CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.2 Kiểm định thang đo các nhân tố
4.2.2 Phân tích nhân tố khám phá (EFA)
Sau khi đánh giá độ tin cậy của thang đo chúng ta bắt đầu đi sâu vào phân tích nhân tố. Ban đầu, chúng ta có 25 biến quan sát, thông qua hệ số Cronbach Alpha còn lại 24 biến phù hợp cho phân tích nhân tố khám phá. Phân tích nhân tố khám phá EFA là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phƣơng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá
trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, cịn nếu nhƣ trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Ngồi ra, phân tích nhân tố còn dựa vào hệ số Eigenvalue để xác định số lƣợng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mơ hình. Đại lƣợng Eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố đƣợc xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tƣơng quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phƣơng pháp trích nhân tố Principal Components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt u cầu.
Phân tích khám phá nhân tố với các nhân tố ảnh hƣởng tới sự hài lòng của khách hàng mua hàng trực tuyến có kết quả nhƣ tại phụ lục 6. Để đáp ứng đƣợc phân tích nhân tố thì các biến phải có liên hệ với nhau. Nếu hệ số tƣơng quan nhỏ thì có thể dẫn đến phân tích nhân tố khơng thích hợp. Ngồi ra, chúng ta cịn sử dụng Bartlett’s Test of Sphericity để kiểm định giả thuyết Ho: khơng có mối tƣơng quan với nhau trong tổng thể.
Bảng 4.2: Hệ số KMO và Bartlett's Test
Kaiser-Meyer-Olkin 0.845 Bartlett's Test of Sphericity Approx. Chi-Square 3113.498 df 276 Sig. 0.000
Số lƣợng nhân tố: Theo tiêu chuẩn Eigenvalue thì có 6 nhân tố đƣợc rút ra. Và 6 nhân tố này giải thích đƣợc 65,312% (> 50%) sự biến thiên của dữ liệu. Bảng Communalities cho biết các thơng tin có liên quan sau khi số lƣợng nhân tố đƣợc rút ra. Nó cho biết các Communality của các biến tức là phần biến thiên đƣợc giải thích bởi các nhân tố chung. Việc giải thích kết quả đƣợc tăng cƣờng bằng cách xoay các nhân tố.
Bảng 4.3: Ma trận xoay các nhân tố từ kết quả phân tích EFA cho thấy có 24 biến đƣợc rút trích thành 6 nhân tố và đặt tên nhƣ sau:
Nhân tố 1 (I): Sự thuận tiện gồm 4 biến quan sát (I1, I2, I3, I4)
Nhân tố 2 (II): Hàng hóa gồm 4 biến quan sát (II1, II2, II3, II4)
Nhân tố 3 (III): Cấu trúc web gồm 5 biến quan sát (III1, III2, III3, III4, III5)
Nhân tố 4 (IV): An toàn gồm 3 biến quan sát (IV1, IV2, IV3)
Nhân tố 5 (V): Dịch vụ khách hàng gồm 5 biến quan sát (V1, V2, V3, V4, V5)
Nhân tố 6: Nhận thức giá trị gồm 3 biến quan sát (VI1, VI2, VI3)
Bảng 4.3: Kết quả phân tích EFA Biến Biến Yếu tố 1 2 3 4 5 6 V1 0.757 V5 0.738 V2 0.737 V3 0.72 V4 0.645 III2 0.817 III3 0.746 III5 0.703
III4 0.696 III1 0.514 I3 0.788 I2 0.752 I1 0.715 I4 0.588 VI3 0.876 VI1 0.813 VI2 0.789 II1 0.769 II4 0.712 II2 0.62 II3 0.615 IV1 0.736 IV3 0.701 IV2 0.603
Kết quả phân tích nhân tố đối với thang đo sự hài lòng của khách hàng đƣợc thể hiện tại phụ lục 7. Hệ số KMO = 0,637 và Sig. = 0,000 < 1%, do vậy phân tích nhân tố với biến này là thích hợp. Một nhân tố đƣợc trích rút tại eigenvalue là 2,006, phƣơng sai trích rút là 50,153% và các hệ số tải đều lớn hơn 0,5. Nhƣ vậy, các biến quan sát của thang đo này đạt yêu cầu cho phân tích tiếp theo. (bảng 4.4)
Bảng 4.4: Kết quả phân tích EFA sự hài lịng của khách hàng Biến quan sát Biến quan sát
Yếu tố
1
H3 0.598
Eigenvalue 2.006
Phƣơng sai trích rút (%) 50.153
KMO 0,637
Vậy biến phụ thuộc sự hài lòng của khách hàng mua hàng trực tuyến đƣợc ký hiệu là H gồm 4 biến quan sát nhƣ bảng 4.5
Bảng 4.5: Thang đo sự hài lòng khách hàng mua hàng trực tuyến Biến quan sát Sự hài lòng của khách hàng (H) Biến quan sát Sự hài lòng của khách hàng (H)
H1 Mức độ hài lòng khi mua hàng qua mạng
H2 Mức độ thích thú khi mua hàng qua mạng
H3 Mức độ tin tƣởng khi mua hàng qua mạng
H4 Bạn sẽ lặp lại việc mua hàng qua mạng
Từ mô hình ban đầu với 25 biến quan sát và biến I5 bị loại khi phân tích Cronbach Alpha. Đồng thời theo phân tích EFA ở trên 24 biến còn lại đƣợc gom thành 6 nhân tố nên ta có thể hiệu chỉnh lại mơ hình ban đầu nhƣ sau:
I: Sự thuận tiện II: Hàng hóa III: Cấu trúc web IV: An toàn
V: Dịch vụ khách hàng
H
Sự hài lịng của khách hàng trực tuyến
Hình 4.4: Mơ hình nghiên cứu điều chỉnh
VI: Nhận thức giá trị H1 H2 H3 H4 H5 H6