Phân tích hồi quy bội được thực hiện với 4 biến độc lập bao gồm: Cảm nhận về giá (PP), cảm nhận về chất lượng (PQ), hình ảnh thương hiệu (BI), chiêu thị (PR) và biến phụ thuộc là quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart (DP) bằng phương pháp Enter.
Giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó. Giá trị của biến phụ thuộc là giá trị trung bình của các biến quan sát về quyết định chọn mua hàng. Phân tích được thực hiện bằng phương pháp Enter. Các biến được đưa vào cùng một lúc để xem biến nào được chấp nhận. Nhìn chung qua bảng thống kê mô tả (bảng 4.16) các biến phân tích hồi quy, giá trị trung bình của đa số các biến độc lập và biến phụ thuộc đều khá cao. Điều này cho thấy rằng, các yếu tố ảnh hưởng đến “Quyết định chọn mua các sản phẩm nhãn hiệu riêng của Co.opmart” là khá cao.
Bảng 4.16:Thống kê mô tả các biến phân tích hồi quy
DP 3.9698 0.57527 240
PP 3.9667 0.50525 240
PQ 3.9083 0.52394 240
BI 3.8833 0.64742 240
PR 3.8448 0.50740 240
Nguồn: Kết quả từ tính toán của tác giả (phụ lục 9, trang 99)
Kiểm định độ phù hợp của mô hình
Kết quả hồi quy thể hiện ở bảng chỉ tiêu đánh giá độ phù hợp mô hình (bảng 4.17) cho thấy hệ số R2 hiệu chỉnh = 0.677 có nghĩa là mô hình hồi quy bội đã xây dựng phù hợp với tập dữ liệu đến mức 67.7% hay là mô hình đã giải thích được 67.7% quan sát trong bộ dữ liệu tổng thể. Còn lại 32.3% được giải thích bằng các yếu tố khác.
Hệ số Durbin – Watson là 2.133 (1 < 2.133 < 3), vì vậy có thể kết luận là không có sự tương quan chuỗi bậc 1 trong mô hình. Vì vậy, mô hình không bị vi phạm khi sử dụng phương pháp hồi quy tuyến tính bội. (bảng 4.17)
51
Bảng 4.17: Chỉ tiêu đánh giá độ phù hợp của mô hình
Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của ước lượng Durbin – Watson 1 0.826a 0.683 0.677 0.32685 2.133 a. Dự báo: (Hằng số), PR, BI, PP, PQ b. Biến phụ thuộc: DP
Nguồn: Kết quả từ tính toán của tác giả (phụ lục 9, trang 99)
Kiểm định F sử dụng trong bảng kiểm định độ phù hợp của mô hình (bảng 4.18) là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến. Trong bảng này, ta thấy giá trị Sig. rất nhỏ (Sig. = 0.000), nên mô hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được. Bảng 4.18: Kiểm định độ phù hợp của mô hình ANOVAa Mô hình Tổng các bình phương df Bình phưong trung bình F Sig. 1 Hồi quy 53.988 4 13.497 126.338 0.000 Phần dư 25.106 235 0.107 Tổng cộng 79.093 239 a. Biến phụ thuộc: DP b. Dự báo: (Hằng số), PR, BI, PP, PQ
Nguồn: Kết quả từ tính toán của tác giả (phụ lục 9, trang 100)
Xây dựng phương trình hồi quy bội
Tại bảng kết quả phân tích hồi quy dưới đây (bảng 4.19) cho ta thấy có 3 yếu tố có ý nghĩa thống kê ở mức 5% (Sig. < 0.05) đó là: (1) cảm nhận về giá, (2) cảm nhận về chất lượng và (3) hình ảnh thương hiệu. Cuối cùng là yếu tố (4) chiêu thị có ý nghĩa thống kê ở mức 10 % (Sig. < 0.1). Như vậy cả 4 yếu tố này đều được chấp nhận. Hơn nữa, kết quả còn cho ta thấy giá trị hệ số phóng đại VIF của các biến độc lập đều nhỏ hơn 10 nên có thể kết luận không có hiện tượng đa cộng tuyến xảy ra.
