4.3.2.1 Xácđịnhbiến độc lậpvà biến phụ thuộc
Căn cứvào mô hình nghiên cứu lý thuyết, ta có phươngtrình hồiquy tuyến tính bộidiễntảgiá trị thươnghiệu MTXT là:
BE =β0+β1*BA +β2*BI +β3*PQ +β4*BP + ei(4.1)
Các biến độc lập (Xi): (BA) nhân tố nhận biết thương hiệu, (BI) nhân tố ấn tượng thương hiệu, (PQ) nhân tố chất lượng cảm nhận, (BP) nhân tố lòng đam mê thươnghiệu.
Biếnphụ thuộc (Y): (BE) giá trị thươnghiệu trong thị trườngMTXT βklà hệsốhồi quy riêng phần (k=0…4)
eilàphầndư
4.3.2.2 Hồiquy tuyếntính bội
Phương pháp Enter (đưa tất cả các biến vào một lần) trong chương trình SPSS được sử dụng để phân tích hồi quy bội. Sau đó dò tìm các vi phạm giả định cầnthiếttrong hồiquy tuyếntính bội:
Đối với giả địnhliên hệtuyến tính và phươngsai bằng nhau, sửdụng đồ thị phân tán giữa các phần dưchuẩn hóa và giá trị dự đoánchuẩn hóa. Nếu giả định liên hệtuyến tính và phương sai bằng nhau được thỏa mãn, thì sẽ không nhận thấy có liên hệgì giữa các giá trị phần dư chuẩn hóa và giá trị dự đoánchuẩn hóa. Chúng sẽ phân tán ngẫu nhiên trong một vùng xung quanh đường điqua tung độ 0, không tạo thành một hình dạng nào.
Đối vớigiả địnhvề phân phối chuẩn của phần dư,sửdụng biểu đồ tần số của các phần dư.Nếu trung bình bằng 0 và độ lệch chuẩn xấp xỉ bằng 1 thì có thể kếtluận rằnggiả định phân phốichuẩn không bịvi phạm.
Đối với giả định vềtínhđộc lập của sai số tức không có tươngquan giữa các phần dư, tiến hành kiểm định giả thuyết H0: Hệ số tương quan hạng của tổng thể bằng 0 Đại lượng thống kê Durbin-Watson dùng để kiểm định tương quan của các sai số kề nhau. Đại lượng d có giá trị biến thiên trong khoảng từ 0 đến 4. Tra bảng Durbin- Watson để xác định vùng chấp nhập Ho, nếu các phần dư không có tươngquan giá trị d sẽnằmtrong vùng chấpnhận H0là [du;4-du].
Đối với giả định phương sai của sai số không đổi, kiểm tra phương sai củasai sốkhông thayđổicó bị vi phạm hay không bằng kiểm định tươngquan hạng Spearman, vớigiảthuyết Ho là hệsố tươngquan hạngcủa tổngthể bằng 0. Nếukết quảkiểm định không bác bỏgiảthuyết Ho thì kếtluận phương sai của sai sốkhông thay đổi. Phương trình hồi quy tuyến tính bội có nhiều biến giải thích thì hệ số tươngquan hạng có thểtính giữatrị tuyệt đốicủaphần dưvớitừng biến riêng.
Đối với giả định không có mối tương quan giữa các biến độc lập (đo lường hiện tượng đa cộng tuyến), sử dụng hệ số phóng đại phương sai (VIF – Variance inflation factor), nếu VIF vượt quá 10 đó là dấu hiệu của hiện tượng đa cộng tuyến. Hệ số R2 điều chỉnh , giá trị F, hệ số Beta, và hệ số tương quan riêng phần được dùngđể đánhgiáđộ phù hợp của mô hình và kiểm định 4 giảthuyết.
Giá trịbội R chỉ rõ mối quan hệgiữa các biến độc lập và biến phụ thuộc. Hệ số xác định (R2) đo lường tỷ lệ tổng biến thiên của biến phụ thuộc được giải thích bằng các biến phụ thuộc của mô hình. Giá trị R2 càng cao thì khả năng giải thích của mô hình hồi quy càng lớn và việc dự đoánbiến phụ thuộccàng chính xác. Tuy nhiên, R2 điều chỉnh (Adjusted R square) đểphản ánh sáthơn mức độ phù hợp củamô hình của hồi quy tuyến tínhđa biến vì nó không thổi phồng mức độ phù hợp củamô hình (Hoàng Trọng –Chu Nguyễn Mộng Ngọc, 2008).
Phép kiểm định phân tíchphương sai (ANOVA)được tiến hành, nếu giá trị F có ý nghĩa đángkể về mặt thống kê (p<0.001), giả thuyết thuần của mối quan
hệkhông tuyếntính bị bác bỏ.
