Biến
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến tổng
Cronbach’s Alpha nếu loại
biến Độ tin cậy (Cronbach’s Alpha = 0,724)
DTC1 11,97 3,100 0,468 0,690
DTC2 12,19 3,043 0,522 0,657
DTC3 12,20 2,819 0,590 0,614
Lợi ích nhận đƣợc (Cronbach’s Alpha = 0,834) LIND1 6,65 2,096 0,730 0,736 LIND2 7,03 1,965 0,742 0,730 LIND3 7,09 2,971 0,674 0,820 Sự đáp ứng (Cronbach’s Alpha = 0,742) SDU1 12,67 2,919 0,461 0,724 SDU2 12,56 2,731 0,596 0,650 SDU3 12,19 2,627 0,569 0,663 SDU4 12,27 2,723 0,519 0,693
Phƣơng tiện hữu hình (Cronbach’s Alpha = 0,803)
PTHH1 15,97 4,550 0,623 0,755
PTHH2 15,97 4,670 0,629 0,754
PTHH3 15,43 4,891 0,463 0,803
PTHH4 15,90 4,332 0,625 0,753
PTHH5 15,66 4,481 0,606 0,759
Sự đảm bảo (Cronbach’s Alpha = 0,791)
SDB1 8,08 1,376 0,574 0,776
SDB2 8,08 1,296 0,668 0,679
SDB3 8,08 1,202 0,658 0,687
Chi phí (Cronbach’s Alpha = 0,705)
CP1 7.27 1,864 0,448 0,699
CP2 7.75 1,489 0,590 0,525
CP3 7.65 1,449 0,539 0,595
(Nguồn: Kết quả chạy SPSS rút từ phụ lục 2)
Phương pháp Cronbach’s Alpha dùng để loại bỏ biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá được độ tin cậy của thang đo. Thông qua hệ số Cronbach’s Alpha, những biến có hệ số tương quan biến tổng (Crrection Item - Total Crrelation) nhỏ hơn 0,3 hoặc những biến có hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) lớn hơn hệ số Cronbach’s Alpha sẽ bị loại khỏi mơ hình. Thang đo có hệ số Cronbach’s Alpha từ 0,8 - 0,9 được đánh giá là tốt, từ 0,7 - 0,8 có thể sử dụng, từ 0,5/0,6 - 0,7 thường dành trong trường hợp khái niệm đang nghiên cứu mới (Nunnally,
1978; Peterson, 1994 và Slater, 1995). Tuy nhiên, cũng cần lưu ý rằng nếu Cronbach’s Alpha quá cao (> 0,9) thì có khả năng xuất hiện biến quan sát thừa (Redunmant Items) ở trong thang đo. Biến quan sát thừa là biến đo lường một khái niệm hầu như trùng với biến đo lường khác, tương tự như trường hợp cộng tuyến (Collinearity) trong hồi quy, khi đó biến thừa nên được bác bỏ khỏi mơ hình nghiên cứu.
Thành phần Độ tin cậy: ban đầu, thành phần độ tin cậycó hệ số Cronbach’s Alpha là 0,699 đạt yêu cầu. Tuy nhiên, ở cột Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của biến DTC5 - “Máy ATM hoạt động tốt, xử lý giao dịch nhanh chóng” là 0,724 > Cronbach’s Alpha. Vì vậy, tác giả sẽ loại bỏ biến DTC5 .Sau khi điều chỉnh, ta thấy Cronbach’s Alpha là 0,724 đạt yêu cầu và các hệ số tương quan biến tổng của các biến lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của các biến đều nhỏ hơn hệ số Cronbach’s Alpha. Do vậy, thang đo thành phần này đạt yêu cầu và các biến quan sát DTC1, DTC2, DTC3, DTC4 được sử dụng cho phân tích yếu tố khám phá EFA.
