CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4. Phân tích nhân tố khám phá A
4.3.1 Phân tích EFA lần đầu
Phương pháp phân tích nhân tố khám phá ( A) được sử ụng để thu nhỏ và tóm tắt ữ liệu. Tr ng nghiên cứu này, phương pháp A ựa và mối tương quan giữa các biến với nhau để rút gọn thành những nhân tố có nghĩa hơn. Cụ thể, khi đưa tất cả các biến thu thập được ( 0 biến) và phân tích, các biến có thể có liên hệ với nhau. Khi đó, chúng sẽ được g m thành các nhóm biến có liên hệ để xem xét và trình bày ưới ạng các nhân tố tác động đến chất lượng ịch vụ công về thuế đối với công tác tuyên tuyền hỗ trợ tại Chi cục Thuế quận Bình Tân.
Nghiên cứu tiến hành sử ụng phương pháp trích hệ số Number f
fact r với phép quay Varimax tại điểm ừng khi trích các nhân tố có igenvalue > 1. Thang đ nà có tổng phương sai trích từ 50% trở lên là được chấp nhận (Gerbing An ers n, 1988). Các biến có trọng số ( act r l a ing) nhỏ hơn 0.5 sẽ bị l ại. Tại mỗi khái niệm có chênh lệch trọng số ( act r l a ing) lớn nhất và bất kỳ phải đạt ≥ 0.3 (Jabnoun & AL-Tamini, 200 ). Tr ng phân tích nhân tố, yêu cầu cần thiết là hệ số K O (Kaiser – Meyer – Olkin) phải có giá trị lớn (0.5 ≤ K O ≤ 1), điều này thể hiện phân tích nhân tố là thích hợp. Nếu hệ số K O < 0.5 thì phân tích nhân tố có khả năng không thích hợp với các ữ liệu. The Kaiser (19 4), K O ≥ 0.9 là rất tốt; 0.9 > K O ≥ 0.8 là tốt; 0.8 > K O ≥ 0. là được; 0. > K O ≥ 0.6 là tạm được, 0.6> K O ≥ 0.5 là xấu và K O < 0.5 là không thể chấp nhận được (H àng Trọng và Chu Nguyễn ộng Ngọc, 2008).
Nhóm nghiên cứu tiến hành phân tích nhân tố khám phá ( A) the từng bước. Lần đầu thực hiện A, 0 biến đã nhóm lại thành 6 nhóm nhân tố. Sau thực hiện phép quay, có 6 nhóm chính thức được hình thành. Khi phân tích nhân tố, nghiên cứu đặt ra 2 giả thuyết:
Giả thuyết Ho: Các biến trong tổng thể không có tương quan với nhau.
Giả thuyết H1: Các biến trong tổng thể có tương quan với nhau.
Kết quả kiểm tra độ tin cậy thông qua hệ số Cr nbach’s alpha ch thấy 30 biến quan sát của thang đ sự hài lòng đối với chất lượng ịch vụ tuyên truyền-hỗ trợ tại Chi cục Thuế quận Bình Tân đạt yêu cầu sẽ được đưa và phân tích nhân tố A. Phương pháp phân tích nhân tố được tiến hành bằng phần mềm SPSS 20.0.
Bảng 4.8: Hệ số KMO và kiểm định Barlett các thành phần lần đầu
Kiểm tra KMO and Bartlett's
Hệ số KMO (Kaiser-Meyer-Olkin) .849
Mô hình kiểm tra của Bartlett Giá trị Chi-Square 2482.284
Bậc tự do 435
Sig (giá trị P – value) 0.000
(Nguồn: Phân tích dữ liệu – phụ lục số 4) Kết quả phân tích nhân tố có hệ số K O = 0.849 (nằm tr ng kh ảng từ 0.5 đến 1) và kiểm định Bartlett có ý nghĩa (sig = 0.000<0.05) ch thấy việc phân tích nhân tố là phù hợp ữ liệu và các biến quan sát là có tương quan với nhau tr ng tổng thể.
Phương sai trích đạt 61,361% (>50%) (phụ lục 4.8 ). Hệ số tải nhân tố (fact r l a ing) của các biến đều đạt yêu cầu (>0.5).
Bảng 4.9: Bảng phương sai trích lần đầu
Nhân tố
Eigenvalues ban đầu
Tổng bình phương hệ số tải đ trích xuất
Toàn phần Phần trăm của Phương
sai (%)
Phần trăm tích lũy
(%)
Toàn phần Phần trăm của Phương
sai (%)
Phần trăm tích lũy (%)
1 7.752 25.838 25.838 7.752 25.838 25.838
2 2.944 9.814 35.652 2.944 9.814 35.652
3 2.494 8.314 43.967 2.494 8.314 43.967
4 1.731 5.771 49.738 1.731 5.771 49.738
5 1.252 4.174 53.912 1.252 4.174 53.912
6 1.192 3.974 57.885 1.192 3.974 57.885
7 1.043 3.476 61.361 1.043 3.476 61.361
8 .908 3.025 64.386
(Nguồn: Phân tích dữ liệu – phụ lục số 4)
Đây cũng là lần phân tích nhân tố đầu tiên 30 biến này được xem xét Kết quả bảng 4.9 ch thấy, the tiêu chuẩn igenvalue >1 thì có 6 nhóm nhân tố được rút ra và 6 nhóm nhân tố này sẽ giải thích được 61,361%
biến thiên của ữ liệu.
Phương pháp trích nhân tố chính, phép x ay varimax để x ay nhân tố:
x ay nguyên góc nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích nhân tố. (H àng Trọng và Chu Nguyễn ộng Ngọc 2008).
Bảng 4.10: Kết quả phân tích nhân tố EFA lần đầu
STT
Biến Quan
Sát
Nhân Tố
1 2 3 4 5 6 7
1 DTC1 .768 .223
2 DTC2 .705 .221
3 DTC5 .604 .447 .229
4 DTC3 .593 .344
5 SCT4 .550 .226 .350
6 CCTH3 .744
7 CCTH2 .221 .691 .336
8 CCTH4 .389 .628
9 CCTH5 .606 .222 .346 .332
10 DTC4 .517 .538
11 CSVC1 .771
12 CSVC2 .770
13 CSVC5 .727
14 CSVC4 .377 .648
15 CSVC3 .232 .582 .328
16 TMB2 .812
17 TMB3 .807
18 TMB4 .767
19 TMB1 .694
20 SCT1 .239 .766
21 SCT2 .240 .240 .225 .609
22 CCTH1 .417 .602
23 SCT5 .550 .560
24 SCT3 .374 .330 .442
25 DU3 .735
26 DU2 .722
27 DU5 .220 .696
28 DU4 -.213 .694 .356
29 DU1 .614 -.409
30 TMB5 .502 .580
(Nguồn: Phân tích dữ liệu – phụ lục số 4)