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 Nhận thức về thông tin dịch vụ: α = .715 NT1 6.07 3.941 .524 .646 NT2 5.93 4.033 .566 .585 NT3 5.80 5.011 .533 .642
Niềm tin đối với ngân hàng: α = .838
TC1 12.52 8.704 .742 .777
TC2 12.24 8.712 .645 .806
TC3 12.75 10.311 .524 .835
TC4 12.14 9.202 .567 .828
TC5 12.58 8.742 .747 .777
Chính sách giá của ngân hàng: α = .847
LC1 6.77 4.528 .803 .699
LC2 6.84 4.953 .684 .818
LC3 7.13 5.433 .666 .833
Mối quan hệ của khách hàng với ngân hàng : α = .729
QH1 6.40 3.268 .580 .608
QH2 6.47 4.416 .491 .716
QH3 6.18 3.184 .605 .575
Ảnh hưởng từ người thân : α = .871
AH1 6.17 3.391 .792 .783
AH2 6.24 3.684 .764 .808
AH3 6.34 4.126 .712 .856
Ý định sử dụng dịch vụ bảo hiểm liên kết ngân hàng : α = .801
YD1 5.83 3.191 .715 .654
YD2 5.94 3.588 .627 .750
YD3 5.95 4.030 .608 .770
Kết quả kiểm định Cronbach’s Alpha của các thang đo lần 2 đều đạt yêu cầu và được giữ lại phân tích trong các bước sau.
4.3 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA (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 tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. Khi thang đo đạt độ tin cậy, các biến quan sát sẽ được sử dụng trong phân tích nhân tố khám phá EFA với các yêu cầu như 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 thể) 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 (1988), 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 yếu tố ảnh hưởng đến ý định sử dụng dịch vụ bảo hiểm liên kết ngân hàng, tác giả sử dụng phương pháp trích Principal Component Analysis với phép xoay Varimax và điểm dừng trích các yếu tố có Eigenvalue >1.
4.3.1 Phân tích EFA với thang đo các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ bảo hiểm liên kết ngân hàng. dịch vụ bảo hiểm liên kết ngân hàng.
4.3.1.1 Phân tích EFA lần 1
Đặt giả thuyết H0 là 17 biến quan sát của các yếu tố ảnh hưởng đến ý định sử
dụng dịch vụ bảo hiểm liên kết ngân hàng khơng có mối tương quan với nhau. Kết quả kiểm định KMO và Bartlettt cho thấy giả thuyết bị bác bỏ (sig.=.000 < 0.05), hệ số KMO = 0.802 > 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 từ 17 biến quan sát và phương sai trích được 70,459%. Tuy nhiên có một biến quan sát là TC3, biến này tuy có hệ số tải nhân tố là 0.577 nhưng khác biệt hệ số tải nhân tố của một biến quan sát với các nhân tố khác < 0.3. Thực tế hiện nay các nhân viên ngân hàng chưa hẳn là đã am hiểu hết về các sản phẩm bảo hiểm. Việc đào tạo về bảo hiểm cho nhân viên ngân hàng mới được thực hiện ở mức sơ sài nên nhân viên ngân hàng không nắm rõ được hết về các sản phẩm bảo hiểm. Các nhân viên ngân hàng chỉ được đào tạo khoản một hoặc hai ngày về các sản phẩm bảo hiểm với nội dung chủ yếu được tóm gọn về lợi ích của gói sản phẩm bảo hiểm, mức phí, các chương trình khuyến mãi đi kèm nếu có,…. Đây vẫn cịn là một hạn chế của bảo hiểm liên kết ngân hàng. Nhận xét tuy biến này cũng có ảnh hưởng đến ý định sử dụng dịch vụ của khách hàng nhưng không ảnh hưởng quá nhiều nên tác giả quyết định loại biến này và tiến hành chạy lại EFA lần 2 với 16 biến quan sát.
4.3.1.2 Phân tích EFA lần 2
Sau khi loại một biến quan sát còn lại 16 biến quan sát, tương tự đặt giả thuyết H0 là 16 biến quan sát của thang đo các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ bảo hiểm liên kết ngân hàng khơng có mối tương quan với nhau. Kết quả kiểm định KMO và Bartlettt cho thấy giả thuyết bị bác bỏ (sig.=.000 < 0.05), hệ số KMO = 0.785 > 0.5, kết quả này cho thấy việc phân tích nhân tố là phù hợp.
Kết quả phân tích nhân tố cho thấy 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 từ 16 biến quan sát và phương sai trích được 72,135%.
Nhìn chung, tuy có sự điều chỉnh so với mơ hình ban đầu nhưng kết quả phân tích EFA cho thấy đạt điều kiện và tiến hành đưa vào phân tích hồi qui.