Ký hi u bi n Câu h i
YDINH 1 Tôi s xem xét mua s n ph m nhãn hi u riêng. YDINH 2 Tôi s mua s n ph m nhãn hi u riêng trong l n t i.
YDINH 3 Tôi quy t đnh mua s n ph m nhãn hi u riêng m i khi có th . YDINH 4 Tôi s gi i thi u b n bè mua s n ph m nhãn hi u riêng.
3.3 Thi t k b ng câu h i
Sau khi hoàn t t vi c hi u ch nh và xây d ng các thang đo phù h p v i nghiên c u v nh h ng c a nh n th c nhãn hi u riêng đ n ý đ nh mua hàng, tác gi ti n hành thi t k b ng câu h i nh m ph c v cho vi c thu th p d li u. B ng câu h i chính th c đ c s d ng trong nghiên c u đ nh l ng g m 3 thành ph n.
Thông tin g n l c
Vì đây là nghiên c u v s n ph m nhãn hi u riêng trong siêu th nên đ có đánh giá đúng, yêu c u ng i tr l i đã t ng đi siêu th và đã bi t ho c t ng nghe đ n các s n ph m này. Nh ng đáp viên nào không tho mãn đ c yêu c u này thì s không ti p t c kh o sát. Ng ng giai đo n này, giúp tác gi ti p ki m th i gian và chi phí. Nh ng ng i đáp ng yêu c u s ti p t c b ng câu h i cho đ n h t. Nh v y, tác gi s có bài tr l i ch t l ng.
Thông tin các phát bi u c a các ng i đ c kh o sát
Ghi nh n m c đ đ ng ý v các bi n quan sát đo l ng cho các khái ni m trong mô hình. ây c ng là thành ph n chính c a b ng câu h i giúp kh o sát m c đ nh n th c c a ng i tiêu dùng v các y u t nh : ch t l ng, giá, giá tr , r i ro và ý đnh mua hàng s n ph m nhãn hi u riêng. Sau khi ti n hành nghiên c u đnh tính, 22 bi n có liên quan đ c đ a vào kh o sát. đo l ng các bi n này, tác gi s d ng thang đo Likert 5 m c đ t ng d n t “1 – Hoàn toàn không đ ng ý” đ n “5 – Hoàn toàn đ ng ý”.
Thông tin khác
Ghi nh n các thông tin liên quan đ n đ i t ng nghiên c u, bao g m: gi i tính, đ tu i, trình đ h c v n, thu nh p hàng tháng… ây là ph n câu h i ph c v cho vi c mô t các nhóm đ i t ng ng i tiêu dùng. Các thông tin này nh m ghi nh n thông tin v các nhóm ng i tiêu dùng khác nhau nên các câu h i đ c đ a ra d i d ng câu h i đóng đ t ng kh n ng h i đáp c a ng i tr l i.
B ng câu h i đ c thi t k đ dùng cho vi c ph ng v n tr c ti p tr l i trên gi y ho c có th tr l i tr c tuy n b ng cách nh p chu t vào các ô tr l i đã đ c thi t k s n, giúp vi c tr l i c a đáp viên đ c nhanh chóng và thu n ti n h n.
B ng câu h i sau khi hi u ch nh đ c trình bày ph n ph l c 2.
3.4 Nghiên c u đ nh l ng 3.4.1 Ph ng pháp l y m u
Trong nghiên c u này, ph ng pháp l y m u đ c ch n là l y ng u nhiên thu n ti n, d li u đ c thu th p thông qua các hình th c ph ng v n tr c ti p và tr l i tr c tuy n qua Google Docs.
3.4.2 C m u
i v i phân tích nhân t (EFA) và phân tích h i quy, c m u N t i thi u t t nh t là 100 và N≥ 5 * X (X: t ng s bi n quan sát), (Hair và c ng s , 2010). Trong nghiên c u này, t ng s bi n quan sát là 22, nh v y s m u t i thi u c n đ t kh o sát là 110. Tác gi đã g i đi 278 b ng câu h i và nh n đ c 243 h i đáp, trong đó có 212 b ng th a mãn yêu c u và đ c s d ng đ phân tích.
