Biến mô tả Chi tiết Tần số Phần trăm
Độ tuổi Dưới 25 tuổi 43 18% 25 – 30 tuổi 177 74.1% 31 – 35 tuổi 16 6.7% Trên 35 tuổi 3 1.3% Tổng cộng 239 100% Nghề nghiệp/chức vụ Quản lý 41 17.3% Nhân viên 150 62.8% Khác 48 19.9% Tổng cộng 239 100%
Tần suất giao dịch trung bình/năm
Dưới 4 lần 25 10.5%
4 – 12 lần 81 33.9%
Trên 12 lần 133 55.6%
Tổng cộng 239 100%
(Nguồn: xử lý của tác giả)
4.2 ĐÁNH GIÁ THANG ĐO
Các thang đo được đánh giá sơ bộ thông qua hai công cụ: hệ số Cronbach alpha và phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis).
Độ tin cậy là mức độ tránh được các sai số ngẫu nhiên. Độ tin cậy liên quan đến tính chính xác, tính nhất quán của kết quả. Nó là điều kiện cần để một đo lường có giá trị. Chúng ta có thể thiết lập độ tin cậy dựa vào hệ số Cronbach alpha. Hệ số này cho biết mức độ tương quan giữa các biến trong câu hỏi, được dùng để tính sự thay đổi của từng biến và mối tương quan giữa các biến (Bol E. Hayes, 1998). Qua đó, các biến có hệ số tương quan biến tổng (Corrected Item Total Correlation) nhỏ hơn 0.3 sẽ bị loại (Bol E. Hayes, 1998). Tiêu chuẩn chọn thang đo là khi có độ tin cậy Cronbach alpha từ 0.7 trở lên (Nunnally, 1978).
Sau khi các thang đo được đánh giá độ tin cậy là đạt yêu cầu, chúng sẽ được đưa vào phân tích nhân tố EFA. Phân tích nhân tố EFA chỉ được sử dụng khi hệ số KMO (Kaise – Mayer – Olkin) có giá trị nằm trong khoảng 0.5 đến 1 (Marija J.Norusis, 1993). Khi đó, các biến có hệ số tải nhân tố (factor loadings) phải lớn hơn hoặc bằng 0.5 (Hair và cộng sự, 1998) và các trọng số tải của chính nó ở factor khác nhỏ hơn 0.35 (Igbaria và cộng sự, 1995) hoặc khoảng cách giữa hai trọng số tải của cùng một biến ở hai factor khác nhau lớn hơn 0.3 (Jabnoun và cộng sự, 2003). Thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50% (Hair và cộng sự, 1998) và Eigenvalue có giá trị lớn hơn 1 (Gerbin và Anderson, 1988).
Đối với thang đo sự tiện lợi của dịch vụ (khái niệm đa hướng): sử dụng phương pháp phân trích hệ số Principal axis factoring với phép xoay Promax 1 và điểm dừng khi trích các yếu tố có Eigenvalue bằng 1.
Với thang đo sự thỏa mãn (khái niệm đơn hướng): sử dụng phương pháp trích hệ số Principal components với phép xoay Varimax.
4.3 Kiểm tra độ tin cậy các thang đo 4.3.1 Sự tiện lợi
Thành phần tiện lợi để ra quyết định bao gồm ba biến quan sát (RQD1, RQD2, RQD3) đều thỏa mãn yêu cầu vì hệ số Cronbach alpha bằng 0.823 lớn hơn 0.7. Hệ số tương quan biến tổng của tất cả các biến nhỏ nhất bằng 0.662, lớn nhất bằng 0.691, khơng có biến nào nhỏ hơn 0.3. Các biến của thành phần tiện lợi để ra quyết định đều thỏa điều kiện để sử dụng trong phân tích nhân tố EFA tiếp theo (Bảng 4.4).
1 Phương pháp trích yếu tố Principal axis factoring với phép xoay Promax (oblique) sẽ phản ánh cấu
trúc dữ liệu chính xác hơn phương pháp Principal components với phép xoay Varimax (Gerbing & Anderson, 1988). Phương pháp trích Principal axis factoring sẽ cho ta kết quả là số lượng nhân tố ít nhất để giải thích phương sai chung của tập hợp các biến quan sát trong sự tác động qua lại giữa chúng. Trong khi đó phương pháp Principal components sẽ cho ta kết quả là một tập hợp các nhân tố
giải thích cả phương sai chung và đặc trưng của biến. Tuy nhiên với các thang đo đơn hướng thì phép trích Principal components được sử dụng.
Tương tự cho các nhóm cịn lại, kết quả như sau:
Thành phần tiện lợi khi tiếp cận bao gồm ba biến quan sát (TC4, TC5, TC6) đều thỏa mãn vì hệ số Cronbach alpha bằng 0.816, hệ số tương quan biến tổng các biến còn lại đều lớn hơn 0.3 nên cả ba biến đều đạt yêu cầu cho phân tích nhân tố tiếp theo (Bảng 4.4)
Thành phần tiện lợi khi giao dịch bao gồm ba biến quan sát (GD7, GD8,
GD) đều thỏa mãn vì hệ số Cronbach alpha bằng 0.867, hệ số tương quan biến tổng các biến còn lại đều lớn hơn 0.3 nên cả ba biến đều đạt yêu cầu cho phân tích nhân tố tiếp theo (Bảng 4.4).
Thành phần tiện lợi của lợi ích bao gồm ba biến quan sát (LI10, LI11, LI12) đều thỏa mãn có hệ số Cronbach alpha bằng 0.847, hệ số tương quan biến tổng các biến còn lại đều lớn hơn 0.3 nên cả ba biến đều đạt yêu cầu cho phân tích nhân tố tiếp theo (Bảng 4.4).
Thành phần tiện lợi của hậu mãi bao gồm ba biến quan sát (HM13, HM14, HM15) đều thỏa mãn vì có hệ số Cronbach alpha bằng 0.766, hệ số tương quan biến tổng các biến còn lại đều lớn hơn 0.3 nên cả ba biến đều đạt yêu cầu cho phân tích nhân tố tiếp theo (Bảng 4.4).