Hệ số KMO 0,706
Điểm dừng phƣơng sai trích 2,113
Sig. 0,0000
Tổng phƣơng sai trích 70,438
Nguồn: Kết quả nghiên cứu định lượng dữ liệu khảo sát
- Hệ số KMO =0,706>0,5 và Sig.(Bartlett’s Test) = 0,000 (sig.< 0,05) chứng tỏ phân tích nhân tố phù hợp và các biến quan sát có tƣơng quan với nhau. - Hệ số Eigenvalues = 2,113> 1 tại nhân tố thứ 1, nhƣ vậy 1 nhân tố rút trích
đƣợc từ EFA có ý nghĩa tóm tắt thơng tin các biến quan sát đƣa vào tốt nhất và điều này cũng phù hợp với quá trình nghiên cứu đã xây dựng. - Tổng phƣơng sai trích: Rotation Sums of Squared Loadings (Cumulative
%) = 70,438% > 50 %. Điều này chứng tỏ nhân tố này giải thích đƣợc 70,438% mức độ biến thiên của dữ liệu.
- Hệ số Factor Loading của các biến quan sát đều lớn hơn 0,5 và ở mức tốt do đó các biến quan sát này đều có ý nghĩa thống kê tốt.
4.4. Phân tích tác động của các nhân tố đến ý định sử dụng dịch vụ Fintech của KHCN tại tỉnh Bình Dƣơng của KHCN tại tỉnh Bình Dƣơng
4.4.1. Phân tích tƣơng quan
Để đánh giá sự tƣơng quan của biến phụ thuộc và biến độc lập, nghiên cứu này sử dụng ma trận hệ số tƣơng quan Pearson cụ thể nhƣ sau: Đầu tiên tạo biến đại diện cho mỗi nhóm nhân tố gồm tính hữu ích, cảm nhận dễ dàng sử dụng, nhận thức rủi ro, điều kiện thuận lợi, hỗ trợ chính phủ, chi phí cảm nhận, ảnh hƣởng xã hội và ý định sử dụng dịch vụ sau đó sẽ tiến hành phân tích. Ngồi ra, với hai biến độc lập bất kỳ có giá trị sig <0,05 và giá trị tƣơng quan Pearson lớn (thƣờng là lớn hơn 0,4) thì cần chú ý đến khả năng xảy ra đa cộng tuyến giữa các biến này. Sau khi tiến hành phân tích Pearson dữ liệu kết quả tổng hợp nhƣ sau: