PHẦN 2 : NỘI DUNG VÀ KẾT QUẢNGHIÊN CỨU
2.2. Kết quả đánh giá các nhân tố ảnh hưởngđến quyếtđịnh sửdụng dịch vụMobile
2.2.2.2. Phân tích nhân tốkhám phá EFA
Bảng 2.8. Kiểm định KMO và Bartlett’s Test
Biến độc lập Biến phụthuộc
Trịs ố KMO 0,795 0,650
Kiểm định Bartlett's
Giá trịChi bình phương 1381,595 84,879
Bậc tựdo df 253 3
Mức ý nghĩa 0,000 0,000
(Nguồn: Kết quả xử lý và phân tích từ dữ liệu điều tra)
Kết quảphân tích EFA cho thấy:
23 biến quan sát của các nhân tố độc lậpđược phân tích nhân tố, cho ra kết quả thống kê Chi-square của kiểm định Bartlett đạt giá trị1381,595. HệsốKMO = 0,795 > 0,5; kiểm định Bartlett có Sig. = 0,000 < 0,05 nên các biến quan sát tương quan với nhau trong tổng thể. Do vậy 6 thang đo rút ra được đều đạt yêu cầu.
3 biến quan sát của thành phần phụthuộcđược đưa vào đểphân tích nhân tố, hệ sốKMO = 0,650> 0,5; kiểmđịnh Bartlett’s Test cho giá trịSig. = 0,000 < 0,05 cho thấy mơ hình phân tích nhân tốlà phù hợp.
Bảng 2.9. Ma trận xoay nhân tốbiến độc lập
Biến quan sát Nhóm nhân tố
1 2 3 4 5 6 HI2 0,865 HI4 0,864 HI3 0,794 HI1 0,696 XH3 0,802 XH1 0,800 XH2 0,770 XH4 0,670 SD4 0,829 SD2 0,765 SD3 0,742 SD1 0,612 TC2 0,855 TC1 0,760 TC3 0,754 RR3 0,803 RR2 0,802 RR1 0,799 RR4 0,722 CP3 0,794 CP1 0,764 CP2 0,739 CP4 0,736
HệsốEigenvalue 6,244 2,577 2,358 2,041 1,660 1,207
Phương sai trích 13,486 26,254 37,598 48,708 59,682 69,945
(Nguồn: Kết quảxửlý và phân tích từdữliệu điều tra)
Đặt tên nhân tố đại diện
Nhân tốNhận thức sựhữu ích có giá trịEigenvalue = 6,244, nhân tốnày giải thích 13,486% sựbiên thiên của thang đo. Nhân tốnày có hệsốtải nhân tốlớn với các biến HI2 (giá trịFactor loading 0,865), HI4 (giá trịFactor loading 0,864), HI3 (giá trị Factor loading là 0,794), HI1 (giá trịFactor loading 0,696) nên tác giả đặt tên nhân tố này là HI.
Nhân tố Ảnh hưởng xã hội có giá trịEigenvalue = 2,358, nhân tốnày giải thích 37,598% sựbiến thiên của thang đo. Nhân tốnày có hệsốtải nhân tốlớn với các biến XH3 (giá trịFactor loading 0,802), XH1 (giá trịFactor loading 0,800), XH2 (giá trị Factor loading 0,770), XH4 (giá trịFactor loading 0,670) nên tác giả đặt tên nhân tố này là XH.
Nhân tốNhận thức tính dễsửdụng có giá trịEigenvalue = 2,577, nhân tốnày giải thích 26,254% sựbiến thiên của thang đo. Nhân tốnày có hệsốtải nhân tốlớn với các biến SD4 (giá trịFactor loading 0,829), SD2 (giá trịFactor loading 0,765), SD3 (giá trịFactor loading 0,742), SD1 (giá trịFactor loading 0,612), nên tác giả đặt tên nhân tốnày là SD.
Nhân tốNhận thức vềsựtin cậy có giá trịEigenvalue = 2,041, nhân tốnày giải thích 48,708 sựbiến thiên của thang đo. Nhân tốnày có hệsốtải lớn với các biến TC2 (giá trịFactor loading 0,855), TC1 (giá trịFactor loading 0,760), TC3 (giá trịFactor loading 754) nên tác giả đặt tên nhân tốnày là TC.
Nhân tốNhận thức vềrủi ro có giá trịEigenvalue = 1,207, nhân tốnày giải thích 69,945% sựbiến thiên của thang đo. Nhân tốnày có hệsốtải lớn với các biến RR3 (giá trịFactor loading 0,803), RR2 (giá trịFactor loading 0,802), RR1 (giá trịFactor loading 0,799), RR4 (giá trịFactor loading 0,722) nên tác giả đặt tên nhân tốnày là RR.
Nhân tốNhận thức vềchi phí tài chính có giá trịEigenvalue = 1,660, nhân tốnày giải thích 59,862% sựbiến thiên của thang đo. Nhân tốnày có hệsốtải lớn với các
biến CP3 (giá trịFactor loading 0,794), CP1 (giá trịFactor loading 0,764), CP2 (giá trị Factor loading 0,739), CP4 (giá trịFactor loading 0,736) nên tác giả đặt tên nhân tố này là CP.
Bảng 2.10. Ma trận xoay nhân tốcủa biến phụthuộc
Biến quan sát Nhân tố
1
QĐ1 0,870
QĐ2 0,799
QĐ3 0,768
Phương sai trích 66,135
(Nguồn: Kết quảxửlý và phân tích từdữliệu điều tra)
Sau khi tiến hành phân tích nhân tốkhám phá EFA, sốbiến quan sát vẫnđược giữ lại là 23 biến và các biến đó đều có hệsốtải đạt chuẩn > 0,5.
Như vậy, ta thấy có 6 nhân tố được trích sau khi được phân tích nhân tốbằng phương pháp Principal Components với phép quay Varimax. Qua phân tích nhân tố cũng rút trích được 6 nhân tốcó Eigenvalue >1, thấp nhất là 1,207. Tổng phương sai trích đạt 69,945% > 50%. Sốlượng các nhân tố được trích này phù hợp với các thành phần ban đầu của thang đo, chứng tỏphân tích EFA cho việc nhóm các biến quan sát này lại với nhau là thích hợp. Và kết quảnày được đưa vào phân tích hồi quy tuyến tính đa biến (nhân tố).