CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3. Kết quả phân tích nhân tố khám phá EFA
Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các yếu tố có
nhân tố với các biến nguyên thủy (biến quan sát). Phương pháp này được sử dụng rộng rãi trong nghiên cứu để đánh giá sơ bộ các thang đo lường thông qua việc đánh giá hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt (Nguyễn Đình Thọ, 2011).
Một số tiêu chuẩn mà các nhà nghiên cứu thường quan tâm khi phân tích nhân tố khám phá EFA:
Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ tiêu để xem xét sự thích
hợp của EFA. Kaiser (1974) đề nghị KMO ≥ 0.90 là rất tốt, KMO ≥ 0.80 là tốt, KMO ≥ 0.70 là được, KMO ≥ 0.60 là tạm được, KMO ≥ 0.50 là xấu và KMO < 0.50 là không thể chấp nhận được (Nguyễn Đình Thọ, 2011).
Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không 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, 2005, 262).
Thứ hai, hệ số tải nhân tố (Factor loading), theo Hair & ctg (1998), Factor
loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0.30 được xem là đạt mức tối thiểu, Factor loading > 0.40 được xem là quan trọng và Factor loading > 0.50 được xem là có ý nghĩa thực tiễn. Ngồi ra, Hair & ctg (1998) cũng đưa ra lời khuyên rằng: Nếu chọn tiêu chuẩn Factor loading > 0.30 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0.55, nếu cỡ mẫu khoảng 50 thì Factor loading > 0.75 (Theo Nguyễn Nhật Vinh, 2011). Do đó, trong luận văn này, các biến quan sát có hệ số Factor loading < 0.50 sẽ bị loại.
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích lớn hơn hoặc bằng
50% (Nguyễn Đình Thọ, 2011).
Thứ tư, điểm dừng khi trích các nhân tố có hệ số Eigenvalue phải có giá trị lớn
Thứ năm, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải
lớn hơn hoặc bằng 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003, trích từ Hồ Minh Sánh).
4.3.1. Phân tích nhân tố khám phá EFA với các biến độc lập Bảng 4.5: Kiểm định EFA với các biến độc lập Bảng 4.5: Kiểm định EFA với các biến độc lập
Đo lường Kaiser-Meyer-Olkin của việc lấy mẫu
tương thích. .880
Kiểm định xoay Bartlett
Chi-Square xấp xỉ 1354.906
Df 153
Sig. .000
Theo bảng kiểm định trên ta có KMO bằng 0,880 lớn hơn 0,5 và kiểm định Barlett có ý nghĩa thống kê (Sig. = 0,000 < 0,05) nên EFA là phù hợp.
Phân tích nhân tố với các biến quan sát theo tiêu chuẩn Eigenvalue, trong bảng này ta thấy có 4 nhân tố được trích tại Eigenvalues là 1,087 và có tổng phương sai trích Cumulative (% tích lũy) là 52,832%. Điều này cho biết tổng biến thiên các nhân tố tác động đến lòng trung thành thương hiệu của khách hàng được giải thích bởi 4 nhân tố (phụ lục 4).
Dựa theo ma trận nhân tố đã xoay (Rotated component matrix) trong EFA ta có các hệ số tải nhân tố của các biến đều lớn hơn 0.5.
Theo bảng 4.6 kết quả EFA cho 4 thành phần gồm 18 biến quan sát, qua phương pháp xoay Kaiser Normalization cho thấy có 4 nhân tố tác động đến lòng trung thành thương hiệu.
Bảng 4.6: Tổng hợp kết quả phân tích nhân tố EFA của các biến độc lập Nhân tố 1 2 3 4 CT1 .721 CL8 .654 CL7 .648 CT4 .640 CL5 .620 CT3 .591 CL2 .560 TH2 .729 TH5 .665 TH1 .640 TH3 .606 TH4 .599 PP1 .742 PP2 .654 PP3 .620 GC2 .741 GC1 .727 GC3 .628
Phương pháp trích: Principal Component Analysis. Phương pháp xoay: Varimax with Kaiser Normalization;
Với nhân tố thứ nhất, ta gộp biến chất lượng cảm nhận và chiêu thị, sự kết hợp này kết hợp chung hợp lý vì khi doanh nghiệp sản xuất ra sản phẩm chất lượng để người tiêu dùng biết đến thì họ cần những cơng cụ chiêu thị như quảng cáo, giới thiệu, khuyến mãi, … Và đây là cách nhanh nhất để người tiêu dùng biết đến, tìm kiếm và dùng thử sản phẩm và khi người tiêu dùng cảm nhận được chất lượng sản phẩm thì sẽ dẫn đến việc sử dụng sản phẩm 1 cách thường xuyên
hơn. Do đó sự kết hợp chất lượng cảm nhận và chiêu thị là hợp lý, và tác giả đặt tên nhân tố này là Giá trị cảm nhận (7 biến).
Còn 3 nhân tố kia vẫn khơng đổi đó là Thương hiệu (5 biến), Giá cả cảm nhận (3 biến), Kênh phân phối (3 biến).
4.3.2. Phân tích nhân tố khám phá EFA với biến phụ thuộc Bảng 4.7: Kiểm định EFA với biến phụ thuộc Bảng 4.7: Kiểm định EFA với biến phụ thuộc
Đo lường Kaiser-Meyer-Olkin của việc lấy mẫu
tương thích. .766
Kiểm định xoay Bartlett
Chi-Square xấp xỉ 313.938
Df 6
Sig. .000
Theo bảng kiểm định trên ta có KMO bằng 0,766 lớn hơn 0,5 và kiểm định Barlett có ý nghĩa thống kê (Sig. = 0,000 < 0,05) nên EFA là phù hợp.
Phân tích nhân tố với 4 biến quan sát theo tiêu chuẩn Eigenvalue, trong bảng này ta thấy có 1 nhân tố được trích tại Eigenvalues là 2.468 và có tổng phương sai trích Cumulative (% tích lũy) là 61.705%. Điều này cho biết tổng biến thiên của lòng trung thành thương hiệu của khách hàng được giải thích bởi 1 nhân tố.
Bảng 4.8: Số nhân tố được trích Nhân
tố
Phương sai tổng của từng nhân tố ban đầu Tổng trích trọng số bình phương Tổng % Phương sai % Tích lũy Tổng % Phương sai % Tích lũy 1 2.468 61.705 61.705 2.468 61.705 61.705 2 .616 15.388 77.094 3 .523 13.083 90.177 4 .393 9.823 100.000