. 221 Đặc điểm đối tượng nghiên cứu
4. Lợi ích cảm nhận: Cronbach's Alph a= 0
2.2.4 Phân tích nhân tố
Phân tích nhân tố chỉ được sử dụng khi hệ số KMO (Kaiser-Meyer-Olkin) có giá trị từ 0.5 trở lên (Othman & Owen, 2000), kiểm định Bartlett’s có giá trị sig < 0.05, các biến có hệ số truyền tải (factor loading) nhỏ hơn 0.5 sẽ bị loại. Điểm dừng Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 và tổng phương sai trích (Cumulative % Extraction Sums of Squared Loadings) lớn hơn 50% (Gerbing & Anderson, 1988).
Phương pháp trích “Principal Axis Factoring” với phép quay “Varimax” được sử dụng trong phân tích nhân tố thang đo các thành phần độc lập. Quá trình phân tích nhân tố để loại các biến trong nghiên cứu này được thực hiện qua các bước như sau:
+ Bước 1: 15 nhân tố được đưa vào phân tích nhân tố theo tiêu chuẩn
Eigenvalue lớn hơn 1 đã có 4 nhóm nhân tố được tạo ra. Tổng phương sai trích = 55,933% cho biết 4 nhóm nhân tố này giải thích được 55,933 % biến thiên của dữ liệu.
Hệ số KMO = 0.696 (>0.5), kiểm định bartlett’s có giá trị sig = 0.000 < 0.05 do đó đã đạt yêu cầu của phân tích nhân tố. Tuy nhiên biến “Kiểu dáng sản phẩm” bị loại ra khỏi mô hình do có hệ số truyền tải quá thấp (<0.5) (tham khảo phụ lục 5 bảng 3.1.1; bảng 3.1.2; bảng 3.1.3).
+ Bước 2: Sau khi loại bỏ biến “Kiểu dáng sản phẩm”, 14 biến còn lại được tiếp
tục đưa vào phân tích một lần nữa vẫn theo tiêu chí như trên. Kết quả có 4 nhóm nhân tố được rút ra. Tổng phương sai trích = 58,639 % cho biết 4 nhân tố này giải thích được 56,439 % biến thiên của dữ liệu, hệ số KMO = 0,684 (>0.5), kiểm định Bartlett’s có giá trị sig = 0.000 < 0.05 nên đạt yêu cầu. Tuy nhiên biến “Người xung quanh đánh giá tốt về sản phẩm” bị loại ra khỏi mô hình do có hệ số truyền tải quá thấp (<0.5)
(tham khảo phụ lục 5 bảng 3.2.1; bảng 3.2.2; bảng 3.2.3).
+ Bước 3: Sau khi loại bỏ biến “Người xung quanh đánh giá tốt về sản phẩm” , 13 biến còn lại được tiếp tục đưa vào phân tích một lần nữa vẫn theo tiêu chí như trên.
Kết quả có 4 nhóm nhân tố được rút ra. Tổng phương sai trích = 60,875 % cho biết 5 nhân tố này giải thích được 60,875 % biến thiên của dữ liệu, Hệ số KMO = 0,680 (>0.5), kiểm định Bartlett’s có giá trị sig = 0.000 < 0.05 nên đạt yêu cầu.
+ Bước 4: sau khi loại bỏ 2 biến có hệ số truyền tải thấp (<0,5) ta tiến hành phân tích nhân tố lần 4 với giá trị 0,5 thu được tổng phương sai trích = 72,294 % cho biết 4 nhân tố này giải thích được 72,294 % biến thiên của dữ liệu. Hệ số KMO = 0,675 (>0.5), kiểm định Bartlett’s có giá trị sig = 0.000 < 0.05 nên đạt yêu cầu. Thu được kết quả phân tích nhân tố cuối cùng như bảng sau:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .675 Bartlett's Test of Sphericity Approx. Chi-Square 319.232 Df 70 Sig. .000
Biến quan sát Component
1 2 3 4
LICN3: thể hiện đẳng cấp .945
LICN4: sự tin tưởng .921
LICN1: thể hiện nam tính .717
LICN2: mang lại sự tự tin .715
Đánh giá 3: nội dung hấp dẫn .960
Đánh giá 4: nhân vật nổi tiếng .870
Đánh giá 1: âm thanh sống động .645
Đánh giá 2: hình ảnh ấn tượng .551
Lợi ích chức năng 2: có hương thơm
nam tính .961
Lợi ích chức năng 1: dầu gội giúp sạch
gàu .940
Lợi ích chức năng 3: giúp mượt tóc .611
Yếu tố thương hiệu: logo .745
Yếu tố thương hiệu: slogan .736
Việc giải thích các nhân tố được thực hiện trên cơ sở nhận ra các biến quan sát có hệ số truyền tải (factor loading) lớn nằm trong cùng một nhân tố. Như vậy nhân tố này có thể giải thích bằng các biến có hệ số lớn nằm trong nó.
+ Nhân tố 1 gồm tập hợp các biến: Lợi ích cảm nhận “thể hiện đẳng cấp”, “sự tin tưởng”, “ thể hiện nam tính”, “ mang lại tự tin”. Đặt tên nhân tố này là: “Lợi ích cảm nhận”.
+ Nhân tố 2 tập hợp các biến: “Nội dung hấp dẫn”, “ Nhân vật nổi tiếng”, “Âm thanh sống động”,
“ Hình ảnh ấn tượng” Đặt tên nhân tố này là: “ Các yếu tố đánh giá clip quảng
cáo”
+ Nhân tố 3 tập hợp các biến: “Có hương thơm nam tính”, “dầu gội sạch gàu”, “giúp mượt tóc”. Đặt tên nhân tố này là: "Lợi ích chức năng"
+ Nhân tố 4 tập hợp các biến: “Logo”, “ Slogan”. Đặt tên nhân tố này là: “Yếu tố
thương hiệu”
Bảng : Hệ số Cronbach’s Alpha và phương sai các biến sau khi phân tích nhân tố.
Biến Hệ số Cronbach's Alpha sau
phân tích nhân tố
% of Variance
1. Lợi ích cảm nhận 0.862 8.031
2. Yếu tố đánh giá clip quảng cáo 0.787 7.105
3. Lợi ích chức năng 0.775 5.597
4. Yếu tố thương hiệu 0.602 2.563
Phương sai trích: 72,294%
(Nguồn: Xử lý số liệu SPSS)
Từ kết quả phân tích ở bảng trên ta có: Hệ số Cronbach's Alpha của tất cả các nhân tố sau khi rút trích từ các biến quan sát bằng phương pháp phân tích nhân tố EFA đều lớn hơn 0.6. Cá biệt, nhân tố “lợi ích cảm nhận” (Cronbach's Alpha =0.862) có hệ số Cronbach's Alpha khá cao. Ngoài ra, tất cả các hệ số Cronbach's Alpha nếu loại biến đều lớn hơn 0.6, hệ số tương quan tổng của các biến quan sát đều lớn hơn 0.3. Điều này khẳng định thang đo các nhân tố rút trích từ các biến quan sát là phù hợp và đáng tin cậy. Có thể dùng để phân tích hồi quy.