Kiểm định KMO and Bartlett's Test trong phân tích nhân tố khám phá EFA cho
thấy hệ số KMO=0,927 (>0,5) tương đối cao chứng tỏ phân tích nhân tố khám phá EFA thích hợp để sử dụng trong phân tích này.
Thêm vào đĩ, hệ số tải nhân tố của từng biến quan sát phải cĩ giá trị lớn hơn
0,5; điểm dừng khi Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 (mặc định của SPSS), và tổng phương sai dùng để giải thích bởi
từng nhân tố lớn hơn 50% mới thoả mãn điều kiện yêu cầu của phân tích nhân tố.
Tại các mức giá trị Eigenvalue > 1 và và phương pháp rút trích (Extraction method) là Principal component Analysis với phép xoay (Rotation) Varimax và phương pháp tính nhân tố là phương pháp Data reduction,
Kết quả phân tích thể hiện ở Phụ lục 9, cĩ 2 biến bị loại do cĩ hệ số tải nhân tố
(Factor loading) <0,5 là TC5 và PV4, Phân tích nhân tố đã trích được 7 nhĩm nhân tố từ 30 biến quan sát với phương sai trích là 72,90% (>50%) đạt yêu cầu.
3.3.3. Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (SHL_Sự hài lịng) và các biến độc lập (STC_Sự tin cậy; SDW_Sự đáp ứng; PPV_Năng lực phục vụ; CGC_Chính sách giá; SDC_Sự đồng cảm; PHH_Phương tiện hữu hình). Mơ hình phân tích hồi quy sẽ mơ tả hình thức của mối liên hệ và qua đĩ giúp ta dự đốn được
mức độ của biến phụ thuộc khi biết giá trị của biến độc lập. Kết quả phân tích được
3.3.3.1. Kiểm định sự phù hợp của mơ hình.
Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kiểm định F xem xét mối liên hệ tuyến tính giữa biến phụ thuộc với tồn bộ tập hợp của các biến độc lập.
Model Summary Mod el R R Square Adjusted R Square Std. Error of the Estimate 1 .777(a) .603 .599 .52590 a Predictors: (Constant), PHH, SDC, SDW, PPV, CGC, STC