Phân tích nhân tố có vô số ứng dụng trong các lĩnh vực nghiên cứu kinh tế và xã hội. Trong xã hội, các khái niệm thường khá trừu tượng và phức tạp, phân tích nhân tố thường được dùng trong quá trình phân tích thang đo các khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra tính đơn khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra đơn khía cạnh của thang đo lường.
Trong phân tích nhân tố khám phá thì chỉ có những nhân tố nào có Eigenvalue lớn hơn 1 được giữ lại trong mô hình phân tích. Và hệ số KMO (Kaiser Meyer olkin) phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (Component Matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hoá
bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số này (Factor Loading) biểu diễn tương quan giữa các nhân tố và các biến. Hệ số này lớn cho biết nhân tố và biến có liên hệ chặt chẽ với nhau. Các hệ số này được dùng để giải thích các nhân tố.
Thang đo gồm 4 nhân tố với 24 biến quan sát lần 1 nhận thấy biến quan sát
NH có các chứng từ giao dịch rõ ràng, không có sai sót <0.4 (Phụ lục) nên loại biến và chạy mô hình nhân tố lần 2 gồm thang đo 4 nhân tố và 23 biến quan sát. Phân tích nhân tố EFA được sử dụng tiếp theo để đánh giá lại mức độ hội tụ của các biến quan sát theo các thành phần.
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .913 Bartlett's Test of Sphericity Approx. Chi-Square 5588.678 df 253 Sig. .000
Total Variance Explained
Comp onent
Initial Eigenvalues
Extraction Sums of Squared
Loadings Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 11.123 48.359 48.359 11.123 48.359 48.359 6.237 27.118 27.118 2 1.765 7.673 56.032 1.765 7.673 56.032 3.747 16.289 43.407 3 1.360 5.911 61.944 1.360 5.911 61.944 3.085 13.413 56.821 4 1.291 5.614 67.558 1.291 5.614 67.558 2.470 10.737 67.558 5 .935 4.063 71.621 6 .864 3.755 75.377 7 .676 2.938 78.315 8 .612 2.663 80.977 9 .549 2.386 83.363 10 .493 2.143 85.506 11 .470 2.045 87.551 12 .403 1.752 89.302 13 .353 1.536 90.838 14 .327 1.422 92.259 15 .285 1.239 93.499 16 .277 1.206 94.705 17 .242 1.052 95.757 18 .212 .924 96.681 19 .187 .812 97.493 20 .171 .743 98.236 21 .154 .669 98.904 22 .136 .590 99.495 23 .116 .505 100.000
Extraction Method: Principal Component Analysis.
Rotated Component Matrixa
Component 1 2 3 4 Nhân viên giải đáp hiệu quả các thắc mắc của khách hàng .825
NH luôn thực hiện đúng đắn những gì cam kết với khách
hàng .794
Nhân viên NH thực hiện dịch vụ chính xác và kịp thời .784 Ngân hàng áp dụng mức lãi suất cạnh tranh .751 Nhân viên luôn sẵn sàng phục vụ khách hàng .713 Nhân viên NH rất lịch thiệp và ân cần với khách hàng .643
NH có địa điểm giao dịch thuận tiện cho khách hàng .616 .491 Nhân viên NH có trình độ chuyên môn giỏi .605
NH thực hiện dịch vụ đúng ngay từ lần đầu .563 NH bảo mật thông tin khách hàng và giao dịch .427
NH có đường dây nóng phục vụ khách hàng 24/24 .784 NH có các hoạt động giới thiệu về dịch vụ rất hiệu quả .732 Nhân viên NH thường xuyên liên lạc với khách hàng .679
NH có danh mục dịch vụ đa dạng và phong phú .579 .525 NH luôn lắng nghe ý kiến đóng góp của khách hàng .517 .569
Hệ thống truy cập thông tin dễ sử dụng .401 .488 .418 NH có trang thiết bị và máy móc hịện đại .472 .484
Thời gian phục vụ của NH hợp lý và thuận tiện .829 Thủ tục giao dịch dễ dàng và nhanh chóng .464 .704 NH có mạng lưới đại lý rộng khắp .632 NH có hệ thống ATM hiện đại và thuận tiện cho khách hàng .458 .597 NH có các tài liệu, sách ảnh giới thiệu về dịch vụ NH rất
cuốn hút .732
Nhân viên NH ăn mặc lịch thiệp và ấn tượng .401 .706 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 13 iterations.
Với giả thuyết đặt ra trong phân tích này là giữa 24 biến quan sát trong tổng thể không có mối tương quan với nhau. Kiểm định KMO và Bartlett’s trong phân tích nhân tố cho thấy hệ số KMO khá cao ( bằng 0.913> 0.5 ) và với sig.= 0.000, cho thấy phân tích nhân tố EFA là thích hợp, và giả thuyết này bị bác bỏ.
Total Variance Explained cho biết quyết định gửi tiền vào ngân hàng vì 4 lí do. Giá trị Eigenvalue của 4 nhân tố đầu giảm từ 11.123 đến 1.291>1 nên 4 nhân tố đầu được giữ lại trong mô hình phân tích và hàng Cumulative % cho biết 4 nhân tố đầu tiên giải thích được sụ biến thiên của dữ liệu.
Sau khi tiến hành phân tích nhân tố, ta rút ra được 4 nhân tố từ 24 biến như sau: - Nhân tố thứ 1 gồm 10 biến quan sát: PV1, PV1, PV3, PV4, PV5, G1, TN1, TN2 TN3,TX1 đặt tên là phong cách phục vụ.
- Nhân tố thứ 2 gồm 7 biến quan sát: DV1, DV2, TX2, TX3, TT4, TT2, TT1 đặt tên là sự tiếp xúc.
- Nhân tố thứ 3 gồm 4 biến quan sát: TT3, TT5, TT6, HH4 đặt tên là sự thuận tiện.
- Nhân tố thứ 4 gồm 2 biến quan sát: HH1, HH2 đặt tên là sự hữu hình.
- LC_GT (lựa chọn gửi tiền) phụ thuộc vào 4 nhân tố trên.