CHƯƠNG 4 PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
4.4 ĐÁNH GIÁ THANG ĐO
4.4.2.1 Phân tích nhân tố khám phá EFA thang đo các thành phần dịch vụ
Khi phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn. Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin)3 ≥ 0,5, mức ý nghĩa của kiểm định Barlett ≤ 0,05. Thứ hai, hệ số tải nhân tố (Factor loading) ≥ 0,5. Nếu biến quan sát nào có hệ số tải nhân tố < 0,5 sẽ bị loại 4.
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% . Thứ tư là, hệ số eigenvalue có giá trị lớn hơn 1 (Trần Đức Long (2006, 47) trích từ Gerbing và Anderson (1998), “An Update Paradigim for Scale Development Incorporing Unidimensionality and Its Assessments”, Jurnal of Marketing Research, Vol.25,
186-192). Và tiêu chuẩn thứ năm là khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Bùi Nguyên Hùng và Võ Khánh Tồn (2005) trích từ Jabnoun và Al-Tamimi (2003) “Mesauring perceived service quality at UAE commercial banks”, International Journal of Quality and Reliability Managerment, (20), 4).
Khi phân tích nhân tố EFA đối với thang đo CLDV logistics của NCC dịch vụ Logistics, tác giả sử dụng phương pháp trích Principal Component Analysis với phép xoay Varimax và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1.
3
KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5≤KMO≤1 thì phân tích nhân tố là thích hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thế. 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 Chu Nguyễn Mộng Ngọc, 2005, trang 262).
4
Theo Hair và cộng sự (1998, trang 111), Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance), Factor loading > 0,3 được xem là đạt được mức tối thiểu, Factor loading >0,4 được xem là quan trọng, ≥0,5 được xem là có ý nghĩa thực tiễn. Hair và cộng sự (1998, trang 111) cũng khuyên bạn đọc như sau: nếu chọn tiêu chuẩn factor loading >0,3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn factor loading >0,55, nếu cỡ mẫu của
Thang đo các nhân tố hình thành nên mơ hình nghiên cứu sự hài lòng của khách hàng đối với dịch vụ logistics của NCC dịch vụ Logistics gồm 6 nhân tố và được đo bằng 21 biến quan sát. Sau khi kiểm tra mức độ tin cậy bằng hệ số Cronbach’s Alpha, tất cả các biến quan sát đều đạt độ tin cậy và được đưa vào tiếp tục phân tích nhân tố để đánh giá mức độ hội tụ của các biến quan sát theo từng nhân tố và giá trị phân biệt giữa các nhân tố.
Kết quả phân tích nhân tố lần thứ 1:
• Hệ số KMO =0,929 (bảng 4.4) cho thấy dữ liệu là phù hợp để thực hiện phân tích nhân tố. (0,5<KMO<1) (Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008)).
Kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett's xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể với giả thuyết.
o H0: Khơng có tương quan giữa các biến quan sát o H1: Có tương quan giữa các biến quan sát o Với mức ý nghĩa α = 5%
o Sig. = 0.000 (0%) < α = 5%
Có thể bác bỏ H0, nghĩa có tương quan giữa các biến quan sát hay phân tích nhân tố có ý nghĩa thống kê với độ tin cậy 95%.
Bảng 4.4 Kiểm định KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .929
Approx. Chi-Square 2765.231
df 378
Bartlett's Test of Sphericity
Sig. .000
Kết quả phân tích EFA cho thấy tại các mức giá trị Eigenvalues lớn hơn 1 với phương pháp rút trích Principal components và phép xoay varimax, phân tích nhân tố đã rút trích được 5 nhân tố (bảng F7.2) từ 21 biến quan sát với phương sai trích là 64,373 % ( > 50%) đạt yêu cầu.
