Cronbach’s Alpha =0.911
Biến Diễn giải Tương quan
biến tổng Hệ số Alpha nếu bỏbiến Sựhài lòng 1 Nhà thuốc đáp ứng những kỳvọng của khách hàng. .791 .896 Sựhài lòng 2 Khách hàng hài lòng với chất lượng dịch vụcủa nhà thuốc. .885 .817 Sựhài lòng 3 Quý khách sẽtiếp tục sử dụng dịch vụvà giới thiệu cho bạn bè, người thân
.789 .899
(Nguồn Số liệu 2019)
Tóm lại, sau khi kiểm tra độtin cậy, với 30 biến ban đầu của thang đo chất lượng dịch vụvà sựhài lòng của khách hàng sau khi kiểm định Cronbach’s Alpha, tất cảcác biến đủ điều kiện đểtiếp tục phân tích nhân tốkhám phá.
2.3.4 Phân tích nhân tốkhám phá (EFA)
2.3.4.1 Phương pháp phân tích
Phân tích nhân tố khám phá (Exploratory Factor Analysis) 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 hệgiữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị sốKMO (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 sốnày nhỏ hơn 0,5 thì phân tích nhân tốcó khả năng khơng thích hợp với các dữliệu.
Kiểm định Bartlett xem xét giả thuyết Ho: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. Barlett’s Test ≤ 0.05) thì các biến quan sát có tương quan trong tổng thể.
Ngồi ra, phân tích nhân tố còn dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigen - value lớn hơn 1 và tổng phương sai trích lớn hơn
50% 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 Eige - value 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 tốkhi các nhân tố được xoay (rotated component matrix). Ma trận nhân tốchứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệsốtải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệsốnày cho biết nhân tốvà biến có liên quan chặt chẽvới nhau. Cỡ mẫu trong nghiên cứu này là 90, như vậy nên chọn hệsốtải nhân tố ≥ 0.5. Em phân tích nhân tốkhám phá EFA riêng biệt cho biến độc lập và biến phụthuộc nhằm tránh trường hợp khi phân tích hồi quy tuyến tính sẽkhơng có ý nghĩa vì hiện tượng các biến độc lập và phụthuộc giải thích qua lại cho nhau.
2.3.4.2 Kết quả EFA cho biến độc lập