Mẫu nghiên cứu được thu thập từ các khách hàng đang sử dụng sản phẩm sữa tươi trên địa bàn tỉnh Nghệ An.
Số lượnsg mẫu được chọn là 300 mẫu.
Đối với phân tích hồi quy đa biến cỡ mẫu tối thiểu cần đạt được tính theo công thức của Tabachnick và Fidell:
Trong đó : M là số mẫu cần lấy
m : là số biến độc lập của mô hình
Số biến được đưa vào nghiên cứu là 26 biến nên số mẫu tối thiểu cần lấy là M >= 50 + 8*26
M>= 258
Vậy số mẫu phát ra là 300 mẫu 2.5. Qui trình nghiên cứu
Luận văn được tiến hành nghiên cứu theo quy trình bao gồm các bước như sau : Bước 1: Nhận diện vấn đề và xác định mục tiêu nghiên cứu
Bước 2:Tìm hiểu về các lý thuyết về: Hành vi tiêu dùng của khách hàng và các nhân tố ảnh hưởng đến sự lựa chọn tiêu dùng của khách hàng
Bước 3: Xây dựng thang đo
Bước 4: Tiến hành nghiên cứu sơ bộ : sử dụng phương pháp chuyên gia thảo luận và điều chỉnh các tiêu chí trong thang đo sơ bộ
Bước 5: Xây dựng thang đo hoàn chỉnh
Bước 6 : Tiến hành khảo sát và thu thập số liệu chính thức Bước 7 : Đánh giá sơ bộ thang đo bằng hệ số Cronbach’s alpha
Bước 8 : Tiến hành phân tích nhân tố khám phá EFA, kiểm tra phương sai Bước 9 : Xác định mô hình thang đo
Bước 10 : Phân tích tương quan và hồi quy xác định các nhân tố ảnh hưởng đến lựa chọn sữa tươi của khách hàng
Bước 11 : Đo lường mức độ ảnh hưởng của các thang đo có ý nghĩa thống kê đến sự lựa chọn sữa tươi của khách hàng thông qua thống kê mô tả.
Bước 12 : Giải pháp và kiến nghị 2.6. Xây dựng thang đo
2.6.1. Thang đo về thương hiệu
Được đo bằng 4 biến được ký hiệu trong phiếu điều tra từ câu hỏi TH1 – TH4, cụ thể : Bảng 2.5. Thang đo về thương hiệu
TH1 Sữa tươi tôi hay sử dụng có thương hiệu nổi tiếng
TH2 Sữa tươi tôi hay sử dụng có (Logo) có thề nhận biết một cách dễ dàng TH3 Sữa tươi tôi hay sử dụng được nhiều người tin dùng rộng rãi trên thị trường TH4 Sữa tươi tôi hay sử dụng có uy tín trên thị trường.
2.6.2. Thang đo về đặc tính sản phẩm
Được đo bằng 10 biến được ký hiệu trong phiếu điều tra từ câu hỏi SP1 – SP10, cụ thể
Bảng 2.6. Thang đo về đặc tính sản phẩm SP1 Sữa tươi tôi hay sử dụng đảm bảo dinh dưỡng
SP2 Sữa tươi tôi hay sử dụng nguyên chất không sử dụng chất phụ gia và chất bảo quản
SP3 Sữa tươi tôi hay sử dụng có nguồn gốc tự nhiên
SP4 Sữa tươi tôi hay sử dụng được chế biến trên công nghệ tiên tiến, hiện đại SP5 Sữa tươi tôi hay sử dụng đảm bảo vệ sinh an toàn thực phẩm
SP6 Sữa tươi tôi hay sử dụng có bao bì sản phẩm phù hợp, tiện dụng SP7 Sữa tươi tôi hay sử dụng có bao bì sản phẩm bắt mắt, hấp dẫn
SP8 Sữa tươi tôi hay sử dụng có ghi rõ hạn sử dụng trên bao bì sản phẩm SP9 Sữa tươi tôi hay sử dụng có mục kiểm định của cơ quan chức năng SP10 Sữa tươi tôi hay sử dụng có hương vị thơm ngon
