4.3.1. Kết quả phân tích tương quan
Bảng 4.15 Mã hóa giá trị trung bình của các biến độc lập và biến phụ thuộc
Biến Mã hóa
Hành vi mua hàng ngẫu hứng IMP
Sự thích thú trong mua sắm ADV
Sự thư giãn trong mua sắm GRA
Tìm kiếm giá trị trong mua sắm VAL Thực hiện vai trò trong mua sắm ROL
Sự giao tiếp trong mua sắm SOC
Tìm kiếm ý tưởng trong mua sắm IDE
Sức mua của người tiêu dùng POW
Nguồn: Tác giả tổng hợp
Tất cả các biến được đưa vào phân tích tương quan Pearson để xác định mức độ tương quan giữa các nhân tố. Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, vì điều kiện để hồi quy các biến độc lập phải tương quan với biến phụ thuộc.
Ngoài ra phân tích tương quan giúp nhận diện vấn đề đa cộng tuyến khi các biến độc lập có tương quan mạnh với nhau. Trong trường hợp này cần chú ý đến đa cộng tuyến sẽ được xem xét khi phân tích hồi quy (kiểm tra hệ số VIF).
Bảng 4.16 Kết quả phân tích tương quan Pearson
** Tương quan có ý nghĩa ở mức 0.01 (2-đầu) * Tương quan có ý nghĩa ở mức 0.05 (2- đầu)
Nguồn: Kết quả phân tích dữ liệu của tác giả
Kết quả phân tích tương quan cho thấy tương quan giữa sự Hành vi mua hàng ngẫu hứng (IMP) với các biến độc lần lượt là với Sự thích thú trong mua sắm (ADV) là 0.612; với Sự thư giãn trong mua sắm (GRA) là 0.591; với Tìm kiếm giá trị trong
IMP ADV GRA VAL ROL SOC IDE POW
IMP
Tương quan Pearson 1 ,612** ,591** ,391** ,543** ,229** ,354** ,180**
Sig. (2-đầu) .000 .000 .000 .000 .000 .000 .002
N 280 280 280 280 280 280 280 280
ADV
Tương quan Pearson ,612** 1 ,589** ,290** ,464** ,123* ,302** ,125*
Sig. (2-đầu) .000 .000 .000 .000 .039 .000 .037
N 280 280 280 280 280 280 280 280
GRA
Tương quan Pearson ,591** ,589** 1 ,376** ,590** ,131* ,300** .056
Sig. (2-đầu) .000 .000 .000 .000 .028 .000 .349
N 280 280 280 280 280 280 280 280
VAL
Tương quan Pearson ,391** ,290** ,376** 1 ,322** ,134* ,229** .012
Sig. (2-đầu) .000 .000 .000 .000 .024 .000 .847
N 280 280 280 280 280 280 280 280
ROL
Tương quan Pearson ,543** ,464** ,590** ,322** 1 ,246** ,305** .079
Sig. (2-đầu) .000 .000 .000 .000 .000 .000 .186
N 280 280 280 280 280 280 280 280
SOC
Tương quan Pearson ,229** ,123* ,131* ,134* ,246** 1 ,126* ,167**
Sig. (2-đầu) .000 .039 .028 .024 .000 .035 .005
N 280 280 280 280 280 280 280 280
IDE
Tương quan Pearson ,354** ,302** ,300** ,229** ,305** ,126* 1 .048
Sig. (2-đầu) .000 .000 .000 .000 .000 .035 .419
N 280 280 280 280 280 280 280 280
POW
Tương quan Pearson ,180** ,125* .056 .012 .079 ,167** .048 1
Sig. (2-đầu) .002 .037 .349 .847 .186 .005 .419
mua sắm (VAL) là 0.391; với Thực hiện vai trò trong mua sắm (ROL) là 0.543; với Giao tiếp trong mua sắm là 0.229; với Tìm kiếm ý tưởng (IDE) là 0.354; và với Sức mua của người tiêu dùng (POW) là 0.180. Nghĩa là biến IMP có mối quan hệ tuyến tính với các biến độc lập ADV, GRA, VAL, ROL, SOC, IDE và POW. Vì vậy các biến độc lập này có thể đưa vào mô hình để giải thích cho biến Hành vi mua hàng ngẫu hứng (IMP). Ngoài ra, kết quả phân tích tương quan cũng cho thấy hệ số tương quan giữa biến ADV với biến GRA và biến ROL lớn hơn 0.5, đồng thời sig = 0.000. Do đó, ta cần phải xem xét dấu hiệu đa cộng tuyến ở phần phân tích hồi quy thông qua giá trị VIF.