52
Bảng 4.19: Kết quả phân tích hồi quy bằng phương pháp Enter
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Đa cộng tuyến B Độ lệch chuẩn Beta Hệ số Tolerance VIF 1 (Hằng số) -0.398 0.225 -1.772 0.078 PP 0.614 0.053 0.539 11.647 0.000 0.630 1.588 PQ 0.293 0.053 0.267 5.544 0.000 0.581 1.720 BI 0.122 0.042 0.137 2.868 0.005 0.594 1.684 PR 0.081 0.043 0.072 1.887 0.060 0.934 1.070 Biến phụ thuộc: DP
Nguồn: Kết quả từ tính toán của tác giả (phụ lục 9, trang 100)
Hệ số hồi quy được thể hiện dưới hai dạng: (1) chưa chuẩn hóa (Unstandardized) và (2) chuẩn hóa (Standardized). Vì hệ số hồi quy chưa chuẩn hóa (B), giá trị của nó phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ ảnh hưởng của các biến độc lập vào biến phụ thuộc trong cùng một mô hình được. Hệ số hồi quy chuẩn hóa (Beta, ký hiệu β) là hệ số chúng ta đã chuẩn hóa các biến. Vì vậy, chúng được dùng để so sánh mức độảnh hưởng của các biến độc lập vào biến phụ thuộc. Biến độc lập nào có trọng số này càng lớn có nghĩa là biến đó có ảnh hưởng càng mạnh vào biến phụ thuộc.
Như vậy, phương trình hồi quy bội được trích theo hệ số hồi quy đã chuẩn hóa (Standardized) có dạng như sau:
DP = 0.539*PP + 0.267*PQ + 0.137*BI + 0.072*PR
Hay dưới dạng hệ số hồi quy chưa chuẩn hóa (Unstandardized):
DP= -0.398 + 0.614*PP + 0.293*PQ + 0.122*BI + 0.081*PR
Phương trình hồi quy bội được trích theo các hệ sốđã chuẩn hóa (Standardized) đã cho thấy: “Quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart” chịu ảnh hưởng cùng chiều (dương) của cả 4 yếu tố sau đây: (1) cảm nhận về giá, (2) cảm nhận về chất lượng, (3) hình ảnh thương hiệu và (4) chiêu thị. Trong đó, yếu tố “Cảm nhận về giá” là có ảnh hưởng đáng kể nhất hay mạnh nhất đến “Quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart” với β = 0.539 rồi đến yếu tố “Cảm nhận về chất lượng” với
53
β = 0.267, yếu tố “Hình ảnh thương hiệu” với β = 0.137. Cuối cùng là yếu tố “Chiêu thị” với β = 0.072.
Mô hình nghiên cứu sau khi phân tích hồi quy bội như sau:
Hình 4.1: Mô hình nghiên cứu sau khi phân tích hồi quy bội
Nguồn: Kết quả từ phân tích hồi quy bội của tác giả
Kiểm định giả thuyết
- Giả thuyết H1 là “Cảm nhận về giá có ảnh hưởng cùng chiều đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart”. Căn cứ vào kết quả phân tích hồi quy bội, ta thấy hệ số Beta (β) đạt 0.539 cùng mức ý nghĩa Sig.= 0.000 < 0.05. Chính vì thế, giả thuyết này được chấp nhận. Có thể nói cảm nhận về giá là yếu tố quan trọng có ảnh hưởng đáng kể nhất đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart của người tiêu dùng. Như vậy, khi người tiêu dùng cảm nhận được giá cả hấp dẫn của hàng nhãn riêng của Co.opmart càng lớn thì quyết định chọn mua của họ sẽ càng cao.
- Giả thuyết H2 cho rằng “Cảm nhận về chất lượng có ảnh hưởng cùng chiều đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart”. Kết quả phân tích hồi quy bội chấp nhận giả thuyết này với hệ số Beta (β) đạt 0.267 cùng mức ý nghĩa Sig.= 0.000 < 0.05. Do đó, giả thuyết này được chấp nhận. Cảm nhận về chất lượng có ảnh hưởng đáng kểđứng thứ hai đến quyết định chọn mua hàng của người tiêu dùng. Như vậy, khi người tiêu dùng cảm nhận được chất lượng hàng nhãn riêng của Co.opmart đáp ứng được nhu cầu của họ càng cao thì quyết định chọn mua của họ sẽ càng cao.
Cảm nhận về giá Cảm nhận về chất lượng Hình ảnh thương hiệu Quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart β = + 0.539 β = + 0.267 β = + 0.137 Chiêu thị β = + 0.072
54
- Giả thuyết H3 là “Hình ảnh thương hiệu có ảnh hưởng cùng chiều đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmat”. Giả thuyết này cũng được chấp nhận với hệ số Beta (β) đạt 0.137 cùng mức ý nghĩa Sig.= 0.005 < 0.05. Như vậy, khi người tiêu dùng cảm nhận được hình ảnh thương hiệu Co.opmart càng tích cực thì quyết định chọn mua của họ sẽ càng cao.
