiện để xác định cụ thể trọng số của từng nhân tố tác động đến ý định hành vi sử dụng eHospital của nhân viên bệnh viện. Phân tích hồi qui được thực hiện với 09 biến độc lập (PU, PEOU, EUS, FC,T, JR, RD, A, SN) và 01 biến phụ thuộc (BI), dùng phương pháp hồi qui tổng thể của các biến (Enter) với phần mềm SPSS 16.0. Kết quả được trình bày như bảng 4.23.
Bảng 4.23. Bảng tóm tắt các hệ số hồi qui
Hệ số chưa
chuẩn hóa chuẩn hóa Hệ số đã
t Sig. (p_value) VIF B Std. Error Beta (Constant) -1.408 0.235 -5.981 0.000 PU 0.285 0.044 0.275 6.541 0.000 1.552 PEOU 0.318 0.043 0.309 7.454 0.000 1.51 EUS 0.081 0.038 0.096 2.158 0.032 1.751 FC 0.042 0.041 0.037 1.023 0.308 1.18 T 0.056 0.04 0.048 1.399 0.163 1.052 JR 0.127 0.039 0.132 3.258 0.001 1.437 RD 0.178 0.053 0.14 3.339 0.001 1.543 A 0.267 0.043 0.252 6.169 0.000 1.473 SN 0.069 0.039 0.062 1.78 0.076 1.075
Model R R Square Adjusted R
Square Std. Error of the Estimate 1 .856a 0.733 0.723 0.51913 ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 173.668 9 19.296 71.603 .000a Residual 63.331 235 0.269 Total 236.998 244
Phân tích cho thấy có 06 thành phần có ý nghĩa về mặt thống kê. Đó là các thành phần:
- Nhận thức tính hữu dụng (PU): p_value = 0% - Nhận thức tính dễ sử dụng (PEOU): p_value = 0% - Hỗ trợ người dùng cuối (EUS): p_value = 3.2% - Sự phù hợp với công việc (JR): p_value = 0.1% - Minh chứng kết quả (RD): p_value = 0.1% - Trạng thái lo lắng (A): p_value = 0%
Riêng có 03 thành phần khơng có ý nghĩa về mặt thống kê trong mơ hình hồi qui gồm:
- Điều kiện thuận lợi (FC): p_value = 30.8% - Đào tạo (T): p_value = 16.3%
- Chuẩn xã hội (SN): p_value = 7.6%
Thơng qua phân tích hồi qui, ta có thể đi đến việc bác bỏ hoặc chấp nhận các giả thuyết thống kê với mức ý nghĩa 5%. Sau đây là bảng tổng hợp việc kiểm định các giả thuyết thông kê.
Từ kết quả hồi qui ta cũng thấy rằng R2 mẫu hiệu chỉnh là 0.723, một con số tương đối cao. Điều này cho thấy mơ hình hồi qui tuyến tính này phù hợp với tập dữ liệu của mẫu ở mức 72.3%, tức là các biến độc lập giải thích được 72.3% biến thiên của biến phụ thuộc. Với giả thuyết H0: R2 tổng thể = 0, kết quả phân tích hồi qui cho ta F = 71.603 với p_value = 0.000, do đó ta hồn tồn có thể bác bỏ giả thuyết H0 (có nghĩa là có ít nhất một biến độc lập ảnh hưởng đến biến phụ thuộc) và kết luận mơ hình hồi qui tuyến tính xây dựng được là phù hợp với tổng thể.
4.4.3 Kiểm tra sự vi phạm các giả định trong hồi qui tuyến tính
Mơ hình hồi qui tuyến tính bằng phương pháp OSL được thực hiện với một số giả định và mơ hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy để đảm bảo cho độ tin cậy của mơ hình, việc dị tìm sự vi phạm các giả định là cần thiết.
Về giả định liên hệ tuyến tính, phương pháp được sử dụng là biểu đồ phân tán Scatterplot (Phụ lục 9 - Kiểm tra các vi phạm giả thiết hồi qui). Nhìn vào biểu đồ ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đốn. Do đó giả thiết về liên hệ tuyến tính khơng bị vi phạm.
Giả định phân phối chuẩn của phần dư được kiểm tra qua biểu đồ