4.3.2. Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (Hành vi mua hàng ngẫu hứng) và các biến độc lập (Sự thích thú trong mua sắm, Sự thư giãn trong mua sắm, Tìm kiếm giá trị trong mua sắm, Thực hiện vai trò trong mua sắm, Giao tiếp trong mua sắm, Tìm kiếm ý tưởng, Sức mua của người tiêu dùng). Mô hình phân tích hồi quy sẽ mô tả mối liên hệ và giúp ta dự đoán được mưc độ biến thiên của biến phụ thuộc khi biết trước giá trị của biến độc lập. Phương pháp phân tích lựa chọn là phương pháp Enter với tiêu chuẩn PIN là 0.05 và tiêu chuẩn POUT là 0.1. Kết quả phân tích hồi quy được thể hiện qua bảng 4.17, bảng 4.18 và bảng 4.19.
Chúng ta cũng cần kiểm tra hiện tượng đa cộng tuyến, kiểm tra mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Để kiểm tra hiện tượng đa cộng tuyến, chúng ta xem xét 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 biến phụ thuộc trong mô hình hồi quy (Hair và cộng sự, 1988).
4.3.2.1. Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Chỉ số R2 dùng để đánh giá mức dộ phù hợp của mô hình hồi quy tuyến tính bội. Hệ số R2 là phần biến thiên của biến phụ thuộc do mô hình (các biến độc lập) giải thích (Nguyễn Đình Thọ, 2011, trang 493).
Bảng 4.17 Tóm tắt mô hình
Ta thấy mô hình có hệ số hiệu chỉnh R2 = 0.521 cho thấy mức độ phù hợp của mô hình là 52.1% > 50%. Nghĩa là sự tương thích giữa mô hình và biến quan sát là tương đối và 52.1% mô hình 1 được giải thích bởi 7 biến độc lập trong mô hình. 47.9 % còn lại liên quan tới những nhân tố chưa được xem xét tới trong nghiên cứu này.
Bảng 4.18 Phân tích phương sai ANOVAa
Mô hình Tổng bình phương df Bình phương trung bình F Sig. 1 Hồi quy 86.250 7 12.321 44.295 ,000b Số dư 75.661 272 .278 Total 161.910 279
a. Biến phụ thuộc: IMP
b. Biến độc lập: (Hằng số), POW, VAL, SOC, IDE, ADV, ROL, GRA
Bảng 4.19 Bảng trọng số hồi quya
Mô
hình R R
2 R2 hiệu chỉnh Sai số chuẩn của ước lượng
Durbin- Watson
1 ,730a .533 .521 .52741 1.517
a. Biến độc lập: POW, VAL, SOC, IDE, ADV, ROL, GRA b. Biến phụ thuộc: IMP
Mô hình
Hệ số chưa
chuẩn hóa chuẩn Hệ số
t Sig.
Thống kê đa cộng tuyến B Sai số
chuẩn Beta Tolerance VIF
1 (Hằng số) -.196 .237 -.827 .409 ADV .314 .052 .322 6.072 .000 .612 1.633 GRA .181 .052 .204 3.491 .001 .503 1.988 VAL .131 .046 .131 2.870 .004 .826 1.211 ROL .168 .052 .176 3.252 .001 .590 1.696 SOC .057 .034 .073 1.691 .092 .910 1.098 IDE .089 .041 .098 2.192 .029 .857 1.167 POW .095 .042 .096 2.279 .023 .959 1.043 a. Biến phụ thuộc: IMP
Với sig. < 0.05 tương đương độ tin cậy 95% và |t| > 2 thì nhân tố đó được chấp nhận. Xem xét bảng trọng số hồi quy (bảng 4.19), ta thấy nhân tố Sự giao tiếp trong mua sắm có sig. > 0.05 và |t| < 2 nên ta loại bỏ nhân tố này. Kết quả hồi quy cho thấy Sự thích thú (ADV), Sự thư giãn (GRA), Tìm kiếm giá trị (VAL), Thực hiện vai trò (ROL), Tìm kiếm ý tưởng (IDE) và Sức mua của người tiêu dùng (POW) có ảnh hưởng đến hành vi mua hàng ngẫu hứng vì trọng số hồi quy đều có ý nghĩa thống kê (đều có sig. < 0.05). Sự thích thú trong mua sắm, Sự thư giãn trong mua sắm, Tìm kiếm giá trị trong mua sắm, Thực hiện vai trò trong mua sắm, Tìm kiếm ý tưởng, Sức mua của người tiêu dùng có tác động cùng chiều vào hành vi mua hàng ngẫu hứng (có hệ số Beta > 0).
