CHƯƠNG 2: TỔNG QUAN VỀ NGHIÊN CỨU SỰ HÀI LÒNG CỦA KHÁCH
2.2. Kết quả phân tích các nhân tố ảnh hưởng đến sư hài lòng của khách hàng đối với
2.2.3. Phân tích nhân tố khám phá EFA các biến
Do không có biến nào bị loại khỏi mô hình nghiên cứu ta thực hiện phân tích nhân tố khám khám phá EFA cho 5 biến độc lập và biến phụ thuộc.
Phân tích nhân tố khám phá được sử dụng để rút gọn và tóm tắt các biến nghiên cứu thành khái niệm. Thông qua phân tích nhân tố nhằm xác định và tìm ra nhân tố đại diện cho các biến quan sát. Phân tích nhân tố khám phá dựa vào các tiêu chuẩn và tin cậy.
Trường Đại học Kinh tế Huế
Để rút trích những nhân tố ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ BHNT của công ty BVNT Quảng Nam được thực hiện bởi hệ số KMO (Kaiser Meyer-Olikin of Sampling Adequacy) và Bartlet’s Test.
- KMO (Kaiser – Meyer – Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, Phân tích dữ liệu nghiên cứu với SPSS, tập 2, trang 31, năm 2008).
- Đại lượng Bartlett’s test of sphericity là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu Sig. kiểm định này bé hơn hoặc bằng 0,05 kiểm định có ý nghĩa thống kê, có thể sử dụng kết quả phân tích EFA (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, Phân tích dữ liệu nghiên cứu với SPSS, tập 2, trang 30, năm 2008).
- Tiêu chuẩn Kaiser nhằm xác định số nhân tố được trích từ thang đo, để xác định cần xem xét giá trị Eigenvalue. Tiểu chuẩn phương sai trích nhằm xem xét phân tích nhân tố có thích hợp không.
2.2.3.1. Phân tích nhân tố khám phá EFA các biến độc lập
Việc nghiên cứu sự hài lòng của khách sẽ chịu nhiều sự tác động từ nhiều yếu tố khác nhau. Để tìm ra xem yếu tố nào thực sự ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ BHNT thì cần tiến hành phân tích nhân tố khám phá từ 23 biến quan sát. Phân tích nhân tố sẽ giúp loại bỏ những biến quan sát để phản ánh một cách chính xác sự tác động của các yếu tố đến chất lượng dịch vụ.
Bảng 2.20: Kiểm định KMO và Bartlett’s Test KMO and Bartlett's Test
Hệ số KMO 0,824
Kiểm định Bartlett df 253
Sig. 0,000
(Nguồn: Kết quả điều tra xử lý số liệu SPSS) Kết quả kiểm định KMO và Bartlett’s với KMO = 0,824 > 0,5 và < 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 để phân tích nhân tố là hoàn toàn phù hợp.
Trường Đại học Kinh tế Huế
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 cho thang đo. Kết quả phân tích nhân tố khám phá rút ra được 5 nhân tố với giá trị Eigenvalues = 2.015 > 1 thỏa mãn điều kiện. Tổng phương sai trích là 69,838% > 50% (thỏa mãn điều kiện) điều này chứng tỏ 69,838%
sự biến thiên của dữ liệu được giải thích bởi 5 nhân tố này.
Bảng 2.21: Phân tích nhân tố khám phá EFA của biến độc lập Hệ số tải nhân tố
1 2 3 4 5
SDU4 .882
SDU3 .882
SDU2 .869
SDU5 .850
SDU1 .845
NLPV5 .837
NLPV3 .827
NLPV1 .821
NLPV2 .794
NLPV4 .778
PTHH2 .887
PTHH3 .835
PTHH1 .816
PTHH4 .798
STC5 .750
STC4 .723
STC3 .718
STC1 .705
STC2 .699
SDC4 .831
SDC2 .795
SDC3 .782
SDC1 .748
(Nguồn: Kết quả điều tra xử lý số liệu SPSS)
Trường Đại học Kinh tế Huế
Giá trị tiêu chuẩn của hệ số tải Factor Loading cần phải phụ thuộc vào kích thước mẫu. Với từng kích thước mẫu khác nhau, mức trọng số nhân tố để biến quan sát có ý nghĩa thống kê là hoàn toàn khác nhau. Với điều tra nghiên cứu có kích thước mẫu là 120 nên hệ số tải tương ứng là 0,5.
Ma trận xoay nhân tố được thể hiện rõ ở bảng, tất cả các biến đều có hệ số tải nhân tố lớn hơn 0,5 và các biến đều chỉ tải một nhân tố duy nhất nên phân tích nhân tố đạt yêu cầu. Phân tích nhân tố đã cho kết quả 23 biến được nhóm vào 5 nhân tố, các biến vẫn nhóm với nhau như mô hình đề xuất ban đầu nên tên gọi 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.
2.2.3.2. Phân tích nhân tố khám phá biến phụ thuộc
Bảng 2.22: Kiểm định KMO và Bartlett’s Test về nhân tố biến phụ thuộc KMO and Bartlett's Test
Hệ số KMO 0,698
Kiểm định Bartlett df 3
Sig. 0,000
(Nguồn: Kết quả điều tra xử lý số liệu SPSS) Với kết quả kiểm định KMO và Bartlett’s của biến phụ thuộc “Sự hài lòng” có giá trị Sig. trong kiểm định Bartlett’s = 0,00 < 0,05 chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể, hệ số KMO = 0,698 đủ điều kiện nên việc phân tích nhân tố là thích hợp với dữ liệu mẫu.
Bảng 2.23: Phân tích nhân tố khám phá EFA của biến phụ thuộc Ma trận xoay các thành phần
Sự hài lòng Hệ số tải nhân tố
1
SHL1 0,838
SHL2 0,824
SHL3 0,817
Eigenvalue 2,049
Phương sai rút trích (%) 68,293%
(Nguồn: Kết quả điều tra xử lý số liệu SPSS)
Trường Đại học Kinh tế Huế
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 = 2,049 > 1 và tổng phương sai trích là 68,293%, hệ số tải của 3 biến quan sát đều lớn hơn 0,5 nên tất cả các biến được giữ nguyên trong mô hình nghiên cứu.
Qua kiểm phân tích nhân tố khám phá EFA đạt yêu cầu, tác giả tiếp tục thực hiện phân tích tương quan hồi quy.
2.2.3. Phân tích tương quan và hồi quy