Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng cĩ ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thơng tin của tập biến ban đầu (Hair & ctg, 1998).
Phương pháp phân tích nhân tố (EFA) được thực hiện sau phương pháp phân tích độ tin cậy với phép quay Varimax. Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trân nhân tố (component matrix) hay ma trạn nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hĩa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Hệ số này cho biết nhân tố và biến cĩ liên quan chặt chẽ với nhau.
Tiêu chuẩn áp dụng và chọn biến đối với phân tích EFA bao gồm:
Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đĩ, giả thuyết H0 (các biến khơng cĩ tương quan với nhau trong tổng thể) bị bác bỏ và do đĩ EFA được gọi là thích hợp khi: 0,5≤ KMO ≤1 và sig< 0,05. Trường hợp KMO < 0,5 thì phân tích nhân tố cĩ khả năng khơng thích hợp với dữ liệu.
Tiêu chuẩn rút trích nhân tố gồm chỉ số Eigenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thốt). Điểm dừng khi trích các yếu tố Eigenvalue (tổng phương sai được giải thích bởi mỗi nhân tố hay nĩi cách khác là phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1. Theo Gerbing và Anderson (1988), các nhân tố cĩ Eigenvalue < 1 sẽ khơng cĩ tác dụng tĩm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Eigenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%.
Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Các biến cĩ hệ số
chuyển tải factor loading (là những hệ số tương quan đơn giữa các biến và nhân tố) nhỏ hơn 0.5 sẽ tiếp tục bị loại (tùy theo từng trường hợp cụ thể mà một vài biến cĩ ý nghĩa về mặt giải thích thực tế cĩ thể được giữ lại nếu chúng cĩ factor loading < 0.5 hoặc một số biến cĩ thể bị loại bỏ mặc dù factor loading > 0.5 vì chúng khơng thể hiện rõ mối tương quan và giải thích được mục đích được mục tiêu nghiên cứu).
Sau khi phân tích nhân tố khám phá (EFA), nghiên cứu sẽ thực hiện kiểm định các giả thuyết được đưa ra thơng qua kiểm định tương quan và hồi quy bội
4.2.1.3Phương pháp hồi quy bội
Mục tiêu của phương pháp này là xét mối liên hệ tuyến tính giữa một hay nhiều biến độc lập Xi (cịn gọi là biến giải thích) đến một biến phụ thuộc Y (cịn gọi là biến được giải thích), từ đĩ tính được mức độ quan trọng của từng nhân tố. Phân tích hồi quy bội giúp ta cĩ thể dự đốn giá trị trung bình của biến phụ thuộc (sự hài lịng của khách hàng); kiểm định giả thuyết về bản chất của biến phụ thuộc; ngồi ra cịn cho biết mơ hình nghiên cứu cĩ phù hợp khơng và các biến độc lập cĩ giải thích lẫn nhau khơng?
Sau khi cĩ được kết quả ta cần xác định:
• Hệ số xác định R2: R2 được định nghĩa như là tỷ lệ biến động của biến phụ thuộc Y được giải thích bởi biến độc lập Xi, (0 <= R2 <=1)
• Hệ số tương quan bội R: R nĩi lên tính chặt chẽ của mối liên hệ giữa biến phụthuộc Y và các biến độc lập Xi.
• Hệ số xác định đã điều chỉnh Adjusted R2: Ý nghĩa của Adjusted R2 giống như R2, Adjusted R2 là chỉ số quan trọng để ta biết được nên thêm một biến độc lập mới vào phương trình hồi quy hay khơng.
Tỷ số F trong bảng kết quả: Dùng để so sánh với F trong bảng phân phối F với mức ý nghĩa α. Tuy nhiên cũng trong bảng kết quả ta cĩ giá trị Significance F, giá trị này cho ta kết luận ngay mơ hình hồi quy cĩ ý nghĩa khi nĩ nhỏ hơn mức ý nghĩa α nào đĩ, đây cũng là cơ sở để quyết định bác bỏ hay chấp nhận giả thuyết của kiểm định:
H0 : Tất cả các tham số hồi quy đều bằng 0 H1 : Ít nhất một tham số hồi quy khác 0
Mơ hình cĩ ý nghĩa càng cao khi R2 đã điều chỉnh càng tiến gần 1 (0<Adjusted R2 <1), các nhân tố đưa vào phải cĩ mức ý nghĩa Sig < 0.05 và giữa các biến hồn tồn độc lập nhau, tức khơng xảy ra hiện tượng đa cộng tuyến khi VIF < 10.
Bảng 4.1 Tĩm tắt quá trình nghiên cứu
Dạng nghiên cứu Phương pháp Kỹ thuật thực hiện
Sơ bộ Định tính
- Hệ thống hĩa lý thuyết
- Tĩm lược một số nghiên cứu liên quan - Tham khảo ý kiến giảng viên
- Xây dựng bảng câu hỏi
Chính thức Định lượng
- Tiến hành khảo sát
- Sử dụng phần mềm SPSS 16.0 để xử lý số liệu (thống kê mơ tả, kiểm định độ tin cậy Cronbach’s Alpha, khám phá nhân tố EFA, phân tích ANOVA)