Để so sánh tác động của từng biến độc lập (ADV, GRA, VAL, ROL, IDE) lên biến phụ thuộc (IMP), chúng ta xem xét hệ số Beta đã chuẩn hóa. Nếu giá trị tuyệt đối Beta của nhân tố nào càng lớn thì nhân tố đó tác động càng mạnh đến hành vi mua hàng ngẫu hứng (IMP). Cụ thể, ta thấy Sự thích thú trong mua sắm tác động đến hành vi mua hàng ngẫu hứng mạnh nhất (Beta ADV = 0.322), thứ hai là Sự thư giãn trong mua sắm với trị tuyệt đối của Beta GRA = 0.204, thứ ba là Thực hiện vai trò trong mua sắm Beta ROL = 0.176, thứ tư là Tìm kiếm giá trị trong mua sắm với Beta VAL = 0.131; thứ năm Tìm ý tưởng trong mua sắm với Beta IDE = 0.098 và tác động nhỏ nhất là biến Sức mua của người tiêu dùng với Beta POW = 0.096
4.3.2.2. Kiểm định các giả định của mô hình
Để kết quả quan sát trong mẫu được suy rộng ra cho mối quan hệ giữa các biến trong tổng thể, hay để chấp nhận kết quả hồi quy, ta cần kiểm định các giả định của mô hình hồi quy. Nếu các giả định bị vi phạm thì kết quả ước lượng không còn đáng tin cậy (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
Giả định không có hiện tượng đa cộng tuyến
Trong mô hình hồi quy tuyến tính bội, giả định giữa các biến độc lập của mô hình không có hiện tượng đa cộng tuyến. Theo bảng 4.19, tiêu chí Collinearity diagnostics (chuẩn đoán hiện tượng đa cộng tuyến) trong mô hình đều < 10 (Hoàng
Trọng & Chu Nguyễn Mộng Ngọc, 2008, trang 252) cho thấy tính đa cộng tuyến của các biến độc lập là không đáng kể. Do đó, các biến trong mô hình được chấp nhận.
Giả định phương sai của phần dư không đổi
Quan sát đồ thị phân tán ở biểu đồ 4.1 để kiểm tra có hiện tượng phương sai thay đổi hay không, ta thấy phần dư phân tán ngẫu nhiên theo hoành độ 0. Như vậy giả định phương sai không đổi của mô hình được chấp nhận.
Biểu đồ 4.1 Đồ thị phân tán
Giả định về phân phối chuẩn của phần dư
Biểu đồ tần số của phần dư chuẩn hóa cho thấy một đường cong phân phối chuẩn đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn Std. Dev= 0.987 tức gần bằng 1. Do đó giả định phân phối chuẩn của phần dư không bị vi phạm
Biểu đồ 4.2 Biểu đồ tần số của phần dư chuẩn hóa
Biểu đồ 4.3 Biểu đồ xác suất chuẩn (normal P-P Plot)
Nhìn vào biểu đồ 4.3, ta thấy biểu đồ xác suất này có quan hệ tuyến tính (đường thẳng). Do đó ta kết luận phần dư có phân phối chuẩn.
Giả định về tính độc lập của phần dư
Khi xảy ra hiện tương tự tương quan, các ước lượng của mô hình hồi quy không đáng tin cậy. Phương pháp kiểm định để phát hiên tự tương quan là kiểm định Durbin- Waston (D). Nếu 1<D<3 thì kết luận mô hình không có tự tương quan.; nếu 0<D<1 thì kết luận mô hình có tự tương quan dương; nếu 3<D<4 thì kết luận có tự tương quan âm. Bảng 4.15 cho thấy hệ số Durbin-Waston =1.517, như vậy chấp nhận giả định về tính độc lập của phần dư.
