1(ATBM) 2(TTIEN) 3(LOIICH) 4(DESD) 5(CHIPHI) 6(MAR) 7(HANH)
MAR.4 0,656 MAR.1 0,504 HANH.2 0,804 HANH.1 0,732 HANH.3 0,626 Eigenvalue 9,945 1,693 1,399 1,265 1,218 1,148 1,083 P.sai trích (%) 10,391 9,485 9,352 9,192 8,291 7,658 6,842 C.Alpha 0,820 0,807 0,769 0,828 0,753 0,706 0,712
(Nguồn: Phụ lục 06 – Kết quả kiểm định EFA)
- Phân tích nhân tố khám phá EFA đối với các thang đo quyết định sử dụng
Kết quả phân tích nhân tố khám phá (EFA) cho thấy tất cả 4 biến quan sát trong thành phần quyết định sử dụng vẫn giữ nguyên thành phần ban đầu. Hệ số KMO = 0,757 nên EFA phù hợp với dữ liệu và thống kê Chi-quare của kiểm định Bertlett đạt giá trị 412,030 với mức ý nghĩa 0,000; do vậy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể; phương sai trích được là 60,12% thể hiện nhân tố rút ra được giải thích 60,69% biến thiên của dữ liệu, tại hệ số Eigenvalue = 2,405.
Bảng 2.9: Kiểm định KMO biến phụ thuộc
Hệ số KMO 0,757
Chi bình phương 412,030
Hệ số Bartlett 6
Ý nghĩa thống kê 0,000
Bảng 2.10: Kết quả phân tích nhân tố EFA đối với các thang đo biến phụ thuộcBiến quan sát Nhân tố Biến quan sát Nhân tố
SUDUNG.4 0,811 SUDUNG.2 0,799 SUDUNG.3 0,790 SUDUNG.1 0,696 Eigenvalue 2,405 Phương sai trích (%) 60,12 C.Alpha 0,773
2.2.3.3 Kiểm định các giả thuyết và mơ hình nghiên cứu
Sau khi đã phân tích nhân tố khám phá (EFA) và xác định các yếu tố thành phần có ảnh hưởng đến biến phụ thuộc (quyết định sử dụng) thì sau đây các giả thuyết nghiên cứu cần phải được kiểm định bằng phương pháp phân tích hồi quy. Phương pháp thực hiện là phân tích hồi quy tuyến tính, đưa vào từng lượt (Enter) để kiểm định các giả thuyết đã đề ra là có mối quan hệ tuyến tính giữa các thành phần đã đề xuất với quyết định sử dụng và xác định vai trò quan trọng của từng thành phần trong việc ảnh hưởng đến quyết định sử dụng thẻ tín dụng tại SCB.
Để đánh giá độ phù hợp của mơ hình, các nhà nghiên cứu sử dụng hệ số xác định R2(R-quare) để đánh giá mức độ phù hợp của mơ hình nghiên cứu, hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, tuy nhiên khơng phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có một biến giải thích trong mơ hình. Như vậy, trong hồi quy tuyến tính bội thường dùng hệ số R2 điều chỉnh ( >0,5) để đánh giá độ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Bên cạnh đó, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin – Watson (1< Durbin – Watson < 3) và khơng có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF < 2,5). Hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự thỏa mãn khách hàng càng lớn (Hồng Trọng và Mộng Ngọc, 2005).
Kết quả mơ hình hồi quy lần 1 có hệ số xác định R2 (R-quare) là 0,567 và R2 điều chỉnh (Adjusted R-quare) là 0,559; cho thấy mơ hình tuyến tính đã xây dựng phù hợp với tập dữ liệu với mức 55,9% (nghĩa là mơ hình đã giải thích được 55,9% sự biến thiên của biến phụ thuộc quyết định sử dụng). Trị số thống kê F đạt giá trị 69,671 được tính từ giá trị R2 của mơ hình đầy đủ, tại mức ý nghĩa Sig = 0,000; kiểm tra hiện tượng tương quan bằng hệ số Durbin – Watson (1<1,814<3). Như vậy, mơ hình hồi quy tuyến tính bội đưa ra là phù hợp với mơ hình và dữ liệu nghiên cứu. Kết quả phân tích hồi quy phương trình được trình bày.