PHẦN II. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
Chương 2. ĐÁNH GIÁ CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH SỬ
2.2. Kết quả nghiên cứu các yếu tố ảnh hưởng đến quyết định sử dụng của khách hàng cá
2.2.2. Đánh giá tác động của các yếu tố đến quyết định lựa chọn dịch vụ Internet Banking
2.2.2.2. Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA)
gọn số lượng 25 biến quan sát xuống còn một số ít các nhân tố (biến) dùng để đo lường quyết định sửdụng dịch vụInternet Banking của khách hàng.
Kiểm định KMO và Bartlett’s Test biến độc lập
Để có đủ điều kiện tiến hành phân tích nhân tố, đề tài tiến hành kiểm định KMO để xem xét việc phân tích là có phù hợp hay không. Việc kiểm định được thực hiện thông qua việc xem xét hệsốKMO (Kaiser Meyer– Olkin of Sampling Adequacy) và Bartlett’s Test.
Trường Đại học Kinh tế Huế
Kiểm định KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai yếu tố với độ lớn của hệ số tương quan riêng phần của chúng. Trị số này phải thoả mãn điều kiện 0,5 ≤ KMO ≤ 1, chứng tỏ bước phân tích nhân tốkhám phá là phù hợp trong nghiên cứu này.
Kiểm định Bartlett (Bartlett’s Test of Sphericity) dùng đểxem xét ma trận tương quan có phải là ma trận đơn vị I, là ma trận có các thành phần bằng 0 và đường chéo bằng 1.
Kiểm định Bartlett phải có giá trịSig.≤ 0,05 thì phân tích mới phù hợp.
Bảng 2.7. Kiểm định KMO và Bartlett’s Test biến độc lập KMO và Bartlett’s Test
TrịsốKMO 0,785
Đại lượng thống kê Kiểm định Bartlett
Giá trịChi bình phương xấp xỉ 1712,273
df 231
Sig. 0,000
Nguồn:Kết quả điều tra, phân tích năm 2020 Kết quảthuđược như sau:
- Giá trị KMO = 0,785 và nằm trong khoảng từ 0,5 – 1 nên phân tích EFA là phù hợp.
- Mức ý nghĩa Sig. của kiểm định Bartlett’s Test = 0,000 < 0,05 nên các biến quan sát khi được đưa vào mô hình nghiên cứu có tương quan với nhau và phù hợp nghiên cứu phân tích nhân tốkhám phá EFA.
Phân tích nhân tốkhám phá EFA biến độc lập
Trong nghiên cứu này, phương pháp phân tích nhân tố là phân tích nhân tố chính (Principal Component Analysis) với số nhân tố (Number of Factor) được xác định trước trong mô hình nghiên cứu đềxuất là bằng 6. Điều này có nghĩa là sẽcó 6 nhân tố được rút ra từ phương pháp phân tích nhân tố.
Phương pháp xoay nhân tố được chọn là Varimax Procedure, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng
Trường Đại học Kinh tế Huế
cường khả năng giải thích các nhân tố. Sau khi xoay ta sẽloại bỏcác biến có trị tuyệt đối của hệ số tải nhân tố < 0,5 ra khỏi mô hình. Chỉ những biến có trị tuyệt đối của hệsố tải nhân tố> 0,5 mới được sử dụng để giải thích một nhân tố nào đó.
Trường Đại học Kinh tế Huế
Bảng 2.8. Rút trích nhân tốbiến độc lập
Biến quan sát Nhóm nhân tố
1 2 3 4 5 6
HUUICH4 0,934
HUUICH2 0,929
HUUICH3 0,654
HUUICH1 0,569
TUCHU1 0,969
TUCHU2 0,969
TUCHU3 0,893
TINTUONG3 0,863
TINTUONG1 0,710
TINTUONG2 0,627
TINTUONG4 0,555
ANHHUONG2 0,861
ANHHUONG4 0,794
ANHHUONG3 0,612
ANHHUONG1 0,564
THAIDO3 0,773
THAIDO2 0,761
THAIDO1 0,754
SUDUNG4 0,797
SUDUNG2 0,664
SUDUNG3 0,630
SUDUNG1 0,522
HệsốEigenvalue 6,377 2,867 1,780 1,597 1,441 1,239
Phương sai luỹ
tiến (%) 13,834 26,349 38,603 50,197 60,074 69,552
Nguồn:Kết quả điều tra, phân tích năm 2020
Trường Đại học Kinh tế Huế
Ở nghiên cứu này, hệ số tải nhân tố (Factor Loading) phải thoảmãn điều kiện ≥ 0,5.
