CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU
4.2. KẾT QUẢ CÁC KIỂM ĐỊNH, PHÂN TÍCH
4.2.2. Phân tích nhân tố khám phá EFA - Exploratory Factor Analysis
Phân tích nhân tố khám phá sẽ giúp chúng ta xác định các nhân tố nào thực
sự đại diện cho các biến quan sát trong các thang đo. Các nhân tố đại diện mới cho
20 biến quan sát không tính đến 3 biến quan sát thuộc thang đo Ý định của khách hàng có được từ kết quả phân tích nhân tố khám phá EFA có thể khác so với mô hình nghiên cứu đã được đề xuất. Nó phản ánh một cách cụ thể sự tác động của các nhân tố đến nhân tố Y.
Trong bài này, tác giả tiến hành phân tích nhân tố (với phương pháp trích Principal Component Analysis, phương pháp xoay Varimax), kết hợp với kỹ thuật phân tích nhân tố (Factor Analysis) nhằm nhóm các biến quan sát và xem xét mức
độ tương quan giữa các biến, từ đó rút gọn quy mô và nâng cao mức độ tác động của 5 nhân tố.
Bảng 4.3. Phân tích nhân tố khám phá EFA cho các biến độc lập
Nhân tố
1 2 3 4 5
HI3 ,699
HI1 ,660
HI5 ,637
HI2 ,553
HI4 ,553
AH1 ,758
AH3 ,730
AH2 ,677
AH4 ,595
RR3 ,740
RR2 ,670
RR4 ,615
RR1 ,569
DSD1 ,657
DSD2 ,650
DSD4 ,586
DSD3 ,567
CP1 ,781
CP2 ,701
CP3 ,629
Hệ số KMO ,885
Sig. ,000
Eigenvalue 1,004
Phương sai trích 60,335%
Nguồn từ tính toán thông qua SPSS
Theo kết quả Bảng thì kết quả kiểm định cho ra trị số KMO = 0,885 thỏa mãn điều kiện 0,5 < KMO < 1, cho thấy phân tích EFA là thích hợp cho dữ liệu thực tế. Kết quả kiểm định Bartlett có Sig. nhỏ hơn 0,05 cho thấy các biến quan sát
có tương quan tuyến tính với nhân tố đại diện.
Phân tích nhân tố khám phá EFA bảng 4.3 cho thấy 5 nhân tố đại diện cho 20 biến quan sát với tiêu chuẩn Eigenvalues là 1,004 > 1, như vậy 5 nhân tố rút ra được
từ EFA có ý nghĩa tóm tắt thông tin các biến quan sát đưa vào tốt nhất. Bảng phương sai tích lũy cho thấy giá trị phương sai trích là 60,335% > 50%. Điều này có nghĩa là các nhân tố đại diện giải thích được 60,335% mức độ biến động của 20 biến quan sát trong các thang đo.
Kết quả phân tích nhân tố khám phá EFA cho thấy các hệ số tải đều lớn hơn 0,5. 20 biến quan sát được trích thành 5 nhóm nhân tố, các nhân tố và các biến quan
sát trong từng nhân tố cụ thể được trình bày trong bảng ma trận xoay nhân tố (bảng 4.3). Như vậy, ta trích được 5 nhân tố cụ thể như sau:
Nhân tố 1: Bao gồm các biến quan sát HI1, HI2, HI3, HI4, HI5. Đặt tên cho
nhân tố này là HI đại diện cho Nhận thức tính hữu ích.
Nhân tố 2: Bao gồm các biến quan sát AH1, AH2, AH3, AH4. Đặt tên cho
nhân tố này là AH đại diện cho Nhận thức ảnh hưởng xã hội.
Nhân tố 3: Bao gồm các biến quan sát RR1, RR2, RR3, RR4. Đặt tên cho
nhân tố này là RR đại diện cho Nhận thức ít rủi ro.
Nhân tố 4: Bao gồm các biến quan sát DSD1, DSD2, DSD3, DSD4. Đặt tên cho
nhân tố này là DSD đại diện cho Nhận thức dễ sử dụng.
Nhân tố 5: Bao gồm các biến quan sát CP1; CP2; CP3. Đặt tên cho nhân tố
này là CP đại diện cho Nhận thức chi phí giao dịch.
Trong kết quả phân tích EFA, tổng phương sai trích (total variance explained) có giá trị cộng dồn là 60,335% (>50%) nên đáp ứng tiêu chuẩn, các nhân tố được rút trích phản ánh được 60,335% sự biến thiên của dữ liệu gốc. Hệ số Eigenvalue khi rút trích biến thứ năm là 1.004 (>1) đạt yêu cầu nên các nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.
Bảng 4.4. Phân tích nhân tố khám phá EFA cho biến phụ thuộc
Các biến quan sát
Y3 ,835
Y2 ,820
Y1 ,782
Hệ số KMO ,682
Sig. ,000
Eigenvalue 1,982
Phương sai trích 66,074%
Nguồn từ tính toán thông qua SPSS
Hệ số KMO = 0,682 thỏa mãn điều kiện 0,5 < KMO < 1, cho thấy phân tích EFA là thích hợp cho dữ liệu thực tế. Bảng 4.4 cho kết quả kiểm định Bartlett có hệ
số Sig = 0,000 nhỏ hơn 0,05 cho thấy các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
Phân tích nhân tố khám phá EFA trích ra được 1 nhân tố đại diện cho 3 biến quan sát trong thang đo Ý định sử dụng dịch vụ ví điện tử với Eigenvalues là 1,982 (>1). Giá trị phương sai trích là 66,074%. Điều này có nghĩa là nhân tố đại diện choÝ định sử dụng của khách hàng giải thích đựợc 66,074% mức độ biến động của
3 biến quan sát trong các thang đo. Nhân tố đại diện cho Ý định sử dụng bao gồm 3 biến quan sát Y1, Y2, Y3 và đặt tên cho nhân tố này là Y.