HệsốBeta(β)là hệsốhồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số, được xemnhư là khả năng giải thích biến phụ thuộc. Trị tuyệt đốicủa hệ số Beta càng lớn thì tầm quan trọng tương đối của nó trong dự báo biến phụ thuộc càng cao (Hoàng Thị PhươngThảo, 2010). Hệ sốhồi quy riêng phần (Partial R) đó lường sức mạnh mối quan hệ giữa một biến phụ thuộc và một biến độc lập khi ảnh hưởng dự báo của các biến độc lập khác trong mô hình hồi quy được giữ nguyên (Hoàng Trọng và Chu Nguyễn Mộng Ngọc,2008).
Kết quảphân tích hồiquy lầnthứ nhất nhưsau:
Bảng 4.7: Kếtquảphân tích hồi quy bộilầnthứnhất
Model Summary(b)
a Predictors: (Constant), BP, BA, BI, BQ b Dependent Variable: BE ANOVA (b) Model Tổng bình phương df Bình phương trung bình F Sig. 1 Regression Residual Total 129.173 46.673 175.846 4 204 208 32.293 .229 141.149 .000(a)
a Predictors: (Constant), BP, BA, BI, BQ b Dependent Variable: BE Model R R2 R2điều chỉnh Sai số chuẩn ước lượng Durbin- Watson 1 .857(a) .735 .729 .47832 2.074
Coefficients(a) Hệsố hồi quy
chưachuẩn hóa
Hệ số hồiquy chuẩn hóa t Sig. Thống kêđa cộng tuyến B Std.
Error Beta Tolerance VIF
Hằngsố -.455 .205 -2.215 .028 BA .183 .052 .169 3.520 .001 .564 1.773 BI -.058 .079 -.044 -.741 .459 .367 2.724 PQ .317 .084 .229 3.791 .000 .355 2.816 BP .664 .074 .592 8.918 .000 .296 3.382 a Dependent Variable: BE
Với kết quả phân tích tại biểu Coefficients (bảng 4.7), các giá trị Sig. tương ứng với các biến BA, PQ, BP lần lượt là 0.001, 0.000 và 0.000 đều nhỏ hơn 0.05. Do vậy, có thể khẳng định các biến này có ý nghĩatrong mô hình. BiếnBI có giá trị Sig. >0.05 do đó,bị loại ra khỏi mô hình. Lệnh hồi quy tuyếntính đượcchạylại với việc loạibiến BI
Kết quả phân tích hồi quy lần thứhai nhưsau:
Bảng4.8: Kếtquảphân tích hồi quy bội lầnthứ hai
Model Summary(b) (adsbygoogle = window.adsbygoogle || []).push({});
a Predictors: (Constant), BP, BA, PQ b Dependent Variable: BE Model R R2 R2điềuchỉnh Sai số chuẩn ước lượng Durbin- Watson 1 .857(a) .734 .730 .47779 2.065
ANOVA(b)
a Predictors: (Constant), BP, BA, PQ b Dependent Variable: BE
Coefficients(a)
a Dependent Variable: BE
Với kết quảphân tích tại biểu Coefficients (bảng4.8), giá trị Sig. củacác biến BA, PQ, BP = 0.000 (< 0.05). Do vậy, có thể khẳng định các biến này có ý nghĩa trong mô hình. Model Tổngbình phương df Bình phương trung bình F Sig. 1 Regression Residual Total 129.047 46.798 175.846 3 205 208 43.016 .228 188.430 .000(a) Hệsố hồi quy
chưachuẩn hóa
Hệ số hồiquy chuẩn hóa t Sig. Thống kêđa cộng tuyến B Std.
Error Beta Tolerance VIF
Hằngsố -.497 .197 -2.516 .013
BA .167 .047 .154 3.547 .000 .690 1.450
PQ .304 .082 .220 3.723 .000 .371 2.692
4.3.2.3 Kiểm định các giả địnhhồi quy
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Từcác kết quả quan sátđược trong mẫu, bạn phảisuy rộng kếtluận cho mối liên hệ giữa các biếntrong tổng thể (Hoàng Trọngvà Chu NguyễnMộng Ngọc,2008).
