CHƯƠNG 3. KẾT QUẢ NGHIÊN CỨU SỰ HÀI LÒNG CỦA KHÁCH HÀNG ĐỐI VỚI SIÊU THỊ BIG C ĐÀ NẴNG
3.2.2. Phân tích nhân tố khám phá EFA
Sau khi kiểm tra độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại các biến không đảm bảo độ tin cậy, phân tích nhân tố khám phá là kỹ thuật được sử dụng để rút trích các biến quan sát thành một hay một số biến tổng hợp. Khi phân tích nhân tố khám phá, các yêu cầu cần thiết là:
-Kiểm định Bartlett: Bartlett là đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể (Corelation matrix). Nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Căn cứ trên giá trị Sig< 0.05
- Trị số KMO (Kaiser – Meyer – Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Giá trị của KMO đạt từ 0.5< KMO <1 thể hiện phân tích nhân tố là phù hợp, nếu giá trị này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
- Hệ số tải nhân tố (Factor loading) > 0.4. Nếu biến quan sát nào có hệ số tải nhân tố nhỏ hơn 0.4 sẽ bị loại.
Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố khám phá. Factor loading > 0.3 được xem là đạt mức tối thiểu, Factor loading > 0.4 được xem là quan trọng và Factor loading > 0.5 được xem là có ý nghĩa thực tiễn
Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố > 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố
- Tổng phương sai trích là phần trăm phương sai toàn bộ được giải thích bởi từng nhân tố, phải đạt giá trị từ 50% trở lên được xem là phù hợp.
Đại lượng Eigenvalue đại diện cho phần biến thiên được giải thích cho mỗi nhân tố. Chỉ có những nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc, vì sau khi chuấn hóa mỗi biến gốc có phương sai là 1
a. Phân tích nhân tố EFA đối với thành phần sự hài lòng của khách hàng đối với siêu thị Big C Đà Nẵng
Sau khi các chỉ báo các chỉ báo: HH5 của biến “Phương tiện hữu hình”, CS4 của biến “Chính sách” , GQ3 của biến “Giải quyết vấn đề” đã được loại bỏ trong phần đánh giá độ tin cậy của thang đo, phân tích nhân tố được tiến hành.
Kết quả phân tích cho thấy, giá trị KMO = 0.754 > 0.5, kiểm định Bartlett’s có Chi – square = 1410.12, df = 231 nên p(chi – square, df) = 0.000
< 0.05. Đồng thời, đo lường sự tương thích của dữ liệu (MSA) với tất cả giá trị trên đường chéo của Anti – image Correlation trong ma trận Anti – image Matrices đều lớn hơn 0.5 nên khẳng định dữ liệu là thích hợp để phân tích nhân tố.
Bảng 3.14 - Kết quả KMO and Bartlett’s Test các nhân tố Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .754
Approx. Chi-Square 1410.12
Df 231
Bartlett's Test of phericity
Sig. .000
Trong biểu tổng phương sai trích (Total Variance Explained) cho thấy có thể rút trích từ 22 chỉ báo thành 6 nhân tố có giá trị riêng Eigenvalue ≥ 1, với phương sai trích tích lũy bằng 59.808% thỏa mãn điều kiện phương sai tích lũy ≥
50%. Tất cả các chỉ báo đề thỏa mãn điều kiện hệ số nhân tải lớn hơn 0.4.
Bảng 3.15 - Tổng phương sai giải thích (Total Variance Explained) Initial Eigenvalues
Component
Total % of Variance Cumulative %
1 4.857 22.077 22.077
2 2.323 10.558 32.635
3 2.069 9.406 42.042
4 1.458 6.629 48.670
5 1.368 6.216 54.886
6 1.083 4.921 59.808
7 .966 4.390 64.197
8 .923 4.197 68.394
… … … …
22 .266 1.208 100.000
Extraction Method: Principal Component Analysis.
Kết quả của ma trận sau khi xoay (Rotated Component Matrix) với tất cả các chỉ báo (items) thỏa mãn điều kiện hệ số tải nhân tố lớn hơn 0.4 và không xảy ra hiện tượng cross – loading như sau:
Bảng 3.16: Ma trận nhân tố sau khi xoay (Rotated Component Matrixa) Rotated Component Matrixa
Component
1 2 3 4 5 6
NV3 .761 NV1 .738 NV4 .717 NV6 .682 NV7 .472 NV5 .457
HH3 .750
HH1 .691
HH2 .658
HH4 .645
TC2 .764
TC1 .699
TC3 .646
TC4 .495
GC1 .804
GC2 .769
GC3 .758
CS2 .855
CS3 .791
CS1 .699
GQ1 .717
GQ2 .701
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 6 iterations.
