CHƯƠNG IV: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.2. Đánh giá độ tin cậy của thang đo bằng Cronbach Alpha và phân tích nhân tố khám phá EFA
4.2.2. Kết quả phân tích nhân tố khám phá EFA
Sau khi tiến hành kiểm định bằng hệ số Cronbach’s Alpha ở trên, bước tiếp theo tác giả sẽ đưa các biến không bị loại vào phân tích nhân tố. Trong phân tích nhân tố, các nhà nghiên cứu thường chú ý đến các yếu tố sau:
Hệ số tải nhân tố (Factor loadings): là hệ số tương quan giữa các biến và nhân tố, hệ số này cho biết sự liên hệ chặt chẽ giữa các biến với nhau. Nếu hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại, đồng thời các biến có trọng số không đạt độ phân biệt cao giữa các nhân tố ( < 0.3) cũng sẽ bị loại ( Nguyễn Đình Thọ, 2011)
Kiểm định Kaiser-Meyer-Olkin (KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố và KMO phải ≥ 0.5 . Theo Kaiser (1974) đề nghị KMO ≥ 0.9:
rất tốt; KMO ≥ 0.8: tốt ; KMO ≥ 0.7: được; KMO ≥ 0.6: tạm được; KMO ≥ 0.5 : xấu và KMO < 0.5: không thể chấp nhận được ( Nguyễn Đình Thọ, 2011).
Kiểm định Bartlett’s test of sphericity: nhằm kiểm định giả thuyết H0 ( H0 = các biến không có tương quan với nhau trong tổng thể) căn cứ vào giá trị sig, nếu Sig.<0.05 thì các biến quan sát có tương quan với nhau trong tổng thể, do đó ta có thể tiến hành phân tích nhân tố ( Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Phương sai trích ≥ 50%
Phương pháp rút trích các nhân tố được sử dụng là Principal Component Analysis (PCA) với phép xoay varimax và điểm dừng khi trích các nhân tố có eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích vì đây là đại lượng đại diện cho lượng biến thiên được giải thích bởi nhân tố ( Hair & ctg, 2006)
Phân tích nhân tố khám phá (EFA)
Khi phân tích nhân tố, nghiên cứu đặt ra 2 giả thiết:
Giả thiết H0: Các biến trong tổng thể không có tương quan với nhau Giả thiết H1: Các biến trong tổng thể có tương quan với nhau
Phân tích 30 biến được kết quả như sau:
Lần 1: Đưa 30 biến nghiên cứu vào phân tích nhân tố, ta có kết quả phân tích lần 1 như sau:
Hệ số KMO Kết quả kiểm định Barlett cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (sig = 0.00 < 0.05, bác bỏ H0, nhận H1). Đồng thời, hệ số KMO = 0.874 >0.5, chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp và dữ liệu phù hợp cho việc phân tích nhân tố. Eigenvalues = 1.063 > 1.
Tổng phương sai trích là 65.558% > 50% là đạt yêu cầu, tuy nhiên có 1 biến bị loại vì có hệ số nhân tải nhỏ hơn 0.5 (cụ thể: biến RE2- Các trang thiết bị của cảng luôn sẵn sàng phục vụ nhu cầu khách hàng)
Lần 2: Sau khi loại 1 biến RE2, tác giả tiếp tục đưa 29 biến vào phân tích nhân tố, ta có kết quả phân tích lần 2 như sau:
Bảng 4.14 Hệ số KMO và kiểm định Barlett các thành phần lần 2 Kiểm tra KMO and Bartlett's
Hệ số KMO (Kaiser-Meyer-Olkin) .877
Mô hình kiểm tra của Bartlett
Giá trị Chi-Square 2714.440
Df Bậc tự do 406
Sig (giá trị P – value) .000
Nguồn: Phân tích dữ liệu – phụ lục số 5 Kết quả kiểm định Barlett cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (sig = 0.00 < 0.05, bác bỏ H0, nhận H1). Đồng thời, hệ số KMO = 0.877