Thành phần Lợi ích nhận đƣợc: có hệ số Cronbach’s Alpha là 0,834 đạt yêu cầu, các hệ số tương quan biến tổng của các biến lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của các biến đều nhỏ hơn hệ số Cronbach’s Alpha. Do vậy, thang đo thành phần lợi ích nhận được đạt yêu cầu và các biến quan sát LIND1, LIND2, LIND3 được sử dụng cho phân tích EFA.
Thành phần Sự đáp ứng: ban đầu, thành phần độ tin cậycó hệ số Cronbach’s Alpha là 0,709 đạt yêu cầu. Tuy nhiên, ở cột Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của biến SDU5 - “Có đủ tiền mặt khi giao dịch” là 0,742 > Cronbach’s Alpha. Vì vậy, tác giả sẽ loại bỏ biến. Sau khi điều chỉnh, ta thấy Cronbach’s Alpha là 0,742 đạt yêu cầu, các hệ số tương quan biến tổng của các biến lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của các biến đều lớn hơn hệ số Cronbach’s Alpha. Do vậy, thang đo thành phần này đạt yêu cầu và các biến quan sát SDU1, SDU2, SDU3, SDU4 được sử dụng cho phân tích yếu tố khám phá EFA.
Thành phần Phƣơng tiện hữu hình: có hệ số Cronbach’s Alpha là 0,803 đạt yêu cầu, các hệ số tương quan biến tổng của các biến lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của các biến đều nhỏ hơn hệ số Cronbach’s Alpha. Do vậy, thang đo thành phần lợi ích nhận được đạt yêu cầu và các biến quan sát PTHH1, PTHH2, PTHH3, PTHH4, PTHH5 được sử dụng cho phân tích EFA.
Thành phần Sự đảm bảo: có hệ số Cronbach’s Alpha là 0,791 đạt yêu cầu, các hệ số tương quan biến tổng của các biến lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của các biến đều nhỏ hơn hệ số Cronbach’s Alpha. Do vậy, thang đo thành phần lợi ích nhận được đạt yêu cầu và các biến quan sát SDB1, SDB2, SDB3 được sử dụng cho phân tích EFA.
Thành phần Chi phí: có hệ số Cronbach’s Alpha là 0,705 đạt yêu cầu, các hệ số tương quan biến tổng của các biến lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của các biến đều nhỏ hơn hệ số Cronbach’s Alpha. Do vậy, thang đo thành phần lợi ích nhận được đạt yêu cầu và các biến quan sát CP1, CP2, CP3 được sử dụng cho phân tích EFA
Số liệu khảo sát được kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha lần 1 với 24 biến quan sát gổm: 5 biến thuộc nhân tố “độ tin cậy:; 3 biến thuộc nhân tố “lợi ích nhận được”; 5 biến thuộc nhân tố “sự đáp ứng”; 5 biến thuộc nhân tố “phương tiện hữ hình”; 3 biến thuộc nhân tố “sự đảm bảo”; 3 biến thuộc nhân tố “chi phí bỏ ra”. Hệ số tương quan biến tổng của tất cả các biến điều > 0,3 và hệ số Cronbach’s Alpha lần lượt là: 0,724; 0,834; 0,742; 0,803; 0,791; 0,857 tất cả điều nằm trong khoảng 0,7 - 0,9. Chứng tỏ rằng, thang đo lường của mẫu nghiên cứu là khá tốt (phụ lục).
Sau khi kiểm định có 2 biến bị loại ra khỏi mơ hình là: DTC5 - Máy ATM hoạt động tốt, xử lý giao dịch nhanh chóng do có hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) là 0,724 lớn hơn hệ số Cronbach’s Alpha tổng là 0,699, SDU5 - Có đủ tiền mặt khi giao dịchdo có hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) là 0,742lớn hơn Cronbach’s Alpha tổng là 0,709. Như vậy bảng câu hỏi khảo sát sẽ còn lại 22 biến quan sát là hợp lệ cho các bước tiếp theo (phụ lục).
