Biến quan sát Nhân tố
1
TT3 .807
TT2 .791
TT1 .691
Nguồn: Kết quả phân tích SPSS
Từ kết quả EFA đối với thang đo lòng trung thành của khách hàng, có 1 thành phần được rút trích với 3 biến quan sát (phụ lục 6) với: Chỉ số KMO là 0.631 nằm trong khoảng (0.5;1) chứng tỏ giữa các biến có tương quan và kiểm định Bartlett có mức ý nghĩa 0.000 nên phù hợp, đủ điều kiện để phân tích EFA. Chỉ số Eigenvalue là 1.754, Tổng phương sai trích được là 58.481% > 50% cho biết 10 nhân tố đầu tiên giải thích được 58.481 % sự biến thiên của dữ liệu và Hệ số tải nhân tố (Factor loading) của các biến đều >0.5 nên các biến quan sát đều quan trọng, nên phân tích EFA phù hợp. Như vậy, 3 biến quan sát của thang đo lòng
trung thành của khách hàng sử dụng dịch vụ TTQT tại ACB được nhóm thành 1 nhân tố và khơng có biến quan sát nào bị loại.
Tóm lại, theo kết quả phân tích nhân tố khám phá EFA, mơ hình nghiên cứu của luận văn vẫn giống như mơ hình đề xuất ban đầu với 10 nhân tố với 30 biến quan sát, và các biến quan sát này sẽ được tiến hành kiểm định tiếp bằng mơ hình hồi quy.
3.2.5. Phân tích hồi quy
Sau khi đã thực hiện các bước trên, tác giả tiến hành phân tích hồi quy nhằm xác định mối quan hệ giữa biến phụ thuộc với các biến độc lập. Mơ hình phân tích
hồi quy sẽ mơ tả hình thức của mối quan hệ và qua đó giúp ta dự đốn được mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập.
Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), khi chạy hồi quy cần quan
tâm đến các thông số sau:
Hệ số Beta: hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Hệ số R2: đánh giá phần biến động của biến phụ thuộc được giải thích
bởi các biến dự báo hay biến độc lập. Hệ số này có thể thay đổi từ 0 đến 1.
Kiểm định ANOVA: để kiểm tra tính phù hợp của mơ hình với tập dữ liệu gốc. Nếu mức ý nghĩa của kiểm định < 0.05 thì ta có thể kết luận mơ hình hồi quy phù hợp với tập dữ liệu.
Căn cứ vào mơ hình điều chỉnh đã được hiệu chỉnh sau khi phân tích nhân tố
khám phá, ta có mơ hình hồi quy tuyến tính bội như sau:
TT = β0 + β1 * HL + β2 * CP + β3 * TH + β4 * GC + β5 * ThT + β6 * TC + β7 *
HH + β8 * DU + β9 * DC + β10 * DB + ε
Trong đó:
Biến phụ thuộc: Lòng trung thành (TT)
Biến độc lập: Sự hài lịng (HL), Chi phí chuyển đổi (CP), Uy tín, thương hiệu (TH), Giá trị cảm nhận (GC), Sự thuận tiện (ThT), Sự tin cậy (TC), Sự
hữu hình (HH), Sự đáp ứng (DU), Sự đồng cảm (DC), Sự đảm bảo (DB).
3.2.5.1. Đánh giá mức độ giải thích bởi các biến độc lập trong mơ hình
Trong mơ hình hồi quy bội với 10 biến độc lập hệ số R2 (R Square) = 0.535,
điều này có nghĩa là 53.5% sự biến động về lịng trung thành của khách hàng đối với dịch vụ TTQT tại NHTMCP Á Châu sẽ được giải thích bởi các yếu tố là các biến độc lập đã được chọn đưa vào mơ hình. Và 46.5% cịn lại sự biến động về lòng
độ tương quan càng lớn, sự phụ thuộc của biến phụ thuộc vào các nhân tố càng cao.
3.2.5.2. Kiểm định độ phù hợp của mơ hình
Kết quả kiểm định ANOVA với mức ý nghĩa sig = 0.000 cho thấy mơ hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu và sử dụng được, các biến trong mơ hình có thể giải thích được cho sự thay đổi của lòng trung thành.