Sau khi xoay các nhân tố, trong 21 biến trong bảng ma trận xoay các nhân tố, có 1 biến (PRI3) có hệ số tải nhân tố (bảng F7.2, phụ lục 7) < 0,5 không đạt yêu
cầu. Và xét đến tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố lớn hơn hay bằng 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố thì biến có 7 biến (PRO3, MAN1,OUT1, RES4, PRI1, RES2, IMA1) kh ông đạt y êu cầu, do khơng có sự chênh lệch rõ ràng giữa các hệ số tải nhân tố nên có khả năng các biến này tạo ra việc trích nhân tố giả. Vì vậy, phân tích nhân tố sẽ được tiến hành lần thứ hai với việc loại ra 1 biến có hệ số tải nhân tố thấp nhất PRI3(0,419) trong các biến này.
Sau 8 lần phân tích nhân tố, ta có bảng tổng kết như sau:
Bảng 4.5 Bảng tổng kết kết quả sau 8 lần phân tích nhân tố.
Phân tích nhân tố (Lần) Hệ số KMO Số nhân tố rút trích được Phương sai trích
(điều kiện >50%) Biến bị loại
1 0.929 5 64.373% PRI3 2 0.914 3 60.999% OUT1 3 0.907 3 61.069% RES4 4 0.897 3 61.375% OUT4 5 0.897 3 62.348% PRO3 6 0.900 3 63.208% OUT3 7 0.898 3 63.908% MAN1 8 0.887 3 64.346%
Kết quả phân tích nhân tố lần thứ 8:
Kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett's có kết quả S ig. = 0,000 và chỉ số KMO = 0,887 > 0,5 (bảng F7.4, phụ lục 7). Như vậy, điều kiện các biến phải có tương quan với nhau đạt yêu cầu. Và điều kiện thích hợp để phân tích nhân tố là đạt yêu cầu.
Kết quả phân tích EFA cho thấy tại các mức giá trị Eigenvalues lớn hơn 1 với phương pháp trích Principal components và phép xoay Varimax, phân tích nhân tố đã rút trích được 3 nhân tố (bảng F7.5, phụ lục 7) từ 14 biến quan sát với phương
64,346% cho thấy 3 nhân tố vừa rút ra giải thích được 64,346% biến thiên của dữ liệu.
Bảng 4.6 Kết quả phân tích EFA của thang đo các thành phần dịch vụ
Nhân Tố Biến quan sát 1 2 3 IMA3 .836 IMA2 .826 IMA1 .824 RES2 .694 OUT2 .674 RES1 .672 RES3 .598 OUT5 .555 PRO1 .840 PRO2 .839 PRO4 .752 MAN2 .623 PRI2 .869 PRI1 .704 Eigenvalues 6.260 1.726 1.022 Phương sai trích (%) 44.718 12.326 7.303
Kết quả từ bảng 4.6: ba nhân tố rút trích ra đạt yêu cầu với hệ số tải nhân tố >0,5, chênh lệch giữa các hệ số tải nhân tố >0,3. Kết quả này cho thấy ba thành phần Nguồn lực, Năng lực phục vụ và Uy tín/ Thương hiệu của NCC dịch vụ logistics được gộp thành một (không đạt giá trị phân biệt), hai thành phần Quá trình phục vụ và năng lực quản lý cũng được gộp lại thành một thành phần. Riêng thành phần Giá cả có giá trị phân biệt. Như vậy, trên lý thuyết các thành phần này là riêng biệt nhưng về mặt thực tiễn thì được gộp lại. Trường hợp này cũng thường xảy ra trong các nghiên cứu của các ngành khoa học xã hội (Bollen và Hoyle (1991)).
Ba nhân tố được rút trích ra sẽ được đặt tên lại bằng lệnh Transform/ Compute như sau:
Nhân tố 1: Uy tín và năng lực (REI) gồm 8 biến quan sát: IMA1, IMA2,
IMA3, RES1, RES2, RES3, OUT2, OUT5.
Nhân tố 2: Quá trình phục vụ (PRO) gồm 4 biến quan sát: PRO1, PRO2, PRO4, MAN2.
Nhân tố 3 : Giá cả (PRI) gồm 2 biến quan sát: PRI1, PRI2.