Đặt tên các biến:
-Nhân tố HH: Phương tiện hữu hình ( được đo lường bởi các chỉ báo:
HH1, HH2, HH3, HH4).
-Nhân tố TC: Tin cậy (được đo lường bởi các chỉ báo: TC1, TC2, TC3, TC4).
-Nhân tố NV: Nhân viên phục vụ (được đo lường bởi các chỉ báo: NV1, NV3, NV4, NV5,NV6, NV7).
-Nhân tố GQ: Giải quyết vấn đề ( được đo lường bới các chỉ báo: GQ1, GQ2)
-Nhân tố CS: Chính sách (được đo lường bởi các chỉ báo CS1, CS2, CS3) -Nhân tố GC: Giá cả ( được đo lường bới các chỉ báo GC1, GC2, GC3)
b. Phân tích nhân tố EFA đối với nhân tố “sự hài lòng” của khách hàng”
Kết quả phân tích nhân tố khám phá EFA với KMO = 0.785 > 0.5 và kiểm định Bartlett với P (chi – square, df) = 0.000 < 0.05 nên có thể khẳng định dữ liệu phù hợp để phân tích nhân tố. Đồng thời, đo lường sự tương thích của dữ liệu (MSA) với tất cả giá trị trên đường chéo của Anti – image Correlation trong ma trận Anti – image Matrices đều lớn hơn 0.5 nên khẳng định dữ liệu là thích hợp để phân tích nhân tố.
Bảng 3.17 - Kết quả KMO and Bartlett’s Test nhân tố
“Sự hài lòng của khách hàng”
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .785 Approx. Chi-Square 588.091
Df 15
Bartlett's Test of phericity
Sig. .000
Phân tích cũng đã rút trích từ 6 chỉ báo thành một nhân tố chính có Eigenvalue >1 và tổng phương sai trích tích lũy là 56.989 > 0.05 với các hệ số tải nhân tố đều lớn hơn 0.4, ma trận thành phần được giới thiệu tại bảng Component matrix (trong trường hợp này, vì chỉ có một nhân tố nên không thể hiện ma trận xoay nhân tố).
Bảng 3.18 - Tổng phương sai giải thích (trích) được
nhân tố “Sự hài lòng của khách hàng” (Total Variance Explained) Initial Eigenvalues
Component
Total % of Variance Cumulative %
1 3.419 56.989 56.989
2 .821 13.676 70.665
3 .768 12.792 83.457
4 .510 8.496 91.953
5 .277 4.624 96.577
6 .205 3.423 100.000
Extraction Method: Pricipal Componen Analysis
Kết quả của ma trận sau khi xoay (Rotated Component Matrix) với tất cả các chỉ báo (items) thỏa mãn điều kiện hệ số tải nhân tố lớn hơn 0.4 và không xảy ra hiện tượng cross – loading như sau:
Bảng 3.19 - Ma trận nhân tố sau khi xoay (Component Matrixa) Thành phần
1
HL3 .840
HL5 .812
HL6 .802
HL2 .766
HL1 .668
HL4 .614
Đánh giá độ tin cậy thang đo của các nhân tố mới:
Ta nhận thấy, kết quả phân tích nhân tố tại bảng Rotated Component Matrixa, các nhân tố cũng như các chỉ báo vẫn được giữ nguyên. Vì vậy, hệ số Cronbach’s Alpha của các nhân tố này cũng sẽ được giữ nguyên, không có gì thay đổi, cụ thể:
Bảng 3.20 - Hệ số Cronbach’s Alpha của các nhân tố mới Nhân tố Hệ số Cronbach’s Alpha HH (Phương tiện hữu hình 0.702
TC (Độ tin cậy) 0.701
NV (Nhân viên phục vụ) 0.777 GQ (Giải quyết vấn đề) 0.622
CS (Chính sách) 0.728
GC (Giá cả) 0.712
Các nhân tố có hệ số Cronbach’s Alpha đều lớn hơn 0.6, đồng thời hệ số tương quan biến tổng của của các nhân tố này cũng đều lớn hơn 0.3. Do đó, các nhân tố đều đủ điều kiện để đưa vào phân tích ở phần tiếp theo.