Theo Hair & các tác giả(1998), Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, Factor Loading > 0,3 được xem là mức tối thiểu và được khuyên dùng nếu cỡ mẫu lớn hơn 350. Factor Loading > 0,4 được xem là quan trọng, Factor Loading > 0,5 được xem là có ý nghĩa thực tiễn, và nghiên cứu này chọn giá trịFactor Loading > 0,5 với cỡ mẫu là 120.
Thực hiện phân tích nhân tố lần đầu tiên, đưa 25 biến quan sát trong 6 biến độc lập ảnh hưởng đến quyết định sử dụng của khách hàng vào phân tích nhân tốtheo tiêu chuẩn hệsố Eigenvalue > 1 đã có 6 nhân tố được tạo ra.
Như vậy, sau khi tiến hành phân tích nhân tố khám phá EFA, số biến quan sát vẫn là 25, được rút trích lại chỉ còn 6 nhân tố. Không có biến quan sát nào có hệ sốtải nhân tố (Factor Loading) < 0,5 nên không loại bỏ biến, đề tài tiếp tục tiến hành các bước phân tích tiếp theo.
Kết quảphân tích nhân tố được chấp nhận khi Tiêu chuẩn phương sai trích (Variance Explained Criteria) > 50% và giá trị Eigenvalue > 1 (Gerbing & Anderson, 1988). Tổng phương sai trích bằng 69,552% cho biết 6 nhân tốnày giải thích được 69,562% biến thiên của dữ liệu, do đó phân tích nhân tốlà phù hợp.
Kiểm định KMO và Bartlett’s Test biến phụthuộc
Ba biến quan sát của thành phần “Quyết định sử dụng” được đưa vào để phân tích nhân tố, kết quảcó một nhân tố được tạo ra, hệsốKMO = 0,717 (lớn hơn 0,5), kiểm định Bartlett’s Test cho giá trịSig. = 0,000 (nhỏ hơn 0,05)cho thấy mô hình phân tích nhân tố là phù hợp, tổng phương sai trích bằng 73,717% cho thấy ba biến quan sát này giải thích được 73,717% của quyết định sửdụng.
Bảng 2.9. Kiểm định KMO và Bartlett’s Test biến phụthuộc KMO và Bartlett’s Test
TrịsốKMO 0,717
Đại lượng thống kê Giá trịChi bình phương xấp xỉ 125,946
Trường Đại học Kinh tế Huế
Kiểm định Bartlett df 3
Sig. 0,000
Nguồn:Kết quả điều tra, phân tích năm 2020
Phân tích nhân tốkhám phá EFA biến phụthuộc
Bảng 2.10. Rút trích nhân tốbiến phụthuộc
Quyết định sửdụng Hệsốtải
QUYETDINH1 0,874
QUYETDINH2 0,852
QUYETDINH3 0,850
Phương sai luỹtiến (%) 73,717
Nguồn:Kết quả điều tra, phân tích năm 2020 Kết quảphân tích nhân tố khám phá EFA đã rút trích ra 1 nhân tố được tạo thành từ 3 biến quan sát mà đề tài đã đề xuất từ trước, nhằm mục đích rút ra kết luận vềquyết định sử dụng của khách hàng đối với dịch vụInternet Banking của Ngân hàng SeABank– Chi nhánh Huế. Nhân tố này được gọi là“Quyết định sửdụng”.
Quá trình phân tích nhân tố khám phá EFA đã xácđịnh được 6 nhân tố ảnh hưởng đến quyết định sử dụng của khách hàng cá nhân tại Thành phố Huế đối với dịch vụ Internet Banking của Ngân hàng SeABank – Chi nhánh Huế, đó là “Nhận thức sự hữu ích”, “Sự tin tưởng cảm nhận”, “Sựtựchủ”, “Ảnh hưởng xã hội”, “Thái độ”và “Nhận thức dễsử dụng”.
2.2.2.3. Xây dựng mô hình hồi quy ước lượng mức độ ảnh hưởng các nhân tố