>0.5, chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp và dữ liệu phù hợp cho việc phân tích nhân tố
Bảng 4.15 Bảng phương sai trích Nhân
tố
Giá trị Eigenvalues Chỉ số sau khi trích Chỉ số sau khi xoay Tổng % của
Phương sai trích
Tích lũy phương sai trích
%
Tổng % của Phương sai trích
Tích lũy phương sai trích
%
Tổng % của Phương sai trích
Tích lũy phương sai trích
% 1 8.097 27.922 27.922 8.097 27.922 27.922 3.960 13.654 13.654 2 3.883 13.391 41.312 3.883 13.391 41.312 3.375 11.636 25.291 3 2.165 7.464 48.777 2.165 7.464 48.777 3.068 10.578 35.869 4 1.491 5.141 53.918 1.491 5.141 53.918 3.066 10.574 46.442 5 1.281 4.416 58.334 1.281 4.416 58.334 2.108 7.269 53.711 6 1.159 3.997 62.331 1.159 3.997 62.331 2.012 6.938 60.649 7 1.051 3.625 65.956 1.051 3.625 65.956 1.539 5.307 65.956 8 .833 2.871 68.827
9 .821 2.831 71.657
Nguồn: Phân tích dữ liệu – phụ lục 5 Nhìn vào bảng 4.15 cho thấy, các nhân tố đều có giá trị Eigenvalues > 1. Phương sai trích là 65.956% > 50% là đạt yêu cầu. Với phương pháp rút trích Principal components và phép quay Varimax, có 7 nhân tố được rút trích ra từ biến quan sát. Điều này chứng tỏ cho chúng ta thấy 7 nhân tố rút trích ra thể hiện được khả năng giải thích được 65.956% sự thay đổi của biến phụ thuộc trong tổng thể.
Bảng 4.16 Kết quả phân tích EFA thang đo các yếu tố ảnh hưởng đến sự hài lòng của khách hàng
Biến Nhóm nhân tố
1 2 3 4 5 6 7
PRO3 .814 PRO4 .783 PRO2 .747 PRO5 .686 PRO1 .678 PRO6 .662
IMG1 .774
IMG2 .751
IMG5 .721
IMG3 .705
IMG4 .636
RE4 .767
RE6 .766
RE3 .758
RE5 .733
OUT4 .822
OUT3 .796
OUT2 .705
OUT5 .645
OUT1 .632
MAG1 .761
MAG2 .726
MAG3 .650
OUT8 .726
OUT6 .671
OUT7 .628
MAG5 .750
MAG4 .644
RE1 .509
(nguồn: Phân tích dữ liệu – phụ lục số 5 ).
Như vậy, thang đo được chấp nhận và được phân thành 7 nhóm.
Phân tích nhân tố khám phá EFA với thang đo Sự hài lòng của khách hàng Kết quả như sau:
Hệ số KMO là 0.769 > 0.5 nên EFA phù hợp với dữ liệu Kiểm định Bartlett: Sig = 0.000 < 0.05 đạt yêu cầu
Tổng phương sai trích là 57.540% > 50%, điều này thể hiện rằng 1 nhân tố được trích ra giải thích được 57.540% biến thiên của dữ liệu.
Điểm dừng khi trích các yếu tố tại nhân tố thứ 1 với eigenvalue là 2.877 > 1 . Kết quả thỏa điều kiện. Vì vậy phân tích nhân tố là phù hợp.
Bảng 4.17 Hệ số KMO và kiểm định Barlett đối với thang đo Sự hài lòng Kiểm tra KMO and Bartlett's
Hệ số KMO (Kaiser-Meyer-Olkin) .769
Mô hình kiểm tra của Bartlett
Giá trị Chi-Square 355.372
Df (Bậc tự do) 10
Sig (giá trị P – value) .000
Dùng phương pháp phân tích nhân tố EFA sử dụng với phương pháp trích nhân tố Principal component và phép quay varimax đã trích được một nhân tố duy nhất tại Eigenvalue là 2.877 với phương sai trích là 57.540% (> 50%) đạt yêu cầu.
Bảng 4.18 Kết quả phân tích EFA với thang đo Sự hài lòng Nhân
tố
Hệ số Eigenvalues ban đầu Tổng bình phương hệ số tải phần trích Tổng % Phương sai %Tích lũy Tổng % Phương sai %Tích lũy
1 2.877 57.540 57.540 2.877 57.540 57.540
2 .766 15.328 72.867
3 .630 12.593 85.460
4 .495 9.904 95.363
5 .232 4.637 100.000