3.4.3.3. Đánh giá thang đo bằng phân tích yếu tố khám phá (EFA - Exploratory Factor Analysis)
Phân tích yếu tố EFA cho các thang đo thành phần
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê +dùng để rút gọn một tập hợp nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. (Hair & ctg, 1998)
Trong phân tích nhân tố khám phá ta quan tâm đến chỉ số KMO (Kaiser Meyer Olkin) để xem xét sự thích hợp của mơ hình, qua phân tích nhân tố khám phá và kết quả của chỉ số tổng phương sai rút trích cho ta thấy được khả năng giải thích của các nhân tố mới thay cho tập biến ban đầu. nếu chỉ số KMO nằm trong khoảng < KMO < 1 thì việc phân tích nhân tố khám phá là thích hợp với dữ
liệu nghiên cứu và thang đo chỉ được chấp nhận khi tổng phương sai rút trích > 50%. (Gerbing & Anderson, 1988)
Để tiến hành phân tích nhân tố khám phá có rất nhiều phương pháp áp dụng trong nghiên cứu này tác giả lựa chọn phương pháp thơng dụng nhất đó là sử dụng hệ số Eigenvalue (Determintaion based on eigenvalue) là chỉ những nhân tố nào có hệ số Eigenvalue >1 mới được giữ lại trong mơ hình phân tích. Tiếp theo, tác giả tiến hành phân tích xoay nhân tố theo phương pháp rút trích các thành phần chính (Principal Compontents) với phép xoay Varimax và phương pháp Regression (Gerbring & Anderson, 1988). Trong phương pháp phân tích nhân tố khám phá thì hệ số tải nhân tố (Factor Loading) là yếu tố được quan tâm nhất, là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của phương pháp phân tích khám phá. Hệ số tải nhân tố >0,3 được xem là đạt được mức tối thiểu với cỡ mẫu nên chọn ít nhất là 350, hệ số tải nhân tố >0,4 được xem là quan trọng với cỡ mẫu khoảng 100 và hệ số nhân tố >0,5 được xem có ý nghĩa với cỡ mẫu 150. (Hair & ctg, 1998)
Sau khi đạt yêu cầu về độ tin cậy, 22 biến quan sát được đưa vào phân tích khám phá EFA như sau:
Đặt giả thuyết:
H0: Khơng có sự tương quan giữa các biến quan sát trong phạm vi tổng thể H1: Có sự tương quan giữa các biến quan sát trong phạm vi tổng thể. Phân tích nhân tố khám phá đối với các biến độc lập
Sau khi thực hiện phân tích nhân tố khám phá, có 4 biến quan sát bị loại khỏi mơ hình nghiên cứu do có hệ số tải nhân tố <0,5 thuộc các biến sau: PTHH3, CP1, DTC4, DTC3. Kết quả ta được 6 nhóm nhân tố mới với các biến quan sát có hệ số tải nhân tố >0,5 đạt tiêu chuẩn (phụ lục 3).
Kiểm định Barlett’s cho thấy giữa các biến trong tổng thể có mối tương quan với nhau với mức ý nghĩa (sig) = 0,00 <0,05. Ta bác bỏ giả thuyết H0: Khơng có sự tương quan giữa các biến quan sát trong phạm vi tổng thể và chấp nhận giả thuyết H1: Có sự tương quan giữa các biến quan sát trong phạm vi tổng thể. Hệ số KMO = 0,841 đạt mức cho phép, thỏa điều kiện lý thuyết nên dữ liệu nghiên cứu là phù hợp để đưa vào phân tích tiếp theo. (Bảng 3.13)
Phương sai rút trích = 71,374% chứng tỏ phân tích nhân tố khám phá cho việc nhóm các biến này lại với nhau là thích hợp và 6 nhóm nhân tố mới giải thích được 71,374% cho 18 biến quan sát, cịn 28,626% sự biến thiên của tập dữ liệu ban đầu được giải thích bởi các nhân tố khác khơng trích lập ra được. (Bảng 3.14)