Sựsuy rộng các kết quả của mẫucho các giá trịcủa tổngthểphải trên cở sở các giả địnhcầnthiếtsau:
Giả địnhliên hệtuyến tính
Kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dựdoán chuẩnhóa (Standardized predicted value). Kết quảcho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0(đồ thị 4.1), không tạo thành một hình dạng nào cụ thể. Như vậy, giả định liên hệ tuyến tínhđượcthỏamãn. 4 3 2 1 0 -1 -2 -3 -4 -3 -2 -1 0 1 2 3
Standardized Predicted Value
Giả định phươngsai củasai số khôngđổi
Kết quả kiểm định tương quan hạng Spearman cho thấy giá trị sig của các biến nhận biết thương hiệu, chất lượng cảm nhận, lòngđammêthươnghiệu với giá trịtuyệt đốicủa phần dưlần lượt là 0.369, 0.528, 0.859.Điềunày cho thấychúng ta không thể bác bỏ giả thiết Ho, nghĩa là phương sai của sai số không đổi. Như vậy, giả định phương sai củasai sốkhôngđổi không bịvi phạm.
Bảng4.9: Kếtquả kiểm địnhSpearman củacác thành phần giá trị thươnghiệu
với trịtuyệt đối của phần dư
** Mứcý nghĩa1%, n=209
Giả địnhphần dưcó phân phốichuẩn
Kiểm tra biểu đồ phân tán của phần dư cho thấy phân phối phần dư xấp xỉ chuẩn(trung bình mean = 0 vàđộ lệchchuẩnStd. = 0.99 tứclà gầnbằng1) (biểu đồ 4.2).Như vậy, giả định phần dưcó phân phối chuẩn không bị vi phạm.
30
20
10
0
Standardized Residual (adsbygoogle = window.adsbygoogle || []).push({});
Biểu đồ 4.2: Biểu đồ tần số Histogram
ABSRES2 BA PQ BP
ABSRES2 Tương quan Spearman 1.000 -.062 .044 .012
HệsốSig (2-tailed) . .369 .528 .859
BA Tương quan Spearman -.062 1.000 .504(**) .565(**)
HệsốSig (2-tailed) .369 . .000 .000
PQ Tương quan Spearman .044 .504(**) 1.000 .792(**)
HệsốSig (2-tailed) .528 .000 . .000
BP Tương quan Spearman .012 .565(**) .792(**) 1.000
HệsốSig (2-tailed) .859 .000 .000 .
Std. Dev = .99 Mean = 0.00 N = 209.0
Giả định không có tương quan giữa các phần dư
Đại lượng thống kê Durbin - Watson (d) được dùng để kiểm định tương quan của các sai số kề nhau. Đại lượng d có giá trị từ 0 đến 4.
Với hồi quy tuyến tính bội lần thứ 2, ta có n=209 quan sát và k= 3 biến độc lập, tra bảng Durbin-Watson ta có vùng chấp nhận của giá trị d là [1.704; 2.296]. Kết quả phân tích hồi quy lần thứ 2 cho thấy giá trị d = 2.065 (bảng 4.8) nằm trong vùng chấp nhận nên không có tương quan giữa các phần dư. Như vậy, giả định không có tương quan giữa các phần dư không bị vi phạm. Vậy, mô hình hồi quy tuyến tính trên có thể sử dụng được.
4.3.2.4 Đánh giá độ phù hợp, kiểm định độ phù hợp của mô hình và xem xét hiện tượng đa cộng tuyến
Đánh giá độ phù hợp của mô hình
Hệ số R2 điều chỉnh (Adjusted R square) = 0.730 (bảng 4.8). Điều này nói lên rằng mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu đến mức 73%.
Kiểm định độ phù hợp của mô hình
Kết quả kiểm định trị thống kê F, với giá trị sig = 0.000 (< 0.001) từ bảng phân tích phương sai ANOVA (bảng 4.8) cho thấy mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu, sử dụng được.
Hiện tượng đa cộng tuyến
Đo lường đa cộng tuyến được thực hiện, kết quả cho thấy hệ số phóng đại phương sai (VIF) có giá trị từ 1.450 đến 3.015 (bảng 4.8) đạt yếu cầu VIF<10. Vậy mô hình hồi quy tuyến tính bội không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
4.3.2.5Phương trình hồi quy tuyến tính bội
Với tập dữ liệu thu được trong phạm vi nghiên cứu của đề tài và dựa vào bảng kết quả hồi quy tuyến tính bội (bảng 4.8) thì hệ số hồi quy của biến độc lập lòngđam mê thương hiệu (BP) là lớn nhất với hệ số hồi qui riêng phần (Partial R) là 0.646, hệ số hồi quy chuẩn hóa Beta là 0.575. Tiếp đến là biến biến chất lượng cảm
nhận (PQ) với hệ số hồi quy riêng phần là 0.304, hệ số Beta là 0.220 và cuối cùng là nhận biết thương hiệu (BA) với hệ số hồi quy riêng phần là 0.167, hệ số Beta là 0.154. Điều này chỉ ra rằng đối với MTXT lòng đam mê thương hiệu và chất lượng cảm nhận có ý nghĩa thứ nhất và thứ nhì tạo nên giá trị thương hiệu, tiếp đến là nhận biết thương hiệu.
