2.2. Đo lường về nhân tố ảnh hưởng tới ý định chấp nhận sử dụng dịch vụ thanh toán bằng phương thức quét mã QR của NTD tại Việt Nam
2.2.3. Đánh giá thang đo bằng phân tích nhân tố khám phá (EFA)
“Phân tích nhân tố EFA sẽ giúp khám phá các cấu trúc khái niệm nghiên cứu, loại bỏ các biến đo lường không đạt yêu cầu và đảm bảo cho thang đo có tính đồng nhất. Mục đích của việc phân tích nhân tố EFA là xem xét mối quan hệ giữa các biến quan sát và gộp chúng vào các nhóm biến giải thích cho các nhân tố.
Trong quá trình phân tích nhân tố, phải đáp ứng những yêu cầu và tiêu chuẩn cụ thể như sau:
+ Đạt giá trị phải hội tụ: Hệ số tải nhân tố (factor loading) > 0.5, nếu biến nào có hệ số tải nhân tố nhỏ hơn 0.5 thì sẽ bị loại, hệ số tải nhân tố lớn nhất ở cột nào thì thuộc vào nhân tố đó.
56
+ Giá trị phân biệt: nếu hệ số tải nhân tố (factor loading) xuất hiện 2 nhân tố thì khoảng cách giữa 2 nhân tố phải lớn hơn 0.3, khi đấy lấy biến quan sát có hệ số tải nhân tố lớn hơn.
+ Phương sai trích lớn hơn 50% và eigenvalue có giá trị lớn hơn 1 thì được chấp nhận.
+ Hệ số KMO là trị số dùng để xem xét sự thích hợp của phân tích nhân tố do vậy giá trị KMO phải nằm giữa 0.5 và 1 (0.5< KMO<1) thì mới phù hợp với dữ liệu thu thập được. Mức ý nghĩa của kiểm định Barrtlett với sig nhỏ hơn 0.05 thì có ý nghĩa thống kê”
2.3.3.1. Phân tích nhân tố cho nhóm biến độc lập
Từ kết quả phân tích độ tin cậy của thang đo ở phần trên, việc phân tích nhân tố trước tiên được tiến hành dựa trên 18 biến quan sát của các biến độc lập ảnh hưởng đến Hành Vi Của NTD Sử Dụng Dịch Vụ Thanh toán số: Thanh Toán Bằng Mã QR (theo mô hình đề xuất ban đầu).
Kết quả đạt được hệ số KMO = 0,662 > 0.5 và kiểm định Barlett’s có giá trị 1415.052 với mức ý nghĩa Sig = 0.000 < 0.05, cho thấy các biến quan sát thuộc cùng một nhân tố có tương quan chặt chẽ với nhau. Đồng thời tổng phương sai trích là 69.596% >
50% cho thấy 6 nhân tố này giải thích 69.596% sự biến thiên của tập dữ liệu và giá trị Eigenvalue = 1.213 >1 đủ tiêu chuẩn phân tích nhân tố (Phụ lục 4.1)
Bảng 2.2: Hệ số KMO và kiểm định Barlett’s nhóm biến độc lập
Chỉ số KMO .662
Kiểm định Barlett’s 1415.052
Df 153
Sig. .000
57
Bảng 2.3 : Kết quả phân tích EFA nhóm biến độc lập Rotated Component Matrixa
Component
1 2 3 4 5 6
TDGD1 .874 TDGD3 .846 TDGD2 .802
TLQ3 .860
TLQ2 .821
TLQ1 .798
TTT2 .873
TTT3 .833
TTT1 .733
TDSD3 .820
TDSD1 .802
TDSD4 .786
TĐMCN2 .836
TĐMCN3 .801
TĐMCN1 .737
THI3 .808
THI2 .749
THI1 .741
Dựa vào bảng 2.3. ta thấy các biến quan sát đạt các điều kiệu sau:
- Giá trị hội tụ: Các biến quan sát xếp thành nhóm với nhau với các hệ số tải nhân tố nằm cùng một cột trong cùng một thang đo như thang đo đã đề xuất ban đầu.
- Giá trị phân biệt: Dựa vào bảng 3.3 ta thấy không có biến quan sát nào xuất hiện thêm hệ số tải nhân tố lớn hơn 0.5 hai cột khác nhau nên các biến quan sát đạt giá trị phân
58 biệt.
- Ngoài ra các biến quan sát khác đều chỉ xuất hiện một hệ số tải nhân tố và đều lớn hơn 0.5 chứng tỏ các biến quan sát có ý nghĩa thực tiễn và có thể dùng để đưa vào xây dựng mô hình hồ quy nhằm kiểm định giả thuyết đặt ra ban đầu.
2.3.3.2. Phân tích nhân tố cho biến phụ thuộc
Hệ số KMO = 0, 777 > 0,5 và kiểm định Barlett’s có giá trị 718.058 với mức ý nghĩa Sig = 0.000 < 0.05; qua đó kết quả chỉ ra rằng các biến quan sát trong tổng thể có mối tương quan với nhau và phân tích nhân tố khám phá (EFA) thích hợp sử dụng trong nghiên cứu này.
Bảng 2.4 : Hệ số KMO và kiểm định Barlett’s cho biến phụ thuộc
Chỉ số KMO .777
Kiểm định Barlett’s 718.058
Df 6
Sig. .000
Kết quả phân tích nhân tố EFA của thang đo “Ý định hành vi”với giá trị Eigenvalue là 3.159 > 1 và tổng phương sai trích là 78.968% > 50% cho thấy nhân tố này giải thích 78.968% sự biến thiên của tập dữ liệu. Do đó các thang đo rút ra được chấp nhận (phụ lục 4.2)
Dựa vào bảng 2.5. ta thấy các biến quan sát đạt hai điều kiệu sau:
- Giá trị hội tụ: Các biến quan sát xếp thành nhóm với nhau với các hệ số tải nhân tố nằm cùng một cột trong cùng một thang đo “Ý định hành vi” như thang đo đã đề xuất ban đầu.
59
- Giá trị phân biệt: các biến quan sát đều chỉ xuất hiện một hệ số tải nhân tố nên đạt giá trị phân biệt.
- Ngoài ra các hệ số tải nhân tố đều lớn hơn 0.5 chứng tỏ các biến quan sát có ý nghĩa thực tiễn và có thể dùng để đưa vào xây dựng mô hình hồi quy nhằm kiểm định giả thuyết đặt ra ban đầu.
Bảng 2.5 : Kết quả EFA của biến phụ thuộc Component Matrixa
Component 1
YDHV3 .920 YDHV2 .908 YDHV1 .883 YDHV4 .842