Mã
hóa Biến quan sát
Trung bình thang đo nếu loại biến Phương sai thang đo nếu loại biến Tương quan tổng thể Alpha nếu loại biến này Sự hài lòng, Alpha = 0,752
HL1 Bạn hài lòng về chất lượng dịch vụ ngân
hàng điện tử tại BIDV 7.847 1.312 0.578 0.674 HL2 Bạn hài lòng về phí dịch vụ ngân hàng điện
tử tại BIDV 7.653 1.342 0.649 0.593 HL3 Bạn sẽ tiếp tục sử dụng dịch vụ ngân hàng
điện tử tại BIDV 7.380 1.459 0.521 0.736
Hệ số Cronbach anpha của thang đo sự hài lòng của khách hàng sau khi sử dụng dịch vụ ngân hàng điện tử tại BIDV Sài Gòn đạt yêu cầu (0,752). Hơn nữa các hệ số tương quan biến tổng của các biến đo lường sự hài lòng này cũng đạt tiêu chuẩn cho phép là lớn hơn 0,4.
b. Phân tích nhân tố khám phá (EFA)
Khi phân tích nhân tố khám phá EFA các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn nhất định để đánh giá kết quả phân tích.
• Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) ≥ 0.5 với mức ý nghĩa của kiểm định Bartlett ≤ 0.05
• Thứ hai, hệ số tải nhân tố phải lớn hơn (Factor loading) ≥ 0.4. Nếu biến quan sát có số tải nhân tố nhỏ hơn 0.4 sẽ bị loại khỏi mơ hình.
• Thứ ba, thang đo được chấp nhận khi tổng phương sai trích lớn 50%.
• Thứ tư, hệ số Eigen value có giá trị lớn hơn 1.
• Thứ năm, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,4 để bảo đảm giá trị phân biệt giữa các nhân tố.
Phân tích EFA - các biến độc lập trong mơ hình
Các thang đo chất lượng dịch vụ mà đề tài sử dụng gồm 6 thành phần với 25 biến quan sát. Sau khi kiểm định thang đo bằng công cụ Cronbach Alpha, ta loại bỏ biến DU1, DC4 và DC5 vì mức độ tương quan với các với các biến khác trong thang đo thấp, còn lại 22 biến quan sát tiếp tục được đưa vào phân tích nhân tố khám phá EFA. Kết quả thu được là 6 nhân tố chính thức với hệ số tải nhân tố (Factor loading) đều lớn hơn 0,4 nên các biến quan sát đều quan trọng trong các nhân tố, chúng có ý nghĩa thống kê khi rút trích nhân tố. Mỗi biến quan sát có sai biệt giữa các nhân tố do vậy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể. Khi phân tích nhân tố khám phá EFA đối với thang đo chất lượng dịch vụ, tác giả sử dụng phương pháp trích yếu tố Principal Component Analysis cùng với phép xoay Varimax và điểm dừng khi trích các yếu tố có
Eigenvalue lớn hơn 1.