6. Cấu trúc của đề tài
3.4.3. Phân tích nhân tố khám phá EFA
Mục đích của phân tích nhân tố khám phá là để thu nhỏ và gom các biến lại nhằm đạt được giá trị hội tụ của các biến quan sát theo từng nhân tố và giá trị phân biệt giữa các nhân tố. Điều kiện cần và đủ để áp dụng phân tích nhân tố là khi kiểm định Bartlett (Barlett’s test of sphericity) với sig <0.05 và chỉ số KMO >0.5
Trong phân tích nhân tố phương pháp Principal components analysis đi cùng với phép xoay varimax thường được sử dụng. Sau khi xoay các nhân tố, hệ số tải nhân tố >0.5 được xem là có ý nghĩa thực tiễn. Phương sai trích phải đạt từ 50% trở lên. Ngoài ra, trị số Eigenvalues phải lớn hơn 1. Những nhân tố có Eigenvalues nhỏ
hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
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 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích nhân tố khám phá thang đo các thành phần chất lượng dịch vụ tiền gửi tiết kiệm
Kết quả phân tích nhân tố lần thứ nhất
Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong kiểm định KMO và Bartlett’s (bảng số 1, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.899>0.5 đáp ứng được yêu cầu. Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích đã trích được 4 nhân tố từ 18 biến quan sát và với tổng phương sai trích là 68.397% (lớn hơn 50%) đạt yêu cầu (bảng số 1, phụ lục 5). Dựa trên phân tích của bảng ma trận xoay nhân tố (bảng 1, phụ lục 5), biến TC1 bị loại do có hệ số tải nhân tố là 0.410 chưa đạt yêu cầu (nhỏ hơn 0.5). Do đó, việc phân tích nhân tố lần thức hai được thực hiện với việc loại biến TC1 ra khỏi thang đo.
Kết quả phân tích nhân tố lần thứ hai
Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong kiểm định KMO và Bartlett’s (bảng số 2, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.897>0.5 đáp ứng được yêu cầu. Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích đã trích được 4 nhân tố từ 17 biến quan sát và với tổng phương sai trích là 69.865% (lớn hơn 50%) đạt yêu cầu (bảng số 2, phụ lục 5). Kết quả tại bảng 3.3 cho thấy hệ số tải nhân tố của các biến đều lớn hơn 0.5 đạt yêu cầu.
Bảng 3. 3: Ma trận xoay nhân tố lần 2
Rotated Component Matrixa
Nhân tố
1 2 3 4
UXNV5 .751
UXNV2 .716
UXNV4 .733 UXNV3 .691 TC2 .768 TC3 .631 TC4 .719 TVKH1 .695 TVKH2 .595 TVKH3 .502 TCDV1 .848 TCDV2 .833 CSVC1 .765 CSVC2 .857 CSVC3 .795 CSVC4 .752
(Nguồn: Phân tích dữ liệu SPSS)
Dựa trên phân tích của bảng ma trận xoay nhân tố tại bảng 3.3, kết quả có tổng cộng 4 nhân tố được rút trích từ 17 biến quan sát, 17 biến quan sát này được nhóm lại thành 4 nhân tố bằng lệnh Transform/Compute Variable trong phần mềm SPSS như sau:
Nhân tố thứ nhất: gồm 4 biến quan sát (CSVC1, CSVC2, CSVC3, CSVC4) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần Phương tiện hữu hình. Ký hiệu là HH.
Nhân tố thứ hai: gồm 6 biến quan sát (TC2, TC3, TC4, TVKH1, TVKH2, TVKH3) được nhóm lại bằng lệnh trung bình và được đặt tên là thành Nghiệp vụ chuyên môn của nhân viên. Ký hiệu là NV.
Nhân tố thứ ba: gồm 5 biến quan sát (UXNV1, UXNV2, UXNV3, UXNV4, UXNV5) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần Thái độ phục vụ. Ký hiệu là TD.
Nhân tố thứ tư: gồm 2 biến quan sát (TCDV1, TCDV2) được nhóm lại bằng lệnh trung bình và được đặt tên là thành phần Tiếp cận dịch vụ. Ký hiệu là TC.
Phân tích nhân tố khám phá thang đo sự hài lòng của khách hàng
Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett’s (bảng 3.4) với sig = 0.000 và chỉ số KMO= 0.713 đều đáp ứng yêu cầu.
Bảng 3. 4: Kết quả kiểm định KMO và Bartlett’s Test
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .713 Bartlett's Test of Sphericity Approx. Chi-Square 196.845 Df 3 Sig. .000
(Nguồn: Phân tích dữ liệu SPSS)
Tại các mức giá trị Eigenvalues =2.223 (bảng 3.5), phân tích nhân tố đã rút trích được 1 nhân tố từ 3 biến quan sát với phương sai trích là 74.100% (>50%) đạt yêu cầu.
Bảng 3. 5: Bảng phương sai trích
Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2.223 74.100 74.100 2.223 74.100 74.100 2 .442 14.726 88.826
3 .335 11.174 100.000 Extraction Method: Principal Component Analysis.
(Nguồn: Phân tích dữ liệu SPSS)
Dựa trên phân tích của bảng ma trận xoay nhân tố (bảng 3, phụ lục 5), lệnh Transform/Compute Variable được sử dụng để nhóm 3 biến đạt yêu cầu (HL1, HL2, HL3) với hệ số tải nhân tố >0.5 được đặt tên là thành phần Sự hài lòng của khách hàng. Ký hiệu là HL.
Bảng 3. 6: Diễn giải các thành phần sau khi xoay nhân tố
Thành phần
Mã hóa Nội dung
Phương tiện hữu hình
(HH)
HH1 Hình ảnh bên ngoài ngân hàng đẹp, dễ nhận biết HH2 Trang thiết bị hiện đại
HH3 Không gian giao dịch thoải mái, tiện nghi HH4 Tờ rơi về sản phẩm dịch vụ rõ ràng, dễ hiểu
Nghiệp vụ chun mơn
(NV)
NV1 Nhân viên có năng lực giải quyết thỏa đáng những sai sót, sự cố
NV2 Nhân viên luôn cung cấp kịp thời những thông tin khách hàng quan tâm
NV3 Nhân viên luôn thực hiện đúng những lời hứa và cam kết đối với khách hàng
NV4 Nhân viên tư vấn cho khách hàng loại hình tiền gửi tiết kiệm phù hợp nhất.
NV5 Nhân viên hiểu rõ và giải thích cụ thể về dịch vụ của ngân hàng
NV6 Ngân hàng thơng báo chính xác thời gian dịch vụ được thực hiện
Thái độ phục vụ
(TD)
TD1 Ln sẵn lịng phục vụ khách hàng
TD2 Thao tác các giao dịch nhanh chóng, kịp thời TD3 Luôn thân thiện, nhã nhặn khi phục vụ khách hàng TD4 Quan tâm khi khách hàng có vướng mắc hay sự cố TD5 Trang phục gọn gàng, lịch sự
Tiếp cận dịch vụ
(TC)
TC1 Có giờ làm việc thuận tiện cho khách hàng
TC2 Có nhiều điểm giao dịch thuận tiện cho khách hàng Sự hài lịng
của khách HL1
Tơi thấy hài lòng với chất lượng dịch vụ tiền gửi tiết kiệm của ngân hàng
hàng
(HL) HL2
Tôi sẽ tiếp tục lựa chọn ngân hàng để gửi tiền trong những lần kế tiếp
HL3 Tôi sẽ giới thiệu cho bạn bè, người thân gửi tiết kiệm tại ngân hàng.