5.2 Kiểm định thang đo các nhân tố 52
5.2.2 Phân tích nhân tố khám phá (EFA) 55
Sau khi đánh giá độ tin cậy của thang đo chúng ta bắt đầu đi sâu vào phân tích nhân tố. Ban đầu, chúng ta có 21 biến quan sát, thơng qua hệ số Cronbach Alpha cịn lại 19 biến phù hợp cho phân tích nhân tố khám phá. Phân tích nhân tố khám phá EFA là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Ngồi ra, phân tích nhân tố cịn dựa vào hệ số Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố Principal Components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt yêu cầu.
Phân tích khám phá nhân tố với các nhân tố ảnh hưởng tới sự hài lòng của khách hàng sử dụng dịch vụ Internet banking tại ngân hàng Đơng Á có kết quả như tại phụ lục 07. Để đáp ứng được phân tích nhân tố thì các biến phải có liên hệ với nhau. Nếu hệ số tương quan nhỏ thì có thể dẫn đến phân tích nhân tố khơng thích
hợp. Ngồi ra, chúng ta cịn sử dụng Bartlett’s Test of Sphericity để kiểm định giả thuyết Ho: khơng có mối tương quan với nhau trong tổng thể.
Theo bảng kết quả phân tích EFA cho biến độc lập (phụ lục 07) ta thấy Sig. = 0.000 rất nhỏ so với mức ý nghĩa 1% nên giả thuyết Ho bị bác bỏ hay giữa các biến có mối liên hệ với nhau. Đồng thời hệ số KMO = 0,815 chứng tỏ mơ hình phân tích nhân tố là phù hợp
Số lượng nhân tố: Theo tiêu chuẩn Eigenvalue thì có 5 nhân tố được rút ra. Và 5 nhân tố này giải thích được 58.23% (> 50%) sự biến thiên của dữ liệu. Bảng Communalities cho biết các thơng tin có liên quan sau khi số lượng nhân tố đuợc rút ra. Nó cho biết các Communality của các biến tức là phần biến thiên đuợc giải thích bởi các nhân tố chung. Việc giải thích kết quả được tăng cuờng bằng cách xoay các nhân tố.
Ma trận xoay các nhân tố từ kết quả phân tích EFA (phụ lục 07) cho thấy có 24 biến được rút trích thành 5 nhân tố và đặt tên như sau:
Nhân tố 1 (HQ): Tính hiệu quả gồm 5 biến quan sát (HQ1, HQ2, HQ3, HQ4, HQ5)
Nhân tố 2 (TC): Độ tin cậy gồm 4 biến quan sát (TC1, TC2, TC3, TC4) Nhân tố 3 (PU): Sự phản ứng gồm 4 biến quan sát (PU2, PU3, PU4, PU5) Nhân tố 4 (LL): Sự liên lạc gồm 3 biến quan sát (LL1, LL2, LL3)
Bảng 5.3: Kết quả phân tích EFA cho các biến độc lập Thành phần Biến 1 2 3 4 5 HQ3 0.862 HQ4 0.814 HQ2 0.803 HQ5 0.641 HQ1 0.64 TC1 0.769 TC2 0.754 TC3 0.677 TC4 0.658 PU2 0.71 PU3 0.644 PU4 0.642 PU5 0.536 LL2 0.77 LL1 0.733 LL3 0.713 BM1 0.8 BM3 0.711 BM2 0.606
Kết quả phân tích nhân tố đối với thang đo sự hài lòng của khách hàng được thể hiện tại bảng phân tích kết quả EFA cho biến phụ thuộc (phụ lục 07). Hệ số
KMO = 0,632 và Sig. = 0,000 < 0.05%, do vậy phân tích nhân tố với biến này là thích hợp. Một nhân tố được trích rút tại eigenvalue là 1.722, phương sai trích rút là 57.41%>50% và các hệ số tải đều lớn hơn 0.5. Như vậy rút trích được 1 nhân tố 3 biến quan sát đạt yêu cầu cho phân tích tiếp theo.
Bảng 5.4: Kết quả phân tích EFA cho biến phụ thuộc
Biến Thành phần
1 HL2 0.805 HL3 0.735 HL1 0.731
Như vậy phân tích EFA cho biến phụ thuộc vẫn giữ nguyên kết quả 1 thành phần đó là sự hài lịng của khách hàng khi sử dụng dịch vụ Internet banking của ngân hàng Đông Á với 3 biến quan sát HL1, HL2, HL3
Từ mơ hình ban đầu với 21 biến quan sát, sau khi phân tích Cronbach Alpha đã loại 2 biến HQ6 và PU1, tiếp theo phân tích EFA 19 biến còn lại được gom thành 5 nhân tố nên ta có thể hiệu chỉnh lại mơ hình ban đầu như sau:
Hình 5.4: Mơ hình nghiên cứu hiệu chỉnh sau phân tích Cronbach Alpha và EFA Chất lượng dịch vụ Internet banking Sự hài lòng khi sử dụng dịch vụ Tính hiệu quả Độ tin cậy Tính bảo mật Sự phản ứng H1 H2 H3 H4 H5