CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3 ĐÁNH GIÁ ĐỘ TIN CẬ ỦA THANG ĐO
4.3.3 Phân tích nhân tố khám phá EFA
Các biến đã đạt yêu cầu sau khi kiểm tra độ tin cậy Cronbach’s alpha đƣợc đƣa vào phân tích nhân tố. Trong phân tích nhân tố, Chỉ số KMO (Kaiser-Meyer- Olkin measure of sampling adequacy) là một chỉ số đƣợc dùng để xem xét sự thích hợp của các phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) có nghĩa phân tích nhân tố là thích hợp, nếu chỉ số KMO nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Đã đƣợc phân tích ở phần 3.2.1.2).
Trong phân tích nhân tố phƣơng pháp rút trích các thành phần chính (Principal components analysis) và phép xoay nhân tố Varimax procedure (xoay nguyên các góc nhân tố để tối thiểu hóa lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cƣờng khả năng giải thích các nhân tố) đƣợc sử dụng. Sau khi xoay các nhân tố, hệ số tải nhân tố lớn hơn 0.5 đƣợc xem là có ý nghĩa thực tiễn (Hair & ctg,
1998). Phƣơng sai trích phải đạt từ 50% trở lên (Hair & ctg, 1998) và điểm dừng khi trích nhân tố có Eigenvalue là 1, chỉ những nhân tố nào có Eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mơ hình. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc (Đã đƣợc phân tích ở phần 3.2.1.2).
Ngoài ra, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Đã đƣợc phân tích ở phần 3.2.1.2).
4.3.3.1 Phân tích các nhân tố khám phá các yếu tố tác động đến sự hài lịng
Kết quả phân tích nhân tố lần thứ nhất (Phụ lục 9)
Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's với sig = 1.1 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng
quan với nhau đạt yêu cầu. Chỉ số KMO = 0.906 >0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Tại các mức giá trị Eigenvalues = 1.028 với phƣơng pháp rút trích Principal components và phép xoay varimax, với phƣơng sai trích là 73.84 đạt yêu cầu.
Sau khi xoay các nhân tố, hệ số tải nhân tố của 23 biến trong bảng ma trận xoay các nhân tố (Rotated Component Matrixa) > 0.5 đạt yêu cầu. Tuy nhiên, xét đến tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố lớn hơn hay bằng 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố thì biến có 2 biến (PI5, PI9) bị loại, do khơng có sự chênh lệch rõ ràng giữa các hệ số tải nhân tố nên có khả năng các biến này tạo ra việc trích nhân tố giả. Vì vậy, phân tích nhân tố sẽ đƣợc tiến hành lần thứ hai với việc loại ra các biến này.
Kết quả phân tích nhân tố lần thứ hai (Phụ lục 10)
Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's với sig = 1.1 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng
quan với nhau đạt yêu cầu. Chỉ số KMO = 0.920 >0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Tại các mức giá trị Eigenvalues = 1.027 với phƣơng pháp rút trích Principal components và phép xoay varimax, với phƣơng sai trích là 74.967 đạt yêu cầu.
Phân tích nhân tố đã rút trích đƣợc 5 nhân tố từ 21 biến quan sát. Hệ số tải nhân tố 21 biến của 5 nhân tố tác động đến sự hài lòng của khách hàng đều > 0.5, đạt yêu cầu. Khác biệt hệ số tải nhân tố đều lớn hơn 0.
Bảng 4.2: Ma trận xoay các nhân tố
Rotated Component Matrixa
Component 1 2 3 4 5 PI2 .816 .120 .144 .141 .163 PI4 .792 .183 .165 .170 .184 PI7 .768 .233 .099 .158 .240 PI1 .755 .158 .280 .049 .068 PI8 .737 .158 .118 .114 .181 PI6 .728 .169 .123 .181 .113 PI3 .218 .830 .088 .212 .147 RL1 .152 .785 .308 .130 .155 RL3 .192 .777 .314 .129 .023 RL2 .262 .751 .308 .141 .175 PO1 .192 .671 .078 .273 .280 PA3 .208 .196 .802 .160 .245 PA1 .184 .243 .774 .185 .152 PA2 .185 .184 .736 .083 .306 RL4 .262 .408 .721 .153 .137 PS1 .205 .154 .136 .853 .042 PS2 .186 .202 .158 .838 .156 PS3 .170 .255 .147 .814 .124 PO2 .187 .154 .256 .168 .797 PO3 .379 .236 .210 .087 .740 PO4 .248 .187 .274 .091 .737
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
Matrix) lệnh Transform/ Compute Variable/ mean đƣợc sử dụng để nhóm các
biến đạt yêu cầu với hệ số tải nhân tố > 0.5 thành năm nhân tố. Mặc dù có lệch biến giữa một vài nhân tố, nhƣng vẫn khơng làm thay đổi tính chất của nhân tố đó. Các nhân tố này đƣợc gom lại cụ thể nhƣ sau:
Nhân tố thứ nhất: Nhân tố tƣơng tác cá nhân (PI) đƣợc nhóm từ trung bình của 6 biến quan sát: PI1, PI2, PI4, PI6, PI7, PI8.
Nhân tố thứ hai: Nhân tố sự tin cậy (RL) đƣợc nhóm từ trung bình của 5 biến quan sát: RL1, RL2, RL3, PI3, PO1.
Nhân tố thứ ba: Nhân tố cơ sở vật chất (PA) đƣợc nhóm từ trung bình của 4 biến quan sát: PA1, PA2, PA3, RL4.
Nhân tố thứ tƣ: Nhân tố giải quyết vấn đề (PS) đƣợc nhóm từ trung bình của 3 biến quan sát: PS1, PS2, PS3.
Nhân tố thứ năm: Nhân tố chính sách đại lý (PO) đƣợc nhóm từ trung bình
của 3 biến quan sát: PO2, PO3, PO4.
4.3.3.2 Phân tích các nhân tố khám phá thang đo sự hài lòng:
Thang đo sự hài lòng gồm 3 biến quan sát, sau khi đạt độ tin cậy bằng phân tích hệ số Cronbach’s alpha đƣợc sử dụng để phân tích nhân tố khám phá.
Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett's với sig = 0.000 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau đạt yêu cầu. Chỉ số KMO = 0.720 > 0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Tại các mức giá trị Eigenvalues = 2.312, phân tích nhân tố đã rút trích đƣợc 1 nhân tố từ 3 biến quan sát với phƣơng sai trích là 77.074% ( > 50%) đạt yêu cầu.
Tất cả các hệ số tải nhân tố của các biến đều lớn hớn 0.5 đạt yêu cầu với CS1, CS2, CS3 lần lƣợt là 0.899, 0.886, 0,848 (Phụ lục 11)
Nhƣ vậy, dựa vào các kết quả phân tích nhân tố khám phá EFA trên cho thấy các thang đo sự hài lòng và năm nhân tố tác động đến sự hài lòng đều đạt giá trị hội tụ, hay các biến quan sát đại diện đƣợc cho các khái niệm cần đo. Lệnh Transform/ Compute Variable đƣợc sử dụng để nhóm ba biến CS1, CS2, CS
thành biến hài lòng ký hiệu là (CS).