Nguồn: Kết quả phân tích dữ liệu khảo sát Trong phân tích nhân tố khám phá, các yêu cầu như sau:
- Kaiser-Meyer-Olkin (KMO): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Bartlett's Test of Sphericity: đại lượng Bartlett là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Điều kiện
Biến quan sát Thành phần 1 2 3 4 5 6 TC4 .762 .021 .206 .072 .140 -.036 TC3 .733 .273 .241 .076 -.030 .174 TC2 .724 .237 .248 .108 .107 .074 TC1 .721 .080 .101 .313 .077 -.056 PTHH5 -.026 .823 -.041 .021 .113 .251 PTHH1 .274 .737 .134 .092 .016 -.195 PTHH4 .191 .678 .313 .067 .024 .084 PTHH3 .098 .623 .205 .171 .216 -.214 PTHH2 .440 .510 .249 .200 .033 .100 NL1 .165 .010 .784 .138 .102 .093 NL2 .125 .246 .770 .123 -.016 -.011 NL5 .165 .190 .683 .082 -.023 -.085 NL4 .208 .068 .634 .124 -.048 .052 NL3 .222 .335 .407 .172 .070 -.361 DU1 .172 .115 .042 .792 -.009 .038 DU3 .101 .133 .070 .791 .034 -.123 DU2 .076 .114 .196 .726 -.005 .138 DU4 .111 -.014 .166 .725 -.012 -.024 DC3 .059 .082 -.084 -.037 .807 -.041 DC2 .127 -.030 .181 .075 .764 -.098 DC4 -.005 .167 -.100 -.134 .723 .390 DC1 .074 .164 -.030 -.017 .687 -.177 DC5 -.063 -.092 .104 .215 .531 .453 TC5 .435 .107 .066 .018 -.143 .619
cần để áp dụng phân tích nhân tố là các biến phải có phải có tương quan với nhau. (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Để phân tích EFA có giá trị thực tiễn; tiến hành loại các biến quan sát có hệ số tải nhân tố nhỏ hơn 0.5 (Nguyễn Đình Thọ, 2011).
- Thông số Eigenvalues: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố có giá trị lớn hơn 1 (Nguyễn Đình Thọ, 2011).
- Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn hơn hoặc bằng 0.3 để đạt được giá trị phân biệt giữa các nhân tố.
- Xem xét tổng phương sai trích (yêu cầu lớn hơn hoặc bằng 50%: cho biết các nhân tố được trích giải thích % sự biến thiên của các biến quan sát (Nguyễn Đình Thọ, 2011).
Kết quả phân tích nhân tố khám phá EFA cho các biến độc lập tại bảng 2.4 cho thấy biến quan sát NL3 “Tôi cảm thấy giao dịch qua mobile banking của Vietinbank CN 2 an tồn” có trọng số nhân tố nhỏ hơn 0.5 nên tác giả xem xét loại biến này ra khỏi thang đo. Bên cạnh đó, biến quan sát TC5 “Vietinbank CN 2 lưu giữ dữ liệu một cách chính xác” có trọng số nhân tố > 0.5 nhưng được trích ra một nhân tố khác và nhân tố này chỉ có một biến quan sát TC5 nên tác giả cũng xem xét loại biến quan sát TC5 ra khỏi thang đo. Như vậy, 22 biến quan sát cịn lại đều có trọng số nhân tố > 0.5 nên được giữ lại để sử dụng cho phân tích nhân tố khám phá EFA lần 2 sau khi đã loại 2 biến TC5 và NL3.
Kết quả phân tích nhân tố khám phá EFA của các biến độc lập lần 2 ở bảng 2.5 cho thấy 22 biến quan sát đo lường 5 biến độc lập rút trích được 5 nhân tố. Với hệ số KMO = 0.815 (xem phụ lục 7, mục 2) > 0.5 nên kết luận phân tích nhân tố là cần thiết cho dữ liệu phân tích. Kiểm định Bartlett (xem phụ lục ): Sig. = 0.000 < 5% nên kết luận các biến quan sát trong phân tích EFA là có tương quan với nhau trong tổng thể. Trọng số nhân tố của tất cả 22 biến quan sát đều > 0.5, khác biệt trọng số nhân tố của một biến quan sát trên các nhân tố đều lớn hơn 0.3 đảm bảo giá trị phân biệt giữa các nhân tố; hệ số Eigenvalues = 1.305; tổng phương sai trích mà 5 nhân tố đã trích được là 60.712% (>50%, xem phụ lục 7, mục 2).