3.4.3 X lý và phân tích d li u
D li u sau khi đ c thu th p s đ c mã hóa và th c hi n quá trình phân tích nh sau: phân tích mô t , đánh giá đ tin c y và giá tr thang đo, phân tích h i quy.
3.4.3.1 Phân tích mô t
Trong b c đ u tiên, tác gi s d ng phân tích mô t đ phân tích các thu c tính c a m u nghiên c u (các thông tin cá nhân c a ng i đ c ph ng v n) nh : gi i tính, đ tu i, trình đ h c v n, thu nh p.
3.4.3.2 Ki m đ nh vƠ đánh giá thang đo
đánh giá thang đo các khái ni m trong nghiên c u c n ki m tra đ tin c y và giá tr c a thang đo. D a trên các h s đ tin c y Cronbach Alpha, h s t ng quan bi n t ng (Item-to-total correlation) giúp lo i ra nh ng bi n quan sát không đóng góp vào vi c mô t khái ni m c n đo, h s Cronbach alpha n u lo i bi n (Cronbach Anpha
if Item Deleted) đ giúp đánh giá lo i b b t bi n quan sát nh m nâng cao h s tin c y Cronbach Alpha cho khái ni m c n đo, và ph ng pháp phân tích nhân t khám phá (EFA) nh m ki m tra giá tr c a thang đo các khái ni m nghiên c u.
Phân tích Cronbach Alpha
Phân tích Cronbach Alpha th c ch t là phép ki m đ nh m c đ t ng quan l n nhau c a các bi n quan sát dùng đ đo l ng m t khái ni m. Các bi n này ph i có t ng quan ch t ch v i nhau. M t thang đo có đ tin c y t t khi h s Cronbach Anpha bi n thiên trong kho ng t 0.6 – 0.8 (Nguy n ình Th , 2011).
H s tin c y Cronbach Alpha ch cho bi t các đo l ng có liên k t v i nhau hay không, nh ng không cho bi t bi n quan sát nào c n b đi và bi n nào c n gi l i. Khi đó, vi c tính toán h s t ng quan gi a bi n t ng (item-total correlation) s giúp lo i ra nh ng bi n quan sát không đóng góp nhi u cho s mô t c a khái ni m c n đo (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008). Các bi n có h s t ng quan bi n t ng nh h n 0.3 s b lo i kh i thang đo do có t ng quan kém v i các bi n khác trong cùng m t khái ni m (Nguy n ình Th , 2011).
Các tiêu chí đ c s d ng khi th c hi n đánh giá đ tin c y thang đo:
- H s tin c y Cronbach Anpha l n h n 0,6 và nh h n 0,8. Cronbach Anpha càng l n thì càng t t, thang đo có đ tin c y cao.
- H s t ng quan bi n t ng l n h n ho c b ng 0,3.
Phân tích nhân t khám phá (EFA)
Sau khi l ai b các bi n không đ m b o đ tin c y, ph ng pháp phân tích nhân t EFA đ c s d ng đ xác đ nh đ giá tr h i t , đ giá tr phân bi t, và đ ng th i thu g n các tham s c l ng theo t ng nhóm bi n.
Các tiêu chí s d ng trong phân tích EFA:
- Phép ki m đ nh Bartlett dùng đ xem xét gi thuy t không có t ng quan trong t ng th . N u phép ki m đ nh có p<5%, thì các bi n có quan h v i nhau (Nguy n
- Phép ki m đ nh KMO (Kaiser – Meyer – Olkin) dùng đ xem xét s thích h p c a phân tích nhân t . Tr s KMO l n (0,5 < KMO < 1) là đi u ki n đ đ phân tích nhân t là thích h p v i d li u. Ng c l i KMO<0,5 thì phân tích nhân t có kh n ng không thích h p v i các d li u (Hoàng Tr ng & Chu Nguy n M ng Ng c, 2008).
- S l ng nhân t xác đ nh d a trên ch s Eigenvalue - đ i đi n cho ph n bi n thiên đ c gi i thích b i m i nhân t . S l ng nhân t đ c xác đnh nhân t (d ng nhân t ) có Eigenvalue t i thi u b ng 1. Nh ng nhân t có Eigenvalue nh h n 1 s b lo i ra kh i mô hình (Nguy n ình Th , 2011).
