CHƯƠNG 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.4. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
Trong nghiên cứu, chúng ta có thể thu thập được một lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau. Phân tích nhân tố khám phá là một nhóm các thủ tục được sử dụng để thu nhỏ và tóm tắt dữ liệu. Sau khi phân tích nhân tố, số lượng biến sẽ được giảm xuống và được trình bày dưới dạng một số ít nhân tố cơ bản chúng ta có thể sử dụng được nhưng vẫn có thể đại diện cho phần lớn ý nghĩa các biến thu thập.
Một số tiêu chuẩn mà các nhà nghiên cứu cần quan tâm trong phân tích nhân tố khám phá như sau (Trọng & Ngọc 2008):
- Kiểm định Bartlett (Bartlett’s test of sphericity): đại lượng Barlett là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan 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.
- Hệ số KMO (Kaiser-Mayer-Olkin): đây là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, phân tích nhân tố khám phá thích hợp khi 0.5≤KMO≤1.
- Hệ số tải nhân tố (Factor loading): là hệ số tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Theo Hair & ctg (1998), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố >0.3 được xem là đạt mức tối thiểu, >0.4 được xem là quan trọng và ≥0.5 được xem là có ý nghĩa thực tiễn. Nếu chọn hệ số tải nhân tố >0.3 thì cỡ mẫu nghiên cứu phải ít nhất 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải nhân tố >0.55, cỡ mẫu khoảng
50 thì hệ số tải nhân tố phải >0.75. Trong nghiên cứu này, với cỡ mẫu 204, tiêu chuẩn hệ số tải nhân tố được chọn là >0.5.
- Phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn
hơn 50%.
- Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố.
Chỉ những nhân tố có Eigenvalue>1 mới được giữ lại trong mơ hình phân tích (Gerbing & Anderson, 1998).
Nghiên cứu này sử dụng phương pháp phân tích nhân tố Principle Components và phép quay góc Varimax để tìm ra các nhân tố đại diện cho các biến. Varimax cho phép xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố.
Kết quả phân tích nhân tố khám phá của nghiên cứu như sau:
Bảng 4-4: Kết quả KMO và Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.878 Bartlett's Test of Sphericity Approx. Chi-Square 4794.905
df 300
Bảng 4-5: Kết quả phân tích nhân tố các biến độc lậpBiến quan sát Biến quan sát Nhân tố 1 2 3 4 DAT16 0.864 DAT15 0.802 DAT17 0.781 DAT19 0.707 DAT20 0.706 DAT18 0.698 DTC12 0.781 DTC11 0.755 DTC9 0.717 DTC10 0.667 DTC8 0.651 DTC14 0.607 DVKH25 0.503 TKW4 0.781 TKW5 0.732 DTC13 0.703 TKW7 0.613 TKW6 0.595 TKW3 0.572 TKW2 0.523 TKW1 0.510 DVKH23 0.879 DVKH22 0.850 DVKH24 0.841 DVKH21 0.612 Eigenvalue 12.067 2.331 1.739 1.517 % of Variance 48.269 9.325 6.957 6.069 Cumulative % 48.269 57.594 64.551 70.620 Cronbach's Alpha 0.928 0.912 0.884 0.904
Từ kết quả thu được tại Bảng 4-4 và Bảng 4-5 trên, có thể thấy:
- Hệ số KMO = 0.878 với mức ý nghĩa 0.00 trong kiểm định Bartlett’s test. Như vậy giả thuyết về ma trận tương quan tổng thể là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa mãn điều kiện trong phân tích nhân tố.
- Có 04 nhân tố được trích và tất cả các biến đều có hệ số tải nhân tố (factor loading) >0.5. Điều này chứng tỏ các biến và nhân tố có quan hệ chặt chẽ với nhau, đảm bảo mức ý nghĩa thiết thực của EFA.
- Tổng phương sai trích = 70.6% >50%.
- Chỉ số Eigenvalue của 04 nhân tố đều >1 nên 04 nhân tố đều được giữ lại trong mơ hình phân tích.
- Độ tin cậy Cronbach’s Alpha của các biến quan sát trong 04 nhân tố vừa trích đều thỏa mãn điều kiện về độ tin cậy (>0.6).
Như vậy, thang đo chất lượng dịch vụ trực tuyến của VNA từ 04 thành phần nguyên gốc sau khi phân tích nhân tố khám phá EFA thì vẫn giữ ngun 04 nhân tố với 25 biến quan sát. Các nhân tố trích ra đều đạt độ tin cậy và giá trị.