Phân tích nhân tố khám phá EFA

Do không có biến nào bị loại khỏi mô hình nghiên cứu, tác giảthực hiện phân tích nhân tốkhám phá EFA cho 5 biến độc lập và biến phụthuộc.

Phân tích nhân tố(Exloratory Factor Analysis) là một kỹthuật phân tích nhằm thu nhỏvà tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đềnghiên cứu. Quan hệgiữa các nhóm biến có liên hệqua lại lẫn nhau được xem xét dưới dạng một sốcác nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷsốgọi là hệsố tải nhân tố(Factor loading). Hệsố này cho người nghiên cứu biết được mỗi biến đo lường sẽ “thuộc về” nhóm nhân tốnào.

Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser-Meyer-Olkin (KMO) phải có giá trị lớn (0.5 < KMO < 1) thểhiện phân tích nhân tố là thích hợp, còn nếu hệsốKMO < 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.

Thêm vào đó, hệ số tải nhân tố của từng biến quan sát phải có giá trị lớn hơn 0.45, điểm dừng Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 (mặc định của chương trình SPSS), và tổng phương sai dùng để giải thích bởi từng nhân tốlớn hơn 50% mới thỏa yêu cầu của phân tích nhân tố(Gerbing & Anderson, 1988) 2.3.4.1. Phân tích EFA cho biến độc lập

Việc nghiên cứu cảm nhận của khách hàng đối với hệ thống Marketing Online sẽ chịu nhiều sự tác động từ nhiều yếu tố khác nhau. Để tìm ra xem yếu tốnào thực sự ảnh hưởng đến cảm nhận của khách hàng đến hệ thống Marketing Online thì cần tiến hành phân tích nhân tố khám phá từ 22 biến quan sát. Phân tích nhân tố sẽ giúp loại bỏnhững biến quan sát để phản ánh một cách chính xác sự tác động của các yếu tố đến sự chấp nhận hoạt động Marketing Online.

Bảng 2. 21: Kiểm định KMO và Bartlett’s Test của biến độc lập KMO and Bartlett’s Test

Hệ số KMO 0,875

Kiểm định Barlett df 0,231

Sig. 0,000

(Nguồn: Kết quả xử lý số liệu SPSS)

Trường Đại học Kinh tế Huế

Kết quả kiểm định KMO và Bartlett’s Test với 0,5 < KMO = 0,875 < 1 nên phân tích nhân tố phù hợp. Giá trị Sig. của kiểm định Bartlett’s = 0,000 < 0,05 chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể. Như vậy, dữ liệu dùng đểphân tích nhân tốlà hoàn toàn phù hợp.

Giá trị Eigenvalues đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố nào có Eigenvalues lớn hơn 1 mới được giữ lại trong mô hình phân tích, nhân tố nào có Eigenvalues nhỏ hơn 1 bị loại khỏi mô hình nghiên cứu. Việc làm này giúp nâng cao độ tin cậy cũng như chính xác của thang đo. Kết quảphân tích nhân tố khám phá rút ra được 5 nhân tốvới giá trị Eigenvalues = 1,302 > 1 (xemởphụlục 3) thỏa mãn điều kiện. Tổng phương sai trích = 69,873% > 50% (thỏa mãn điều kiện) điều này chứng tỏ 69,873% sự biến thiên của dữ liệu được giải thích bởi 5 nhân tốnày.

Bảng 2. 22: Phân tích nhân tố khám phá EFA của biến độc lập Ma trận xoay các thành phần

Hệ số tải nhân tố

1 2 3 4 5

STK3 STK2 STK4 STK1 STK5 SHD4 SHD3 SHD2 SHD5 SHD1 STH3 STH4 STH2

0,861 0,833 0,800 0,757 0,694

0,828 0,823 0,812 0,664 0,592

0,782 0,768 0,725

Trường Đại học Kinh tế Huế

STH1 STH5 QTHD2 QTHD3 QTHD4 QTHD1 SCS2 SCS1 SCS3

0,703 0,684

0,843 0,816 0,750 0,616

0,856 0,795 0,661

(Nguồn: Kết quả xử lý số liệu SPSS) Giá trị tiêu chuẩn của hệsốtải Factor Loading cần phải phụthuộc vào kích thước mẫu. Với từng kích thước mẫu khách nhau, mức trọng sốnhân tốbiến quan sát có ý nghĩa thống kê hoàn toàn khác nhau. Với điều tra nghiên cứu có kích thước mẫu là 130 nên hệ sốtải tương ứng là 0,5.

Ma trận xoay nhân tố được thểhiện rõ ởbảng, tất cảcác biến đều có hệsốtải nhân tốlớn hơn 0,5 và các biến đều chỉ tải một nhân tốduy nhất nên phân tích nhân tố đạt yêu cầu. Phân tích nhân tố đã cho kết quả 22 biến quan sát được nhóm vào 5 nhóm nhân tố, các biến vẫn nhóm với nhau như mô hìnhđề xuất ban đầu nên tên gọi của từng nhóm vẫn giữ nguyên. Các nhân tố sẽ được sử dụng để tính toán thành các biến mới cho việc phân tích hồi quy.

2.3.4.2. Phân tích nhân tố khám phá EFA cho biến phụ thuộc

Bảng 2. 23 Kiểm định KMO và Bartlett’s Test của biến phụ thuộc KMO and Bartlett’s Test

Hệ số KMO 0,712

Kiểm định Bartlett

df 3

Sig. 0,000

(Nguồn: Kết quả xử lý số liệu SPSS)

Trường Đại học Kinh tế Huế

Với kết quả kiểm định KMO va Barlett’s của biến phụ thuộc “Sư chấp nhận” có giá trị Sig. trong kiểm định Bartlett’s = 0,000 < 0,05 chứng tỏcác biến quan sát có tương quan với nhau trong tổng thể, hệsốKMO = 0,712đủ điều kiện nên việc phân tích nhân tố là thích hợp với dữ liệu mẫu.

Thang đo đánh giá chung của khách hàng bao gồm 3 biến quan sát khi tiến hành phân tích EFA chỉ có một nhân tố rút trích với giá trị Eigenvalues = 2,322 > 1, tổng phương sai trích là 77,402% > 50% và hệsố tải của 3 biến quan sát đều lớn hơn 0,5 nên tất cảcác biến được giữnguyên trong mô hình nghiên cứu.

Bảng 2. 24 Phân tích nhân tố khám phá EFA của biến phụ thuộc “MO”

Ma trận xoay các thành phần

Hệ số tải nhân tố 1

MO1 MO2 MO3

0,907 0,885 0,841

Eigenvalues 2,322

Tổng phương sai rút trích

(%) 77,402%

(Nguồn: Kết quả xử lý số liệu SPSS) Qua kiểm định phân tích nhân tố khám phá EFA đạt yêu cầu, tác giảtiếp tục thực hiện phân tích tương quanvà hồi quy.

Trường Đại học Kinh tế Huế

2.3.5. Phân tích tương quan và hồi quy