2.6.3. Thang đo về yếu tố giá cả (adsbygoogle = window.adsbygoogle || []).push({});
Được đo bằng 4 biến được ký hiệu trong phiếu điều tra từ câu hỏi GC1 – GC4, cụ thể :
Bảng 2.7. Thang đo về giá cả GC1 Sữa tươi tôi hay sử dụng có mức giá hợp lý
GC2 Sữa tươi tôi hay sử dụng có mức giá minh bạch dễ kiểm tra so sánh GC3 Sữa tươi tôi hay sử dụng có mức giá ổn định
GC4 Sữa tươi tôi hay sử dụng có mức giá tương đối thống nhất giữa các điểm bán
2.6.4. Thang đo về yếu tố thuận tiện
Được đo bằng 3 biến được ký hiệu trong phiếu điều tra từ câu hỏi TT1 – TT3, cụ thể : Bảng 2.8. Thang đo về yếu tố thuận tiện
TT1 Sữa tươi tôi hay sử dụng có mạng lưới phân phối rộng rãi TT2 Sữa tươi tôi hay sử dụng dễ dàng mua ở đại lý gần nhất
TT3 Sữa tươi tôi hay sử dụng được cung ứng kịp thời khi có khách hàng có nhu cầu
2.6.5. Thang đo yếu tố chiêu thị
Được đo bằng 5 biến được ký hiệu trong phiếu điều tra từ câu hỏi CT1 – CT5, cụ thể : Bảng 2.9. Thang đo về yếu tố chiêu thị
CT1 Sữa tươi tôi hay sử dụng đang được quảng cáo rầm rộ
CT2 Chương trình quảng cáo của sữa tươi tôi hay sử dụng hấp dẫn và có sức thuyết phục CT3 Sữa tươi tôi hay sử dụng được khuyến mãi thường xuyên
CT4 Sữa tươi tôi hay sử dụngcó hình thức khuyến mãi hấp dẫn
CT5 Sữa tươi tôi hay sử dụng có nhiều hoạt động nhằm xây dựng hình ảnh về sản phẩm
2.6.6. Thang đo Sự lựa chọn
Được đo bằng 3 biến quan sát từ SLC1-SLC3
Bảng 2.10. Thang đo Sự lựa chọn của khách hàng
SLC1 Anh (chị) sẽ tiếp tục lựa chọn mua sản phẩm sữa tươi anh (chị) hay sử dụng hiện nay
SLC2 Sản phẩm sữa tươi anh (chị) hay sử dụng hiện nay luôn là sự lựa chọn đầu tiên của anh (chị)
SLC3 Anh (chị) cho rằng sản phẩm sữa tươi anh (chị) hay sử dụng là sự lựa chọn của chính anh (chị).
2.7. Xử lý số liệu
2.7.1. Thống kê mô tả
Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mô tả và thống kê suy luận cùng cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Để hiểu được các hiện tượng và ra quyết định đúng đắn, cần nắm được các phương pháp cơ bản của mô tả dữ liệu. Có rất nhiều kỹ thuật hay được sử dụng. Có thể phân loại các kỹ thuật này như sau:
Biểu diễn dữ liệu bằng đồ họa trong đó các đồ thị mô tả dữ liệu hoặc giúp so sánh dữ liệu;
Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu;
Thống kê tóm tắt (dưới dạng các giá trị thống kê đơn nhất) mô tả dữ liệu.
Các đại lượng thống kê mô tả
- Mean : Số trung bình cộng - Sum : Tổng cộng
- Std.deviation : Độ lệch chuẩn
- Minimum, maximum : Giá trị nhỏ nhất, giá trị lớn nhất - df : Tần số (adsbygoogle = window.adsbygoogle || []).push({});
- Std error : Sai số chuẩn
- Median : Là lượng biến của tiêu thức đơn vị đứng ở vị trí giữa trong dãy số lượng biến, chia số lượng biến thành 2 phần (phần trên và phần dưới) mỗi phần có cùng một số đơn vị bằng nhau.