- Cuối cùng, giả thuyết H4 phát biểu là “Chiêu thị có ảnh hưởng cùng chiều đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart”. Giả thuyết này có kết quả phân tích hồi quy bội với hệ số Beta (β) đạt 0.072 cùng mức ý nghĩa Sig = 0.060 < 0.1, nên cũng cho phép chấp nhận giả thuyết này. Như vậy có thể nói rằng việc chiêu thị của Co.opmart càng tích cực thì quyết định chọn mua của người tiêu dùng sẽ càng cao.
Bảng 4.20: Kết quả kiểm định giả thuyết
Giả thuyết Nội dung Sig. Kết quả kiểm định
H1 Cảm nhận về giá có ảnh hưởng cùng chiều đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart.
0.000 Chấp nhận ở mức ý nghĩa 5%
H2 Cảm nhận về chất lượng có ảnh hưởng cùng chiều đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart.
0.000 Chấp nhận ở mức ý nghĩa 5%
H3 Hình ảnh thương hiệu có ảnh hưởng cùng chiều đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmat.
0.005 Chấp nhận ở mức ý nghĩa 5%
H4 Chiêu thị có ảnh hưởng cùng chiều đến quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart.
0.060 Chấp nhận ở mức ý nghĩa 10%
Nguồn: Kết quả từ phân tích hồi quy của tác giả
Kiểm tra hiện tượng đa cộng tuyến
Cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R square (R2) vẫn khá cao.
55
Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Thông thường, nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu như không có giá trị giải thích biến thiên của Y trong mô hình MLR (Hair & cộng sự, 2006 trích trong Nguyễn Đình Thọ, 2011).
Theo bảng 4.19 về kết quả phân tích hồi quy bội đã trình bày ở phần trên, ta thấy hệ số VIF của các biến độc lập có giá trị từ 1.070 đến 1.720 (tất cả đều nhỏ hơn 10). Vì vậy có thể kết luận rằng mô hình không xảy ra hiện tượng đa cộng tuyến. Chi tiết kết quả phân tích được trình bày ở phụ lục 9, trang 100.
Kiểm tra giảđịnh liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng như hiện tượng phương sai thay đổi.
Kiểm tra giả định này bằng cách vẽ biểu đồ phân tán giữa các phần dư và giá trị dựđoán mà mô hình hồi quy tuyến tính cho ra. Người ta hay vẽ biểu đồ phân tán giữa 2 giá trị này đã được chuẩn hóa (Standardized) với phần dư trên trục tung và giá trị dự đoán trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dựđoán với phần dư, chúng sẽ phân tán ngẫu nhiên.
Biểu đồ Scatterplot ở phụ lục 10, trang 101 cho thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 chứ không tạo thành một hình dạng nào. Như vậy giá trị dựđoán và phần dưđộc lập nhau và phương sai của phần dư không thay đổi. Như vậy mô hình hồi quy phù hợp.
Kiểm tra giảđịnh về phân phối chuẩn phần dư
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: Sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,… Vì vậy ta phải xây dựng biểu đồ phân phối chuẩn phần dưđể kiểm tra.
Qua biểu đồ phân phối chuẩn phần dư Histogram ở phụ lục 10, trang 101 cho ta thấy: Độ lệch chuẩn Std.Dev. = 0.992 tức là xấp xỉ bằng 1 và trung bình Mean = 0. Do vậy có thể kết luận rằng giả thuyết phân phối chuẩn phần dư không bị vi phạm.
56
Tiếp theo, dựa vào biểu đồ P-P Plot ở phụ lục 10, trang 102 cho ta thấy các điểm quan sát không bị phân tán quá xa đường thẳng kỳ vọng, nên ta có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
4.5. KIỂM ĐỊNH SỰ KHÁC BIỆT GIỮA CÁC NHÓM THUỘC NHÂN KHẨU HỌC ĐỐI VỚI QUYẾT ĐỊNH CHỌN MUA HÀNG NHÃN HIỆU RIÊNG CỦA CO.OPMART.
Để kiểm định sự khác biệt giữa các nhóm thuộc nhân khẩu học đối với quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart, tác giả sử dụng phương pháp kiểm định Independent-sample T-test và kỹ thuật phân tích phương sai (ANOVA).
