1.1 .5Khái niệm về sự thỏa mãn
3.3 Phân tích nhân tố
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn 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 (Hair & ctg, 1998).
Phân tích nhân tố được sử dụng khi hệ số Kaiser-Mayer-Olkin (KMO) có giá trị lớn hơn 0,5. Các hệ số chuyển tải nhân tố (Factor Loading) lớn hơn 0,5 sẽ được nhóm biến để đảm bảo sự hội tụ giữa các biến trong một nhân tố; điểm dừng khi eigenvalue lớn hơn 1 và tổng phương sai trích lớn hơn. Trong nghiên cứu này, phương pháp trích yếu tố Principal Components với phép quay Varimax sẽ được sử dụng để phân tích nhân tố.
3.3.1.Phân tích nhân tố biến độc lập
Phân tích nhân tố lần 1
Sử dụng phần mềm SPSS rút trích được 5 nhân tố với tham số thống kê KMO= 0.850> 0.5 với hệ số Bartlett có mức ý nghĩa Sig. nhỏ hơn 0.05 nên đủ điều kiện để thực hiện phân tích nhân tố EFA.
Dựa vào bảng giải thích biến thì có 5 nhân tố được rút ra với hệ số Eigenvalue 1.164 > 1 và 5 nhân tố này giải thích được 54.545% biến thiên dữ liệu (xem phụ lục 5).
Sau khi sử dụng phương pháp trích Principal Components với phép quay Varimax, kết quả đạt được như sau: 21 biến quan sát của chất lượng dịch vụ được gom thành 5 khái niệm. Lần lượt xem xét sự phù hợp của các biến quan sát, ta thấy rằng hh4, db2 và db4 có hệ số tải nhân tố nhỏ hơn 0.5. Các biến này sẽ bị loại từng biến để tiếp tục phân tích nhân tố lần nữa.
Phân tích nhân tố lần 2 loại bỏ biến db4
Mục tiêu của việc loại bỏ từng biến để xem xét xem các biến khác có thể cải thiện được hệ số tải nhân tố hay khơng. Do biến db4 có hệ số tải nhân tố bằng 3.86 thấp nhất trong 3 biến bị loại, nên biến này sẽ được loại bỏ đầu tiên.
Sau khi loại biến db4 khơng phù hợp khi có hệ số tải nhân tố nhỏ hơn 0.5 thì cịn lại 20 biến tiếp tục đưa vào phân tích nhân tố.
Sử dụng phần mềm SPSS để rút trích nhân tố, ta kiểm định hệ số KMO = 0.838> 0.5 và Bartlett có mức ý nghĩa Sig. nhỏ hơn 0.05, như vậy đạt điều kiện để phân tích nhân tố.
Dựa vào bảng giải thích biến thì có 5 nhân tố được rút ra, với hệ số Eigenvalue 1.156 >1và 5 nhân tố này giải thích được 55.058% biến thiên dữ liệu (xem phụ lục 6).
Tiếp tục sử dụng phương pháp trích Principal Components với phép quay Varimax, ta thấy có biến quan sát hh4 và db2 có hệ số tải nhân tố nhỏ hơn 0.5, như vậy tiếp tục loại 2 biến này và phân tích nhân tố lần 3.
Phân tích nhân tố lần 3 loại bỏ biến db2
Sử dụng phần mềm SPSS để rút trích nhân tố, ta kiểm định hệ số KMO=.834>0.5 và Bartlett có mức ý nghĩa Sig. nhỏ hơn 0.05, như vậy đạt điều kiện để phân tích nhân tố.
Dựa vào bảng giải thích biến thì có 5 nhân tố được rút ra với hệ số Eigenvalue 1.120> 1 và 5 nhân tố này giải thích được 56.553% biến thiên dữ liệu.
Tiếp tục sử dụng phương pháp trích Principal Components với phép quay Varimax, ta thấy có biến quan sát hh4 vẫn có hệ số tải nhân tố nhỏ hơn 0.5, như vậy tiếp tục loại biến này và phân tích nhân tố lần 4.