- Mode : Là biểu hiện của tiêu thức được gặp nhiều nhất trong tổng thể hay trong dãy phân phối. Trong dãy lượng biến, mode là lượng biến có tần số lớn nhất.
2.7.2. Đánh giá độ tin cậy và dộ giá trị của thang đo 2.7.2.1. Đánh giá thang đo bằng hệ số Cronbach’s alpha 2.7.2.1. Đánh giá thang đo bằng hệ số Cronbach’s alpha
Những mục hỏi đo lường cùng một số khái niệm tiềm ẩn thì phải có mối liên quan với những cái còn lại trong nhóm đó. Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau.
Trong đó : ρ là hệ số tương quan trung bình giữa các mục hỏi
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach’s alpha. Những biến có hệ số tương quan biến tổng (item –total correlation) nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach’ alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978 ; Peterson,1994 ; Slater, 1995). Thông thường thang đo có Cronbach’s alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
2.7.2.2.Đánh giá độ giá trị của thang đo
Để đánh giá độ giá trị của thang đo ta phân tích nhân tố khám phá EFA.
a. Khái niệm
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s alpha và loại đi các biến không đảm bảo độ tin cậy. Trong nghiên cứu, chúng ta có thể thu thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta có thể sử dụng được. Liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản. Vì vậy, phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
b. Mô hình phân tích nhân tố
Về mặt tính toán, phân tích nhân tố hơi giống phân tích hồi quy bội ở chỗ mỗi biến được biểu diễn như là một kết hợp tuyền tuyến tính của các nhân tố cơ bản. Lượng biến thiên của một biến được giải thích bởi những nhân tố chung trông phân tích gọi là communality. Biến thiên chung của các biến được mô tả bằng một số ít các nhân tố chung cộng với một nhân tố đặc trưng cho mỗi biến. Những nhân tố này không bộc lộ rõ ràng.
Nếu các biến được chuẩn hóa thì mô hình nhân tố được thể hiện bằng phương trình : Xi = Ai1F1 + Ai2F2 + Ai3F3 + …….+ AimFm + ViUi
Trong đó :
Xi : biến thứ i được chuẩn hóa
Aim : hệ số hồi quy bội chuẩn hóa của nhân tố m đối với biến i Fi :Nhân tố chung
Vi : Các hệ số hồi quy chuẩn hóa của nhân tố đặc trưng i đối với biến i. Ui : Nhân tố đặc trưng của biến i
m : Số nhân tố chung
Các nhân tố đặc trưng có tương quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng có thể diễn tả như những kết hợp tuyến tính của các biến quan sát.
Fi = Wi1X1 + Wi2X2 + Wi3X3 + …….+ WikXk
Trong đó :
Fi : Ước lượng trị số của nhân tố thứ i Wim :Quyền số hay trọng số nhân tố k : Số biến
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích được phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau đó, ta chọn một tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn biến thiên còn lại và không có tương quan với nhân tố thứ nhất.
Nguyên tắc này được áp dụng như vật để tiếp tục chọn quyền số cho các nhân tố tiếp theo. Do vậy, các nhân tố được ước lượng sao cho các quyền số của chúng, không giống như các giá trị của các biến gốc, là không tương quan với nhau. Hơn nữa, nhân tố thứ nhất giải thích được nhiều nhất biến thiên của dữ liệu, nhân tố thứ hai giải thích được nhiều thứ nhì,…
c. Các tham số trong phân tích nhân tố:
- Barlett' test of sphericity: Đại lượng Bartlett là một đại lượng thống kê dùng để
xem xét giả thiết các biến không có tương quan trong tổng thể. Nói cách khác, ma trận tương quan tổng thể là một ma trận đồng nhất, mỗi biến tương quan hoàn toàn với chính nó nhưng không tương quan với các biến khác.
- Correlation matrix: Cho biết hệ số tương quan giữa tất cả các cặp biến trong
phân tích. (adsbygoogle = window.adsbygoogle || []).push({});
- Communality: Là lượng biến thiên của một biến được giải thích chung với các
biến khác được xem xét trong phân tích.