Nếu phân tích có mức mức ý nghĩa Sig. lớn hơn 0.05 thì ta chấp nhận giả thuyết H0 (không có khác biệt), ngược lại mức ý nghĩa Sig. bé hơn 0.05 hay bằng 0.05 thì ta bác bỏ H0 và chấp nhận H1 (có khác biệt). Kết quả phân tích từ dữ liệu nghiên cứu cho ta thấy các kết quả như sau:
4.5.1. Giới tính
Kiểm định Independent-sample T-test sẽ cho ta biết có hay không sự khác biệt đối với quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart giữa nam và nữ.
Các giả thuyết được đặt ra như sau:
• H0: Không có sự khác khác biệt giữa các nhóm của biến giới tính đối với quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart.
• H1: Có sự khác biệt giữa các nhóm của biến giới tính đối với quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart.
Bảng 4.21: Đặc điểm giới tính mẫu nghiên cứu
Giới tính
N Gía trị trung bình Độ lệch chuẩn Trung bình sai số chuẩn
Nam 91 3.9588 0.63494 0.06656
Nữ 149 3.9765 0.53772 0.04405
Nguồn: Kết quả tính toán từ dữ liệu khảo sát của tác giả (phụ lục 11, trang 103)
Theo như kết quả trong kiểm định Levene ở bảng 4.22 dưới đây cho thấy Sig. = 0.025 < 0.05, như vậy phương sai giữa phái nam và nữ là khác nhau, do đó ta dùng kết
57
quả kiểm định ở dòng thứ 2 – phương sai không bằng nhau. Còn giá trị Sig. trong kiểm định t > 0.05 (Sig. = 0.825) nên ta có thể kết luận rằng không có sự khác biệt về quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart giữa phái nam và nữ. Kết luận là chấp nhận giả thuyết H0.
Bảng 4.22: Kiểm định T-Test đối với biến giới tính
Kiểm định Levene
Kiểm định t cho sự bằng nhau của giá trị trung bình
F Sig. t df Sif. (2- tailed) Độ tin cậy 95% Cận dưới Cận trên Giảđịnh phương sai bằng nhau. 5.108 0.025 -0.231 238 0.817 -0.16879 0.13335 Giảđịnh phương sai không bằng nhau. -0.222 166.667 0.825 -0.17530 0.13986
Nguồn: Kết quả tính toán từ dữ liệu khảo sát của tác giả (phụ lục 11, trang 103)
4.5.2. Độ tuổi
Tác giả sử dụng phân tích phương sai một yếu tố (ANOVA) để kiểm định có hay không sự khác biệt giữa các nhóm tuổi đối với việc người tiêu dùng quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart.
Các giả thuyết được đặt ra như sau:
• H0: Không có sự khác khác biệt giữa các nhóm của biến độ tuổi đối với quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart.
• H1: Có sự khác biệt giữa các nhóm của biến độ tuổi đối với quyết định chọn mua hàng nhãn hiệu riêng của Co.opmart.
Từ bảng 4.23, cho thấy nhóm người có độ tuổi từ 18-25 có quyết định chọn mua hàng cao nhất với giá trị trung bình là 4.0570. Tiếp theo là nhóm tuổi từ 26-35 và nhóm trên 45 tuổi. Quyết định mua hàng thấp nhất là nhóm tuổi từ 36-45.
58
Bảng 4.23: Đặc điểm nhóm tuổi của mẫu nghiên cứu
Độ tuổi N Giá trị trung bình Độ lệch chuẩn Sai số chuẩn
Từ 18-25 79 4.0570 0.60705 0.06830
Từ 26-35 88 3.9517 0.58827 0.06271
Từ 36-45 41 3.8841 0.38769 0.06055
Trên 45 32 3.9141 0.65257 0.11536
Tổng cộng 240 3.9698 0.57527 0.03713
Nguồn: Kết quả tính toán từ dữ liệu khảo sát của tác giả (phụ lục 11, trang 103)
Kiểm định Levene giữa các nhóm tuổi (bảng 4.24) có Sig = 0.043 < 0.05, nên có thể nói phương sai của quyết định mua hàng giữa 4 nhóm tuổi là khác nhau một cách có ý nghĩa thống kê.
Bảng 4.24: Kiểm định Levene giữa các nhóm tuổi
Thống kê Levene df1 df2 Sig.
2.765 3 236 0.043
Nguồn: Kết quả tính toán từ dữ liệu khảo sát của tác giả (phụ lục 11, trang 104)
Theo kết quả phân tích ANOVA với mức ý nghĩa Sig = 0.377 > 0.05, nên ta có thể kết luận rằng không có sự khác biệt về quyết định chọn mua hàng nhãn hiệu riêng của