CHƯƠNG 3. KẾT QUẢ NGHIÊN CỨU
3.2. KIỂM ĐỊNH THANG ĐO CHO MÔ HÌNH NGHIÊN CỨU
3.2.1. Kiểm định độ tin cậy của thang đo qua Cronbach’s Alpha
Việc chỉ dựa vào các thang đo đơn giản để đo lường các nhân tố lớn thường khó khăn và phức tạp nên cần sử dụng các thang đo chi tiết hơn – dùng nhiều câu hỏi để đo lường và hiểu rõ tính chất của các nhân tố lớn là rất cần thiết. Các câu hỏi đo lường đó được gọi là biến con - có thể thể hiện được tính chất của nhân tố mẹ. Song không phải lúc nào các biến quan sát con cũng phản ánh hết tính chất nhân tố mẹ nên cần một công cụ để kiểm tra các biến nhỏ này có đáng tin cậy, có tốt hay không. Và Cronbach’s Alpha chính là công cụ đó. Kiểm định này sẽ cho biết trong các biến quan sát thì biến nào đóng góp trong việc đo lường, biến nào không ảnh hưởng đến nhân tố mẹ.
Theo Nguyễn Đình Thọ (2013) nhận định: “Hệ số Cronbach’s Alpha biến thiên trong đoạn từ 0 đến 1”. Cronbach’s Alpha càng cao càng chứng tỏ thang đo có độ tin cậy lớn song cần phải chú ý đến hệ số này khi nó có giá trị lớn (từ khoảng 0.95 trở lên) do có thể xuất hiện hiện tượng trùng lắp vì có nhiều biến trùng nhau về ý nghĩa.
Bên cạnh đó, theo Nunnally J (1978): “ Nếu một biến đo lường có hệ số tương quan biến tổng (Corrected Item – Total Correlation) ≥ 0.3 thì biến đó đạt yêu cầu”.
33,8%
8,8%
15,8%
7,0%
34,5%
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
Thẻ ngân hàng sec UNC LC NHĐT
Biểu đồ 3.1. Các dịch vụ TTKDTM đang được sử dụng tại ACB Hà Nội
38 Bảng 3.2. Hệ số Cronbach’s Alpha của các biến độc lập
Biến
Trung bình thang đo nếu
loại biến
Phương sai thang đo
nếu loại biến
Tương quan biến
tổng
Hệ số Cronbach’s nếu loại biến
Hệ số Cronbach’s
Alpha chung ĐỘ TIN CẬY
TC1 12.2533 5.318 .684 .867
.880
TC2 12.2067 4.058 .846 .802
TC3 12.0333 4.824 .802 .823
TC4 12.1667 5.053 .651 .879
TÍNH ĐÁP ỨNG
DU1 10.2267 12.123 .362 .679
.682
DU2 9.8133 11.213 .492 .599
DU3 10.0467 9.535 .658 .479
DU4 9.8733 11.736 .367 .680
SỰ ĐỒNG CẢM
DC1 9.2533 15.721 .375 .746
.727
DC2 9.5600 12.852 .696 .559
DC3 9.2267 12.754 .669 .573
DC4 8.9000 15.446 .368 .753
TÍNH ĐẢM BẢO
DB1 5.8200 5.504 .563 .645
.732
DB2 5.6133 4.856 .507 .712
DB3 5.7133 4.703 .609 .580
PHƯƠNG TIỆN HỮU HÌNH
PTHH2 3.500 1.728 .813 . .892
PTHH3 3.3800 2.318 .813 .
GIÁ CẢ
GC1 6.9133 7.274 .306 .720
.644
GC2 6.8200 5.102 .565 .383
GC3 6.9067 4.877 .513 .460
SỰ HÀI LÒNG
39
HL1 6.7133 4.447 .558 .346 .619
HL2 6.6467 4.807 .432 .516
HL3 7.3467 4.617 .321 .693
CÁC BIẾN LOẠI
TC5 0.015 .880
DB4 .107 .732
PTHH1 .022 .892
(Nguồn: Kết quả phân tích số liệu từ SPSS) - Phân tích kết quả cho biến độc lập
Nhìn vào kết quả bảng 3.3, dễ thấy hầu hết các nhân tố đều có hệ số tương quan biến tổng phù hợp (≥ 0.3) song ba biến nhỏ là TC5, DB4, PTHH1 lại có hệ số này <
0.3, không đạt yêu cầu và không thể sử dụng trong mô hình nên sẽ được loại bỏ khỏi mô hình.
Chạy lại kiểm định thì ta thu được tất cả các hệ số Cronbach’s Alpha đều lớn 0.6 thể hiện thang đo đủ điều kiện phân tích. Các thang đo “ĐỘ TIN CẬY”,
“PHƯƠNG TIỆN HỮU HÌNH” còn có hệ số kiểm định > 0.8 cho thấy thang đo đo lường rất tốt.
Sau khi loại bỏ các biến không đủ tiêu chuẩn thì còn 20 biến nhỏ của 6 nhân tố mẹ sẽ tiếp tục được đưa vào mô hình để nghiên cứu.
