CHƯƠNG 2: ĐÁNH GIÁ LÒNG TRUNG THÀNH CỦA KHÁCH HÀNG ĐỐI VỚI DỊCH VỤ NGÂN HÀNG BÁN LẺ TẠI NGÂN HÀNG TMCP ĐẦU TƢ VÀ PHÁT TRIỂN VIỆT NAM (BIDV) – CHI NHÁNH HUẾ
2.3. Đánh giá lòng trung thành của khách hàng đối với dịch vụ NHBL
2.3.3. Phân tích nhân tố khám phá EFA
Theo Hair & ctg (1998)11, phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm 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 nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu.
Phân tích nhân tố khám phá dùng để thu nhỏ và tóm tắt dữ liệu.
2.3.3.1. Phân tích nhân tố hám phá FA cho thang đo chất lƣợng dịch vụ
Khi thang đo đạt độ tin cậy, các biến quan sát sẽ đƣợc sử dụng trong phân tích nhân tố khám phá EFA với các yêu cầu sau:
- Hệ số KMO (Kaiser-Meyer-Olkin) ≥ 0,5 với mức ý nghĩa của kiểm định Bartlett ≤ 0,05.
11 Hair, J., Anderson, R., Tatham, R., & Black, W. (1998). “Multivariate Data Analysis (Fifth Edition)”, New Jersey: Prentice-Hall. Inc.
Trường Đại học Kinh tế Đại học Huế
50 - Hệ số tải nhân tố (Factor loading) ≥ 0,5
- Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% và hệ số Eigenvalue >1.
- Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn hơn 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố.
Khi phân tích EFA với thang đo chất lượng dịch vụ, tác giả sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax12 cho thang đo chất lƣợng dịch vụ (khái niệm đa hướng) và điểm dừng trích các yếu tố có Eigenvalue >1.
Bảng 2.14: Kết quả phân tích nhân tố khám phá EFA lần 1
Pattern Matrixa Factor
1 2 3 4 5
dc3 0,815
dc4 0,788
dc5 0,785
dc2 0,774
dc1 0,742
ux3 0,838
ux5 0,792
ux4 0,773
ux1 0,767
ux2 0,702
pv2 0,905
pv4 0,888
pv3 0,677
pv1 0,665
pthh3 0,849
pthh4 0,826
pthh1 0,767
pthh2 0,641
tc3 0,802
tc4 0,767
tc2 0,761
tc1 0,639
Eigenvalue = 1,925 Phương sai trích = 60,997%
Nguồn: Kết quả xử lý bằng SPSS 20
12 Theo Gerbing & Anderson (1988): Phương pháp Principal Axis Factoring với phép xoay Promax sẽ phản ánh dữ liệu chính xác hơn phương pháp Principal Components với phép xoay Varimax (Orthogonal)
Trường Đại học Kinh tế Đại học Huế
51 Kết quả bảng 2.14 cho thấy có 5 thành phần chất lƣợng dịch vụ đƣợc rút ra với mức Eigenvalue bằng 1,925, tổng phương sai trích là 60,997%, KMO = 0,826 và kết quả kiểm định Bartlett là 2642,437 có ý nghĩa thống kê (Sig = 0,000 <
0,05)13. Tất cả các biến đều có hệ số tải nhân tố lớn hơn 0,5. Kết quả phân tích EFA lần đầu cho thấy thang đo không có khuyết điểm, các hệ số tải nhân tố của các biến đều lớn hơn 0,5.
Nhƣ vậy, sau khi phân tích nhân tố khám phá EFA thì 5 thành phần của thang đo chất lƣợng dịch vụ vẫn giữ nguyên, không có biến nào bị loại bỏ.
Tóm lại, các biến quan sát đều đạt yêu cầu và sẽ đƣợc đánh giá tiếp theo dựa vào dữ liệu của nghiên cứu chính thức thông qua phân tích nhân tố khẳng định CFA.
2.3.3.2. Phân tích nhân tố hám phá FA cho thang đo giá cả cảm nhận, sự hài lòng và lòng trung thành.
Để đảm bảo độ tin cậy và độ kết dính của các biến quan sát đo lường nhân tố giá cả cảm nhận, sự hài lòng, lòng trung thành đã đƣa ra ở phần cơ sở lý thuyết, nghiên cứu cũng sẽ phải tiến hành phân tích nhân tố đối với các biến quan sát của giá cả cảm nhận, sự hài lòng và lòng trung thành. Mong đợi của nghiên cứu là các biến quan sát này sẽ cùng nhau tạo thành một nhân tố (phạm trù) có Eigenvalue > 1.
Theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2008), nghiên cứu này sẽ tiến hành EFA cho các khái niệm giá cả cảm nhận, sự hài lòng và lòng trung thành bằng phương pháp rút trích Principal Component với phép xoay Varimax để cho ra tổng phương sai trích tốt hơn. Bởi vì, thang đo giá cả cảm nhận, sự hài lòng và lòng trung thành là thang đo đơn hướng14.
13 Xem phụ lục 5: Kết quả phân tích EFA cho thang đo CLDV
14 Thang đo đơn hướng là thang đo khái niệm gồm một thành phần. Ví dụ: giá cả, hình ảnh…
Thang đo đa hướng là thang đo khái niệm gồm nhiều hơn một thành phần. Ví dụ: chất lượng dịch vụ.
Trường Đại học Kinh tế Đại học Huế
52 Bảng 2.15: Kết quả phân tích EFA cho giá cả cảm nhận, sự hài lòng,
lòng trung thành
Biến quan
sát Factor Biến quan sát Factor Biến quan
sát Factor
gccn1 0,874 hl1 0,833 tt1 0,867
gccn2 0,867 hl2 0,832 tt2 0,806
gccn3 0,793 hl3 0,832 tt3 0,744
gccn4 0,787 hl4 0,663 tt4 0,699
hl5 0,651
Eigenvalue = 2,763 Eigenvalue = 2,941 Eigenvalue = 2,443
Phương sai trích = 69,066% Phương sai trích = 58,813% Phương sai trích = 61,071%
KMO = 0,810 KMO = 0,794 KMO = 0,744
Sig = 0,000 Sig = 0,000 Sig = 0,000
Nguồn: Kết quả xử lý bằng SPSS 20 Kết quả trên cho thấy các biến trong 3 thang đo về giá cả cảm nhận, sự hài lòng và lòng trung thành đều đạt yêu cầu với Eigenvalue > 1, KMO ≥ 0,5, Kiểm định Barlett’s với mức ý nghĩa thống kê Sig < 0,05.