Yếu tố đánh giá Giá trị kiểm định
Hệ số KMO 0,709
Giá trị Sig. trong kiểm định Bartlett's 0,000
Tổng phương sai trích 67,390
Giá trị Eigenvalues 1,460
(Nguồn: Kết quả xử lý SPSS, 2019)
Bartlett’s Test dùng để kiểm định giả thuyết H0 là các biến khơng có tương quan với nhau trong tổng thể, tức ma trận tương quan tổng thể là một ma trận đơn vị, hệ số KMO dùng để kiểm tra xem kích thước mẫu có phù hợp với phân tích nhân tố hay khơng (Hồng Trọng & Chu Nguyễn Mộng Ngọc ( 2008 )) thì giá trị Sig. của Bartlett’s Test nhỏ hơn 0,05 cho phép bác bỏ giả thuyết H0 và giá trị 0,5<KMO<1 có nghĩa phân tích nhân tố là thích hợp.
Kết quả kiểm định Kaiser – Meyer – Olkin cho giá trị là 0,709lớn hơn 0,5. Kết quả này chứng tỏ rằng mẫu đủ lớn và đủ điều kiện thực hiện phân tích nhân tố. Bên cạnh đó, kiểm định Barlett cho kết quả p – value (sig.) là 0,000 bé hơn 0,05. Cho thấy các biến có tương quan với nhau nên mơ hình là phù hợp để đưa vào phân tích nhân tố khám phá. Có 6 nhân tố được trích ra đều có giá trị
Tổng phương sai trích của 6 nhân tố bằng 67,390% > 50% điều này cho thấy, khả năng sử dụng 6 nhân tố thành phần này giải thích được 67,39% biến thiên của các biến quan sát. Dựa vào ma trận xoay nhân tố khi chạy EFA có 20 biến quan sát được trích thành 6 nhân tố.
Như này, sau khi tiến hành kiểm định độ tin cậy Cronbach’s Alpha và phân tích nhân tố EFA thì 20 biến quan sát và 6 nhân tố, các nhân tố bao gồm: Dịch vụ (DV), Thuận lợi (TL), Giá cả ( GC), Sẵn có (SC), Địi hỏi (DH), Chất lượng (CL). Nhân tố “Dịch vụ” được đo lường bởi các biến “ DV1, DV2, DV3, DV4”, nhân tố “Thuận lợi”được đo lường bởi các biến “ TL1, TL2, TL3, TL4”, nhân tố “ Giá cả” được đo lường bởi các biến “GC1, GC2, GC3”, nhân tố “ Sẵn có” được đo lường bởi các biến “ SC1, SC2, SC3”, nhân tố “ Chất lượng” được đo lường bởi các biến “ CL1, CL2, CL3”, nhân tố “ Đòi hỏi” được đo lường bởi các biến “ DH1, DH2, DH3”.
b, Phương pháp xoay nhân tố Varimax
Phương pháp phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal Component Analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ trong mơ hình phân tích. Phương pháp được chọn ở đây là phương pháp xoay nhân tố Varimax, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏ hơn 0,5 ra khỏi mơ hình. Chỉ những quan sát có hệ số tải nhân tố lớn hơn 0,5 mới được sử dụng để giải thích một nhân tố nào đó. Đối chiếu với các tiêu chuẩn đặt ra, các biến không đạt yêu cầu bị loại bỏ.
Sau khi xoay nhân các nhân tố, ta thấy sự tập trung của các quan sát theo từng nhân tố đã khá rõ. Bảng kết quả phân tích cho thấy có 3 nhân tố được tạo ra có giá trị Eigenvalues lớn hơn 1 với giá trị total 1,460. Và 6 nhân tố này giải
thích được 67,390% biến thiên của dữ liệu. Đây là một tỷ lệ tương đối cao trong phân tích nhân tố.