- Phân tích kết quả cho biến phụ thuộc
Tất cả các quan sát là HL1, HL2, HL3 của biến phụ thuộc “SỰ HÀI LÒNG”
đều có Cronbach’s Alpha bằng 0.649 và có hệ số tương quan biến tổng > 0.3 (HL1 = 0.558, HL2 = 0.432, HL3 = 0.321) đáp ứng được nguyên tắc lựa chọn biến dùng để phân tích EFA nên cả 3 biến trên sẽ được giữ lại.
3.2.2. Kiểm định bằng phương pháp phân tích nhân tố khám phá EFA Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005):
40
“Phân tích nhân tố khám phá EFA dùng để rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập ít biến hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu”.
Cần quan tâm đến các tiêu chí để phân tích nhân tố khám phá EFA:
- Hệ số KMO (Kaiser Meyer Olkin) là chỉ số dùng để xem xét sự thích hợp khi phân tích nhân tố. Mô hình có trị số KMO nằm trong khoảng 0.5
<KMO< 1 sẽ được coi là thích hợp và đủ điều kiện để phân tích EFA. Và ngược lại, nếu KMO < 0.5 thì phân tích EFA không phù hợp với tập dữ liệu được nghiên cứu.
- Kiểm định Bartlett dùng để xem xét mối tương quan giữa các biến trong nhân tố và Sig Bartlett’s Test có giá trị nhỏ hơn 0.05 chứng tỏ các biến có mối tương quan với nhau.
- Trị số Eigenvalue là tiêu chí dùng để xác định số lượng nhân tố được giữ lại trong mô hình với điều kiện là Eigenvalue ≥ 1.
- Tổng phương sai trích thể hiện các nhân tố được trích ra cô đọng và bị thất thoát bao nhiêu phần trăm từ các biến quan sát. Mô hình EFA sẽ là phù hợp nếu Total Variance Explained ≥ 50%.
Tiến hành đưa 20 biến còn lại vào phân tích nhân tố EFA, ta thu được kết quả:
Bảng 3.3. Các biến loại bỏ trong ma trận xoay
Mã hóa Component
1 2 3 4 5 6 7
GC2 .685 -.307 .368
DC4 .552 .477
DB3 .797 -.323
DU4 .924
DU3 .863 .326
GC1 .852
(Nguồn: Kết quả phân tích số liệu từ SPSS) Bảng 3.3. cho thấy các biến vi phạm tính phân biệt trong ma trận xoay và có hệ số tải ở nhiều hơn một nhân tố nên cần loại bỏ chúng ra khỏi mô hình. Tiến hành chạy lại mô hình, ta có:
41 Bảng 3.4. Kiểm định KMO và Bartlett’s sau khi loại biến xấu
Chỉ tiêu Giá trị
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .632 Bartlett's Test of Sphericity Sig. 0.000
Cummulative (%) 76.653
Eigenvalue 1.240
Bảng 3.5. Ma trận nhân tố xoay 14 nhân tố (Rotated Component Matrix)
Mã hóa Component
1 2 3 4 5
TC2 .923
TC3 .875
TC1 .824
TC4 .782
PTHH2 .930
PTHH3 .887
GC3 .867
DC2 .918
DC3 .761
DC1 .755
DU1 .891
DU2 .832
DB2 .844
DB1 .819
(Nguồn: Kết quả phân tích số liệu từ SPSS) Kết quả phân tích nhân tố EFA từ bảng 3.5 đạt kết quả khá tốt với chỉ số KMO là 0.632 (thỏa mãn điều kiện 0.5 <KMO< 1). Các biến có Sig. là 0.000 (thỏa mãn Sig Bartlett’s Test < 0.05) cho thấy kết quả phân tích EFA có độ tin cậy cao. Tổng phương sai trích của nhân tố thứ 5 là 76.653% (lớn hơn 50%) và giá trị hội tụ Eigenvalue đạt 1.240 cho biết các biến quan sát tập hợp ở cả năm nhân tố và nó biểu diễn được 76.653% sự biến thiên của dữ liệu tronh mô hình nghiên cứu.
42 Sau đó, tiến hành phân tích EFA cho biến phụ thuộc HL và thu được bảng sau:
Bảng 3.6. Kiểm định KMO và Bartlett’s cho biến phụ thuộc
Chỉ tiêu Giá trị
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .574
Bartlett's Test of Sphericity Sig. 0.000
Cummulative (%) 58.217
Eigenvalue 1.747
Bảng 3.7. Ma trận thành phần (Component Matrix) cho biến phụ thuộc
Mã Các biến quan sát Component
1
HL2 KH sẽ tiếp tục sử dụng sản phẩm NH .856
HL3 KH sẽ giới thiệu sản phẩm NH cho bạn bè, người thân .786
HL1 KH hài lòng với sản phẩm NH .628
(Nguồn: Kết quả phân tích số liệu từ SPSS) Tương tự kết quả thu được từ phân tích các biến độc lập, phân tích EFA cho
“SỰ HÀI LÒNG” cũng có kết quả khá tốt với KMO = 0.574 (> 0.5). Bên cạnh đó, kiểm định Bartlett với Sig = 0.000, tổng phương sai trích và Eigenvalue đều thỏa mãn điều kiện với giá trị lần lượt là 58.217% và 1.747. Từ đó kết luận nhân tố HL với cả 3 biến nhỏ đều được gom về 1 nhân tố duy nhất.