CHƯƠNG 1 : CƠ SỞ LÝ THUYẾT
g. Những chủ trương chính sách của nhà nước
3.4 Kiểm định thang đo
Các thang đo được đánh giá sơ bộ thông qua hai cơng cụ chính: hệ số tin cậy Cronbach’s Alpha và phương pháp phân tích yếu tố khám phá EFA, sử dụng phần mềm SPSS phiên bản 19.0.
3.4.1 Hệ số tin cậy Cronbach’s Alpha
Hệ số tin cậy Cronbach’s Alpha được sử dụng để loại các biến không phù hợp. Các biến có hệ số tương quan biến-tổng (item-total correlation) nhỏ hơn 0.30 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy alpha từ 0.60 trở lên (Nunnally và Burnstein, 1994).
Các thang đo chất lượng dịch vụ văn phòng cho thuê và thang đo sự thỏa mãn của khách hàng được tiến hành phân tích hệ số tin cậy Cronbach’s Alpha trong SPSS 19.0.
Đối với thang đo đa biến Sự thỏa mãn của khách hàng sau khi phân tích Cronbach’s Alpha sẽ được tính giá trị trung bình để tạo thành biến phụ thuộc là Sự thỏa mãn để chuẩn bị cho bước phân tích hồi quy bội.
3.4.2 Phân tích nhân tố khám phá EFA (exploratory factor loading)
Sau khi thang đo chất lượng dịch vụ văn phòng cho thuê được đánh giá độ tin cậy là đạt yêu cầu, chúng sẽ được đưa vào phân tích nhân tố khám phá EFA, phương pháp kiểm định các thang đo nhằm điều chỉnh để phục vụ cho việc chạy hồi quy mơ hình tiếp theo.
Phân tích nhân tố khám phá EFA dùng kiểm định độ giá trị phân biệt và độ giá trị hội tụ các yếu tố trích được của các biến quan sát trong các thang đo các biến độc lập. Phân tích nhân tố khám phá EFA chỉ được sử dụng khi hệ số KMO (Kaise-Meyer- Olkin) có giá trị nằm trong khoảng 0.5 đến 1.
Số nhân tố được xác định dựa trên chỉ số Eigenvalue – đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser, những nhân tố có eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mơ hình. Tiêu chuẩn phương sai trích (Varance explained criteria) khi tổng phương sai trích bằng hoặc lớn hơn 50%. (Gerbing và Anderson, 1988).
Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải ≥ 0,4 trong một nhân tố (Gerbing và Anderson, 1988).
Để đạt độ giá trị phân biệt, khác biệt giữa các factor loading phải ≥ 0,3 (Jabnoun & ctg, 2003).
Phương pháp trích yếu tố principal axis factoring với phép quay promax (oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích principal components với phép quay varimax (orthogonal) (Gerbing & Anderson 1988). Phương pháp trích principal axis factoring sẽ cho ta kết quả là số lượng nhân tố là ít nhất để giải thích phương sai chung của tập hợp các biến quan sát trong sự tác động qua lại giữa chúng. Trong khi đó phương pháp principal components sẽ cho kết quả là một tập hợp các nhân tố giải thích cả phương sai chung và đặc trưng của các biến. Tuy nhiên với các thang đo đơn hướng thì phép trích principal components được sử dụng, vì nó khơng loại đi biến đạt giá trị về mặt nội dung.
3.4.3 Phân tích hồi quy bội
Sau khi thang đo của các yếu tố khảo sát đã được kiểm định, dữ liệu sẽ được phân tích hồi quy bội.
Phương trình hồi quy thể hiện mối quan hệ tuyến tính giữa sự thỏa mãn khách hàng với 5 thành phần TC, DU, NL, DC, PT có ý nghĩa trong phương pháp hồi qui
Enter được thể hiện như sau:
Sự thỏa mãn = A + B1 *TC + B2 *DU + B3 *NL + B4*DC + B5*PT A, Bi: Các hằng số và các hệ số hồi quy.
Mơ hình được kiểm độ thích hợp thơng qua hệ số R2 điều chỉnh, kiểm tra sự tồn tại của đa cộng tuyến thông qua hệ số phóng đại phương sai VIF, kiểm tra sự tồn tại của tương quan chuỗi qua hệ số Durbin Watson.