- T ng ph ng sai trích (Variance explained criteria) th hi n các nhân t trích đ c bao nhiêu ph n tr m các bi n đo l ng. T ng ph ng sai trích ph i l n h n 50% (Nguy n ình Th , 2011).
- thang đo đ t giá tr h i t thì tr ng s nhân t , t c là h s t ng quan đ n gi a nhân t (factor loading) và bi n đo l ng ph i l n h n ho c b ng 0,5 trong m t nhân t . đ t đ giá tr phân bi t, khác bi t gi a các nhân t ph i l n h n ho c b ng 0,3 (Nguy n ình Th , 2011).
Trong nghiên c u này, tác gi s d ng ph ng pháp trích nhân t Principal components Analysis (PCA) v i phép quay vuông góc Varimax và đi m d ng khi trích các y u t có Eigenvalues l n h n 1 v i các thang đo trong mô hình nghiên c u.
3.4.3.3 Phân tích h i quy và ki m đnh gi thi t
Sau khi hoàn t t vi c phân tích đánh giá đ tin c y thang đo (s d ng h s tin c y Cronbach Alpha) và đánh giá giá tr khái ni m c a thang đo (phân tích nhân t khám phá EFA), các bi n không đ m b o đ giá tr h i t ti p t c b lo i kh i mô hình cho đ n khi các tham s đ c nhóm theo các nhóm bi n.
H i quy b i dùng đ ki m đ nh tác đ ng c a nhi u bi n đ c l p (CHATLUONG, GIANHANTHUC, GIATRI, RUIRO) vào m t bi n ph thu c (YDINH), (Nguy n
Tr c tiên c n th c hi n phân tích t ng quan nh m ki m đ nh m i t ng quan tuy n tính gi a các bi n trong mô hình: gi a các bi n đ c l p và bi n ph th c và gi a các bi n đ c l p v i nhau. S d ng h s t ng quan Pearson r đ l ng hóa m c đ ch t ch m i liên h tuy n tính gi a hai bi n đ nh l ng. Giá tr tuy t đ i c a h s Pearson càng g n đ n 1 thì hai bi n có m i t ng quan tuy n tính càng ch t ch . Giá tr này b ng 0 ch ra r ng hai bi n không có m i quan h tuy n tính (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
Trong mô hình nghiên c u, k v ng có m i t ng quan tuy n tính gi a các bi n đ c l p và bi n ph thu c.
Khi đánh giá mô hình h i qui tuy n tính b i, h s R2 đ c dùng đ đánh giá đ phù h p c a mô hình nghiên c u. H s xác đnh R2 đ c ch ng minh là hàm không gi m theo s l ng bi n đ a vào mô hình. H s R2có xu h ng t ng thu n chi u v i s l ng bi n đ a vào mô hình, càng đ a thêm bi n đ c l p vào mô hình thì R2 càng t ng, tuy nhiên đi u này c ng đ c ch ng minh r ng không ph i ph ng trình càng có nhi u bi n s càng phù h p h n v i d li u (t c là t t h n). Nh v y R2 có khuynh h ng là m t c l ng l c quan c a th c đo s phù h p c a mô hình đ i v i d li u trong tr ng h p có h n 1 bi n gi i thích trong mô hình. Mô hình th ng không phù h p v i d li u th c t nh giá tr R2 th hi n. Do đó, h s R2 đi u chnh c ng đ c s d ng đ ph n ánh sát h n m c đ phù h p c a mô hình h i quy tuy n tính b i vì nó không ph thu c vào đ l ch phóng đ i c a R2 (Hoàng Tr ng và Chu Nguy n M ng
Ng c, 2008).
Ki m đnh gi thuy t v đ phù h p c a mô hình b ng phép ki m đnh F. Tr s F đ c tính t R2 c a mô hình đ y đ , giá tr Sig. r t nh cho th y s an toàn khi bác b gi thuy t H0 cho r ng t t c các h s h i quy b ng 0 (ngo i tr h ng s ), mô hình h i quy tuy n tính xây d ng đ c phù h p v i d li u và có th s d ng (Hoàng Tr ng và
Chu Nguy n M ng Ng c, 2008).