Phương trình hồi quy tuyến tính bội thể hiện các nhân tố ảnh hưởng đếnvgiá trị thương hiệu là:
BE = - 0.497 + 0.646*BP + 0.304*PQ + 0.167*BA (4.2)
BE: Giá trị thương hiệu MTXT BP: Lòngđam mê thương hiệu PQ: Chất lượng cảm nhận BA: Nhận biết thương hiệu
4.3.2.6 Mô hình nghiên cứu điều chỉnh
Mô hình nghiên cứu điều chỉnh gồm các nhân tố: Lòng đam mê thương hiệu, Chất lượng cảm nhận, Nhận biết thương hiệu ảnh hưởng đến giá trị thương hiệu của MTXT. Thứ tự tầm quan trọng của từng nhân tố phụ thuộc vào trị tuyệt đối của hệ số hồi quy đã chuẩn hóa. Nhân tố nào có trị tuyệt đối cảng lớn thì nhân tố đó sẽ ảnh hưởng đến giá trị thương hiệu càng nhiều. Giá trị thương hiệu của MTXT chịu tác động nhiều nhất là lòngđam mê thương hiệu (BP) là lớn nhất với hệ số hồi quy chuẩn hóa Beta là 0.575, hệ số hồi quy riêng phần (Partial R) là 0.64 6. Quan trọng thứ hai là nhân tố chất lượng cảm nhận (PQ) với hệ số Beta là 0.220, hệ số hồi quy riêng phần là 0.304 và quan trọng thứ ba là nhân tố nhận biết thương hiệu (BA) với hệ số Beta là 0.154, hệ số hồi quy riêng phần là 0.167
Hình 4.1: Mô hình nghiên cứu điều chỉnh (adsbygoogle = window.adsbygoogle || []).push({});
NHẬN BIẾT THƯƠNG HI ỆU
GIÁ TRỊ THƯƠNG HIỆU
+(0.167)
CHẤT LƯỢNGCẢM NHẬN LÒNGĐAM MÊ THƯƠNG HIỆU
+(0.646)
4.3.2.7 Tổng kết kết quả kiểm định các giả thuyết
Kết quả mô hình hồi quy (phương trình 4.2) cho thấy giá trị thương hiệu MTXT chịu tác động dương của các thành phần: lòng đam mê thương hiệu, nhận biết thương hiệu, chất lượng cảm nh ận, các giả thuyết H1, H3, H4 được chấp nhận. Lòngđam mê thương hiệu là nhân tố ảnh hưởng mạnh nhất đến giá trị thương hiệu với hệ số ảnh hưởng là 0.646, tiếp đến là chất lượng cảm nhận với hệ số là 0.304 và cuối cùng là nhận biết thương hiệu với hệ số là 0.167. Thành phần ấn tượng thương hiệu có giá trị Sig = 0.459 (>0.05) (bảng 4.7). Do đó bị loại khỏi mô hình, như vậy với tập dữ liệu thu thập từ nghiên cứu này chưa đủ cở sở để khẳng định mối quan hệ giữa thành phần ấn tượng thương hiệu với giá trị thương hiệu, giả thuyết H2 không được chấp nhận.
Bảng 4.10. Kết quảkiểm định giả thuyết
Giả
thuyết Tên giả thuyết Sig VIF Kết quả
H1
Nếu mức độnhận biếtcủa ngườitiêu dùng về một thươnghiệu MTXT tăng hay giảm thì giá trị của thương hiệu đó cũng tăng hay giảmtheo.
0.000 1.450 Chấp nhận
H2
Nếu ấn tượng của người tiêu dùng vềmột thương hiệu MTXT tăng hay giảm thì giá trị của thươnghiệu đócũng tăng haygiảm theo.
0.459 2.724 Không chấp nhận H3
Nếu chất lượng cảm nhận của người tiêu dùng về một thương hiệu MTXT tăng hay giảm thì giá trị của thương hiệu đó cũng tănghay giảm theo.
0.000 2.692 Chấp nhận
H4
Nếu lòng đam mê của người tiêu dùng đối với một thương hiệu MTXT tăng hay giảm thì giá trị của thương hiệu đó cũng tănghay giảmtheo.
0.000 3.015 Chấp nhận
4.4 Phân tích ảnh hưởng của các biến định tính trong đánh giá giá trịthươnghiệu và các thành phần giá trị thương hiệu