Cronbach’s Alpha = 0.911
Biến Diễn giải Tương quan
biến tổng
Hệ số Alpha nếu bỏ biến Sự hài lòng 1 Nhà thuốc đáp ứng nhữngkỳ vọng của khách hàng. .791 .896
Sự hài lòng 2 Khách hàng hài lòng với chất lượng dịch vụ của nhà thuốc. .885 .817 Sự hài lòng 3 Quý khách sẽ tiếp tục sử dụng dịch vụ và giới thiệu cho bạn bè, người thân
.789 .899
(Nguồn Số liệu 2019)
Tóm lại, sau khi kiểm tra độ tin cậy, với 30 biến ban đầu của thang đo chất lượng dịch vụ và sự hài lòng của khách hàng sau khi kiểm định Cronbach’s Alpha, tất cả các biến đủ điều kiện để tiếp tục phân tích nhân tố khám phá.
2.3.4 Phân tích nhân tố khám phá (EFA)
2.3.4.1 Phương pháp phân tích
Phân tích nhân tố khám phá (Exploratory Factor Analysis) là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser – Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Kiểm định Bartlett xem xét giả thuyết Ho: độ tương quan giữa các biến quan sát bằng khơng trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. Barlett’s Test ≤ 0.05) thì các biến quan sát có tương quan trong tổng thể.
Ngồi ra, phân tích nhân tố cịn dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigen - value lớn hơn 1 và tổng phương sai trích lớn hơn
50% thì mới được giữ lại trong mơ hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eige - value nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Cỡ mẫu trong nghiên cứu này là 90, như vậy nên chọn hệ số tải nhân tố ≥ 0.5. Em phân tích nhân tố khám phá EFA riêng biệt cho biến độc lập và biến phụ thuộc nhằm tránh trường hợp khi phân tích hồi quy tuyến tính sẽ khơng có ý nghĩa vì hiện tượng các biến độc lập và phụ thuộc giải thích qua lại cho nhau.
2.3.4.2 Kết quả EFA cho biến độc lập