Nhân tố Lòng trung thành (Cronbach’s Alpha = 0.644)
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan
biến tổng
Cronbach's Alpha nếu loại biến
TT1 7.90 1.979 0.380 0.640
TT2 7.91 1.614 0.488 0.499
TT3 7.76 1.429 0.506 0.473
Nguồn: Kết quả phân tích SPSS
Thang đo Lịng trung thành gồm 3 biến quan sát có hệ số Cronbach’s Alpha là
0.644 > 0.6 và hệ số tương quan biến tổng của các biến quan sát đo lường nhân tố
này đều đạt tiêu chuẩn lớn hơn 0.3, trong đó lớn nhất là 0.506 (biến TT1) và nhỏ
nhất là 0.380 (biến TT2). Ngoài ra, khi tiến hành loại từng biến này ra khỏi mơ hình, thì hệ số Cronbach’s Alpha đều giàm. Từ đó đưa đến kết luận thang đo nhân tố Lịng trung thành đạt u cầu, có thể chấp nhận về độ tin cậy, đạt tiêu chuẩn, các biến đo lường nhân tố này đều được giữ lại và đưa vào phân tích nhân tố EFA ở bước kế tiếp.
3.2.4. Phân tích nhân tố khám phá EFA
Sau khi phân tích độ tin cậy của thang đo, bước tiếp theo nhằm xác định tập
hợp biến cần thiết cho vấn đề nghiên cứu, chúng ta tiếp tục sử dụng phương pháp phân tích nhân tố khám phá EFA nhằm xem xét mức độ hội tụ của các biến quan sát theo từng thành phần và giá trị phân biệt giữa các nhân tố.
Sau khi phân tích nhân tố, chỉ những nhóm nhân tố thỏa mãn điều kiện mới có thể tham gia vào phần chạy hồi quy trong phân tích tiếp theo.
Các tham số thống kê quan trọng trong phân tích nhân tố gồm:
Chỉ số KMO (Kaiser – Meyer – Olkin measure of sampling adequacty): là
một chỉ số dùng để xem xét mức độ thích hợp của phân tích nhân tố. Chỉ số KMO phải đủ lớn (>0.5) (Hair & cộng sự, 2006) thì phân tích nhân tố là thích hợp, cịn nếu nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi mỗi nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích, các nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình (Hair & cộng sự, 2006).
Phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50% (Hair & cộng sự, 2006).
Hệ số tải nhân tố (factor loadings): là hệ tố tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Với mẫu khoảng 200, hệ số tải nhân tố được chấp nhận là lớn hơn 0.5 (Hair & cộng sự, 2006), các biến có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại khỏi mơ hình.
Kiểm định Bartlett: để kiểm tra độ tương quan giữa các biến quan sát và tổng thể, phân tích chỉ só ý nghĩa khi sig. có giá trị nhỏ hơn 5% (Hair & cộng sự, 2006).
3.2.4.1. Phân tích nhân tố khám phá EFA các biến độc lập
Sau khi kiểm tra mức độ tin cậy bằng hệ số Cronbach’s Alpha, thang đo lòng trung thành của đề tài vẫn được giữ nguyên với 10 thành phần chính và 30 biến quan sát. Tiếp theo, tác giả tiến hành đưa vào phân tích nhân tố thang đo các biến
độc lập theo phương pháp rút trích Principal components và phép xoay Varimax với
mục đích là rút các thành phần chính và loại bỏ các biến có Hệ số tải nhân tố (factor
loading) không đủ mạnh. Hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ thuộc về những nhân tố nào.
Kết quả là thang đo rút trích được 10 thành phần (phụ lục 5) với hệ số KMO là 0.700; Chỉ số Eigenvalue = 1.055; Tổng phương sai trích được là 72.588 % (>50%); Kiểm định Bartlett có mức ý nghĩa 0.000 và Hệ số tải nhân tố (Factor loading) đều >0.5 nên các biến quan sát đều quan trọng trong các nhân tố, nên phân tích EFA phù hợp.
Như vậy, sau khi tiến hành phân tích nhân tố EFA, tất cả 10 thành phần đều được rút trích với 30 biến quan sát. Do đó, tác giả tiếp tục đưa 10 nhân tố này vào