Xác đ nh m c đ nh h ng c a các bi n đ c l p đ n bi n ph thu c: nhân t có h s l n h n thì có th nh n xét r ng nhân t đó có m c đ nh h ng cao h n các nhân t khác. ng th i xem tác đ ng c a bi n ph thu c đ n bi n đ c l p nh th nào, n u h s t ngquan là âm đi u đó có ngh a là chúng có quan h trái chi u còn n u là d ng đi u đó có ngh a là chúng có quan h cùng chi u và n u h s h i quy có giá tr l n (tr tuy t đ i) ngh a là v i m t s thay đ i v nh n th c s n ph m d n đ n m t s thay đ i l n v ý đnh mua hàng c a ng i tiêu dùng.
Bênh c nh đó, c n ki m tra không có hi n t ng đa c ng tuy n b ng h s phóng đ i ph ng sai VIF (VIF < 10), (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008)
3.4.3.4 Phân tích nh h ng c a các đ c đi m cá nhân
Các y u t đ c đi m cá nhân đ c phân tích trong đ tài nghiên c u này là gi i tính, tu i, trình đ h c v n, thu nh p c a ng i tiêu dùng
Ki m đnh gi thuy t v tr trung bình c a hai t ng th - tr ng h p m u đ c l p (Independent – sample T-test) đ c s d ng đ ki m đnh s khác bi t v ý đ nh mua hàng gi a hai gi i tính nam n , gi a hai nhóm tu i khác nhau. Tr c khi ti n hành ki m đnh này, ta c n ki m đnh s b ng nhau c a hai ph ng sai t ng th - ki m đ nh Levene. K t qu ki m đnh Levene s nh h ng đ n vi c l a ch n ki m đ nh trung bình v i ph ng sai b ng nhau hay ki m đ nh trung bình v i ph ng sai khác nhau ti p theo (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
Phân tích ANOVA dùng đ xác đnh nh h ng c a các bi n trình đ h c v n, thu nh p đ n ý đnh mua hàng. ây là ph ng pháp so sánh trung bình t ba đám đông tr lên. K t qu c a ANOVA cho bi t các trung bình có s khác nhau hay không. Tuy nhiên nó không cho bi t trung bình nào khác nhau. bi t đi u này, c n ti n hành thêm ki m đnh h u ANOVA (ANOVA post hoc tests).
Tóm t t ch ng 3
Ch ng 3 trình bày ph ng pháp th c hi n nghiên c u nh m đ t đ c các m c
tiêu đ ra. Quá trình này g m hai b c:
- B c 1, nghiên c u đnh tính v i k thu t th o lu n nhóm nh m b sung và hi u chnh các thang đo các bi n trong mô hình.
- B c 2, nghiên c u đ nh l ng th c hi n b ng cách ph ng v n b ng b ng câu h i qua email và tr c ti p. Sau đó d li u s đ c x lý và phân tích b ng ph n m m
SPSS 20.0 đ ki m đ nh các thang đo và s phù h p c a mô hình lý thuy t.
Trong ch ng ti p theo, tác gi s trình bày k t qu phân tích d li u bao g m: k t qu đánh giá thang đo, phân tích nhân t khám phá EFA, phân tích h i quy, T-test, Annova.
CH NG 4: K T QU NGHIÊN C U
Ch ng 3 tác gi đã trình bày ph ng pháp nghiên c u, xây d ng thang đo các
khái ni m. Ch ng này tác gi s trình bày k t qu nghiên c u c a đ tài, đ ng th i hoàn chnh các thang đo và các k t qu ki m đnh mô hình lý thuy t và các gi thuy t nghiên c u b ng ph ng pháp h i quy b i, T-test và ANOVA v i ph n m m SPSS 20.
4.1 Mô t m u
4.1.1 Ph ng pháp thu th p d li u và t l h i đáp
Nghiên c u đ c th c hi n v i đ i t ng kh o sát là ng i tiêu dùng t i Tp. H Chí Minh. T ng c ng có 278 b ng câu h i đ c phát ra, thu v 243 b ng, lo i ra 31 b ng không đ t yêu c u, còn l i 212 b ng đ c mã hoá và đ a vào x lý s li u b ng ph n m m SPSS 20. đ phân tích.
4.1.2 Mô t thông tin m u
K t qu th ng kê cho th y: