Biến quan sát Nhân tố
F1 F2 F3 F4 F5 F6 NLPV3 0,813 NLPV2 0,774 NLPV4 0,728 NLPV1 0,723 SĐC1 0,642 SĐU3 0,795 SĐU4 0,720 SĐU1 0,687 SĐU5 0,621 SĐU2 0,536 PTHH2 0,835 PTHH3 0,742 PTHH4 0,671 PTHH1 0,583 SĐC4 0,749 SĐC3 0,716 SĐU7 0,676 SĐC2 0,572
54 STT1 0,857 STT2 0,773 STT3 0,649 STC1 0,758 STC2 0,742 STC3 0,696
Hệ số KMO (kiểm định Bartlet’s Mức ý nghĩa (sig.)
0,859 0.000
Nguồn: Kết quả khảo sát trực tiếp, 2017
Qua kết quả phân tích nhân tố khám phá trong bảng 4.8 đã sử dụng phương pháp trích nhân tố thành phần chính (Principal component) với phép quay là Varimax khi phân tích yếu tố EFA cho 24 biến quan sát cịn lại trong mơ hình gom lại thành 6 nhóm nhân tố. Kết quả các biến quan sát có hệ số tải nhân tố (Factor Loading) đều lớn hơn tiêu chuẩn cho phép (> 0,5) hay các nhân tố trong mơ hình phân tích có ý nghĩa thực tiễn. Mặt khác, kiểm định Bartlett’s cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (Mức ý nghĩa Sig = 0,000 < 0,005); đồng thời hệ số KMO = 0,859 (0,5 < KMO < 1) chứng tỏ phân tích EFA là thích hợp.
Hệ số Eigenvalue chỉ có những nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bới nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thông tin tốt hơn một biến gốc, vì sau khi chuẩn hóa mỗi biến gốc có phương sai là 1 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Kết quả phân tích nhân tố khám phá EFA lần 2 thì tất cả 6 nhóm nhân tố được rút ra theo tiêu chuẩn eigenvalue lớn hơn 1. Với Cumulative % cho biết 6 nhân tố này giải thích được 64,822% biến thiên của dữ liệu.
Qua kết quả phân tích, các biến sẽ được phân chia nhóm dựa theo hệ số tải nhân tố,việc giải thích các nhân tố được thực hiện trên cơ sở nhận ra các biến có hệ số tải nhân tố lớn ở cùng một nhân tố sẽ được chia thành từng nhóm nhân tố riêng, như vậy ta có các nhóm được đặt tên lại như sau:
• Nhân tố 1 (F1): Thái độ phục vụ của nhân viên gồm 5 biến quan sát sau: NLPV1 Nhân viên bán hàng chuyên nghiệp
NLPV2 Kịp thời trong phục vụ khi khách hàng cần sản phẩm NLPV3 Nhân viên thân thiện, vui vẻ, lịch sự với khách hàng NLPV4 Ln giải đáp tận tình thắc mắc của khách hàng SĐC1 Nhân viên hiểu rõ nhu cầu cụ thể của khách hàng
• Nhân tố 2 (F2): Sự đảm bảo gồm 5 biến quan sát sau: SĐU1 Loại hình dịch vụ phong phú
SĐU2 Tính liên kết giữa các ngân hàng SĐU3 Phí làm thẻ mới hợp lý
55 SĐU4 Phí trong các giao dịch
SĐU5 Lãi suất trong tài khoản cao
• Nhân tố 3 (F3): Cơ sở vật chất gồm 4 biến quan sát sau: PTHH1 Mức độ hiện đại của máy ATM
PTHH2 Số lượng máy ATM trên địa bàn
PTHH3 Nhân viên trang phục gọn gàng, lịch thiệp PTHH4 Nhân viên phục vụ có ngoại hình
• Nhân tố 4 (F4): Sự cảm thông gồm 4 biến quan sát sau: SĐC2 Quan tâm giải quyết những khó khăn của khách hàng SĐC3 Tư vấn nhũng điều khoản có lợi cho khách hàng
SĐC4 Thường xun có chương trình khuyến mãi vào các dịp lễ, tết SĐU7 Mức độ dễ dàng trong thủ tục
• Nhân tố 5 (F5): Sự thuận tiện gồm 3 biến quan sát sau: STT1 ATM nằm ở vị trí thuận tiện
STT2 Khách hàng dễ dàng liên hệ với ngân hàng STT3 Sự phong phú của các loại thẻ ATM
• Nhân tố 6 (F6): Sự tin cậy gồm 3 biến quan sát sau: STC1 Mức độ an tồn, bảo mật thơng tin
STC2 Sự thuận lợi trong tiếp cận dịch vụ STC3 Thời gian xử lý giao dịch
Qua phân tích nhân tố ta có thể tính tốn ra các nhân số cho từng trường hợp quan sát một và được viết dưới dạng tổng quát như sau:
Fi = Wi1X1 + Wi2X2 + Wi3X3 +....+ WikXk
Các hệ số nhân tố được dùng để kết hợp các biến chuẩn hóa được trình bày trong ma trận hệ số nhân tố (Component Score Coeficient matrix), kết quả được thể hiện qua bảng sau: