Yếu tố đánh giá Giá trịkiểm định
HệsốKMO 0,709
Giá trịSig. trong ki ểm định Bartlett’s 0,000
Tổng phương sai trích 67,390
Giá trịEigenvalues 1,460
(Nguồn: Kết quả xử lý SPSS, 2019)
Bartlett’s Test dùngđểkiểmđịnh giả thuyết H 0 là các biến khơng có tương
quan với nhau trong tổng thể, tức ma trận tương quan tổng thểlà một ma trận đơn vị, hệ số KMO dùngđể kiểm tra xem kích thước mẫu có phù hợp với phân tích nhân tố hay khơng (Hồng Trọng & Chu Nguyễn Mộng Ngọc ( 2008 )) thì giá trị Sig. của Bartlett’s Test nhỏ hơn 0,05 cho phép bác bỏ giả thuyết H0 và giá trị 0,5<KMO<1 có nghĩa phân tích nhân tố là thích hợp.
Kết quả kiểmđịnh Kaiser – Meyer – Olkin cho giá trị là0,709lớn hơn 0,5. Kết quả này chứng tỏ rằng mẫuđủ lớn vàđủ điều kiện thực hiện phân tích nhân tố. Bên cạnhđó, kiểmđịnh Barlett cho kết quả p – value (sig.) là0,000bé hơn 0,05. Cho thấy các biến có tương quan với nhau nên mơ hình là phù hợpđể đưa vào phân tích nhân tố khám phá. Có 6 nhân tố được trích rađều có giá trị
Eigenvalue lớn hơn 1 với giá trị1,460>1.
Tổng phương sai trích của 6 nhân tố bằng67,390%> 50% điều này cho thấy, khả năng sử dụng 6 nhân tố thành phần này giải thíchđược 67,39% biến thiên của các biến quan sát. Dựa vào ma trận xoay nhân tốkhi chạy EFA có 20 biến quan sátđược trích thành 6 nhân tố.
Như này, sau khi tiến hành kiểmđịnhđộ tin cậy Cronbach’s Alpha và phân tích nhân tố EFA thì 20 biến quan sát và 6 nhân tố, các nhân tố bao gồm: Dịch vụ (DV), Thuận lợi (TL), Giá cả ( GC), Sẵn có (SC),Địi hỏi (DH), Chất lượng (CL). Nhân tố “Dịch vụ”đượcđo lường bởi các biến “ DV1, DV2, DV3, DV4”, nhân tố “Thuận lợi”đượcđo lường bởi các biến “ TL1, TL2, TL3, TL4”, nhân tố “ Giá cả”đượcđo lường bởi các biến “GC1, GC2, GC3”, nhân tố “ Sẵn có”được đo lường bởi các biến “ SC1, SC2, SC3”, nhân tố “ Chất lượng”đượcđo lường bởi các biến “ CL1, CL2, CL3”, nhân tố “Đòi hỏi”đượcđo lường bởi các biến “ DH1, DH2, DH3”.
b, Phương pháp xoay nhân tố Varimax
Phương pháp phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal Component Analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mớiđược giữ trong mơ hình phân tích. Phương pháp được chọn ở đây là phương pháp xoay nhân tố Varimax, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏ hơn 0,5 ra khỏi mơ hình. Chỉ những quan sát có hệ số tải nhân tố lớn hơn 0,5 mớiđược sử dụngđể giải thích một nhân tố nàođó. Đối chiếu với các tiêu chuẩnđặt ra, các biến khôngđạt yêu cầu bịloại bỏ.
Sau khi xoay nhân các nhân tố, ta thấy sự tập trung của các quan sát theo từng nhân tố đã khá rõ. Bảng kết quả phân tích cho thấy có 3 nhân tố được tạo ra có giá trị Eigenvalues lớn hơn 1 với giá trị total1,460. Và 6 nhân tố này giải thích được67,390%biến thiên của dữ liệu.Đây là một tỷ lệ tương đối cao trong phân tích nhân tố.