Phân tích nhân tố lần 4 loại bỏ biến hh4
Sử dụng phần mềm SPSS để rút trích nhân tố, ta kiểm định hệ số KMO=.820>0.5 và Bartlett có mức ý nghĩa Sig. nhỏ hơn 0.05, như vậy đạt điều kiện để phân tích nhân tố.
Dựa vào bảng giải thích biến thì có 5 nhân tố được rút ra với hệ số Eigenvalue 1.115> 1 và 5 nhân tố này giải thích được 57.811% biến thiên dữ liệu.
Kết quả phân tích nhân tố khám phá cho ra 5 nhân tố chính sau 4 lần thực hiện. Trong 5 nhân tố trích ra, ta quan sát thấy:
Nhóm nhân tố thứ 1(F1): Bao gồm các biến tc1, tc2, tc3, tc4 và hh5, hh6 là
các biến khơng có biến quan sát nào có hệ số chuyển tải (factor loading) nhỏ hơn 0,5 nên không bị loại khỏi mơ hình nghiên cứu. Nhóm nhân tố này chủ yếu liên quan đến yếu tố đáng tin cậy. Do vậy, nó có thể khái quát tên gọi chung cho nhóm là “Yếu tố Đáng tin cậy”
Nhóm nhân tố thứ 2(F2): Bao gồm các biến ct1, ct2, ct3 và db5 là các biến
khơng có biến quan sát nào có hệ số chuyển tải (factor loading) nhỏ hơn 0,5 nên khơng bị loại khỏi mơ hình nghiên cứu. Nhóm nhân tố này chủ yếu liên quan đến lịng cảm thơng. Do vậy nó vậy có thể khái quát tên gọi chung cho nhóm là “Yếu
tố Sự cảm thơng”
Nhóm nhân tố thứ 3(F3): Bao gồm các biến hh1, hh2, hh3 là các biến phù
hợp vì khơng có biến quan sát nào có hệ số chuyển tải (factor loading) nhỏ hơn 0,5 nên khơng bị loại khỏi mơ hình nghiên cứu. Nhóm nhân tố này chủ yếu liên quan đến yếu tố cơ sở vật chất. Do vậy, nó có thể khái quát tên gọi chung cho nhóm là
“Yếu tố Cơ sở vật chất”
Nhóm nhân tố thứ 4(F4): Bao gồm các biến nt2, nt1 và db3 là các biến phù
Nhóm nhân tố này chủ yếu thuộc về yếu tố nhiệt tình giúp đỡ của nhân viên nên nó có thể khái quát tên gọi chung cho nhóm là “Yếu tố Sự nhiệt tình”.
Nhóm nhân tố thứ 5(F5): Bao gồm các biến nt3 và db1 là các biến phù hợp
vì khơng có biến quan sát nào có hệ số chuyển tải (factor loading) nhỏ hơn 0,5. Nhóm nhân tố này chủ yếu thuộc về sự đảm bảo nên nó có thể khái quát tên gọi chung cho nhóm là “Yếu tố Sự đảm bảo”
3.3.2. Đánh giá thang đo bằng phân tích EFA cho các khái niệm của “Sự thỏa mãn của du khách” mãn của du khách”
Sử dụng phần mềm SPSS với phương pháp trích Principal Components với phép xoay Varimax, rút trích được 1 nhân tố với tham số thống kê KMO= 0.698 > 0.5 và kiểm định Bartlett có mức ý nghĩa Sig. nhỏ hơn 0.05 đủ điều kiện để thực hiện phân tích nhân tố EFA (xem phụ lục 9).
Kết quả từ SPSS có tham số thống kê Eigenvalue = 2.514 >1 thì có 1 nhân tố được rút ra và nhân tố này giải thích được 50.282% biến thiên dữ liệu với hệ số tải nhân tố của bốn biến quan sát hl1, hl2, hl3, hl4, hl5 lần lượt là 0.763, 0.727, 0.725, 0.671 và 0.654 đều lớn hơn 0.5. Nhân tố này được đặt tên là thành phần “Sự thỏa mãn của du khách”.