- Eigenvalue: Đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Chỉ
những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
- Factorloading: Là những hệ số tương quan đơn giữa các biến và các nhân tố
Theo Hair &ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Factor loading > 0.3 được xem là đạt mức tối thiểu • Factor loading > 0.4 được xem là quan trọng
• Factor loading > 0.5 được xem là có ý nghĩa thực tiễn
- Factor matrix : Chứa các hệ số tải nhân tố của tất cả các biến đối với các nhân
tố được rút ra.
- Kaiser- Meyer-Olkin (KMO): Trong phân tích nhân tố, trị số KMO là chỉ số
dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
- Percentage of variance: phần trăm phương sai toàn bộ được giải thích bởi từng
nhân tố. Nghĩa là coi biến thiên là 100% thì giá trị trị này cho biết phân tích nhân tố cô đọng được bao nhiêu phần trăm.
2.7.3. Phân tích tương quan - hồi quy 2.7.3.1. Phân tích tương quan 2.7.3.1. Phân tích tương quan
Phân tích hồi quy đa biến được thực hiện để xem xét mối quan hệ giữa các biến đặc tính sản phảm, thương hiệu, giá cả, thuận tiện, chiêu thị với biến phụ quyết định lựa chọn trong mô hình nghiên cứu. Trước khi tiến hành phân tích hồi quy tuyến tính thì việc xem xét mối tương quan tuyến tính giữa biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là công việc phải làm và hệ số tương quan Pearson trong ma trận hệ số tương quan là phù hợp để xem xét mối tương quan này.
Giá trị của biến phụ thuộc và biến độc lập là những nhân tố được SPSS tính toán qua phân tích nhân tố, là những kết hợp tuyến tính của các biến quan sát trong thang đo đã được chuẩn hóa.
2.7.3.2. Phân tích hồi qui đa biến a. Định nghĩa
Phân tích hồi quy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc hay biến được giải thích) vào một hay nhiều biến khác (biến độc lập hay biến giải thích) với ý tưởng cơ bản là ước lượng hay dự đoán giá trị trung bình của biến phụ thuộc trên cơ sở đã biến của biến độc lập.
b. Các giả định khi cây dựng mô hình hồi quy
Mô hình hồi quy có dạng :
Yi = Bo + B1X1i + B2X2i + ….. + BnXni + ei
Các giả định quan trọng khi phân tích hồi quy tuyến tính
- Giả thiết 1 : Giả định liên hệ tuyến tính
- Giả thiết 2 : Phương sai có điều kiện không đổi của các phần dư. - Giả thiết 3 : Không có sự tương quan giữa các phần dư.
- Giả thiết 4 : Không xảy ra hiện tượng đa cộng tuyến - Giả thiết 5 : Giả thiết về phân phối chuẩn của phần dư.
c. Xây dựng mô hình hồi quy
Các bước xây dựng mô hình :
Bước 1 : Xem xét ma trận hồi quy tương quan
Để xem xét mối quan hệ giữa biến phụ thuộc và các biến độc lập thông qua xây dựng ma trận tương quan. Đồng thời ma trận tương quan là công cụ xem xét mối quan hệ giữa các biến độc lập với nhau nếu các biến này có tương quan chặt thì nguy cơ xảy ra hiện tượng đa cộng tuyến cao dẫn đến việc vi phạm giả định của mô hình. (adsbygoogle = window.adsbygoogle || []).push({});
Bước 2 : Đánh giá độ phù hợp của mô hình
Thông qua hệ số ta đánh giá độ phù hợp của mô hình xem mô hình trên giải thích bao hiêu % sự biến thiên của biến phụ thuộc
Trong đó :
ESS : tổng bình phương tất cả các sai lệch giữa giá trị dự đoán của Yi và giá trị trung bình của chúng
TSS : Tổng bình phương sai lệch giữa giá trị Yi và giá trị trung bình của chúng