4.3.2.3. Kiểm định các giả thuyết nghiên cứu:
Từ 7 giả thuyết nghiên cứu đề xuất, tiến hành kiểm định lần lượt các giả thuyết, ta có được kết quả ở bảng 4.:
Bảng 4.20 : Kết quả kiểm định các giả thuyết nghiên cứu
Giả thuyết Trị thống kê Kết quả
H1. Động cơ sự thích thú trong trong mua sắm ảnh
hưởng thuận chiều đến hành vi mua hàng ngẫu hứng 0.000<0.05 Chấp nhận H2. Động cơ sự thư giãn trong mua sắm ảnh hưởng
thuận chiều đến hành vi mua hàng ngẫu hứng. 0.001<0.05 Chấp nhận H3. Động cơ thực hiện vai trò trong mua sắm ảnh
hưởng thuận chiều đến hành vi mua hàng ngẫu hứng 0.004<0.05 Chấp nhận H4. Động cơ tìm kiếm giá trị trong mua sắm có ảnh
hưởng thuận chiều đến hành vi mua hàng ngẫu hứng. 0.001<0.05 Chấp nhận H5. Động cơ giao tiếp trong mua sắm ảnh hưởng thuận
chiều đến hành vi mua hàng ngẫu hứng. 0.092>0.05 Bác bỏ H6. Động cơ tìm kiếm ý tưởng trong mua sắm ảnh
hưởng thuận chiếu đến hành vi mua hàng ngẫu hứng 0.029<0.05 Chấp nhận H7: Sức mua của người tiêu dùng ảnh hưởng thuận
Như vậy ta có mô hình nghiên cứu được điều chỉnh như sau:
Hình 4.1 Mô hình nghiên cứu điều chỉnh sau khi phân tích hồi quy
Nguồn: Tổng hợp của tác giả
4.4. Kiểm định sự khác biệt về hành vi mua hàng ngẫu hứng của khách hàng đối với một số biến nhân khẩu học hàng đối với một số biến nhân khẩu học
Bước kiểm định này nhằm tìm ra sự khác biệt về hành vi mua hàng ngẫu hứng giữa các nhóm khách hàng khác nhau được phân biệt dựa vào các yếu tố nhân khẩu học và thu nhập.
4.4.1. Kiểm định sự khác biệt về hành vi mua hàng ngẫu hứng theo giới tính tính
Kiểm định T-test được sử dụng trong phân tích. Kết quả phân tích như ở Phụ lục 3.4. Theo kết quả này, hệ số sig trong kiểm định Levene là 0.213 > 0.05 nên phương sai giữa hai giới tính là không khác nhau. Hệ số sig của kiểm định t-test là 0.016 < 0.05 nên ta kết luận có sự khác biệt về giới tính đối với hành vi mua hàng ngẫu hứng của người tiêu dùng. Thông tin thu thập được cho thấy nữ giới có xu hướng
H6+
H7+ Sự thích thú trong mua sắm
Sự thư giãn trong mua sắm
Tìm kiếm giá trị trong mua sắm
Thực hiện vai trò trong mua sắm
Tìm kiếm ý tưởng trong mua sắm
Hành vi mua hàng ngẫu hứng
Sức mua của người tiêu dùng
H1+ .322 H2+ H3+ H4+ .204 .131 .176 .098 .096
mua hàng ngẫu hứng cao hơn nam giới (trung bình mẫu của nữ là 3.4 > trung bình mẫu của nam là 3.2)
4.4.2. Kiểm định sự khác biệt về hành vi mua hàng ngẫu hứng theo độ tuổi tuổi
Phân tích Anova được sử dụng để kiểm định ảnh hưởng của Độ tuổi đến hành vi mua hàng ngẫu hứng của người tiêu dùng. Kết quả phân tích như phụ lục 3.4. Theo kết quả thu được, hệ số sig của kiểm định Levene là 0.529 > 0.05 nên không có sự khác biệt trong phương sai các nhóm. Do đó ANOVA được sử dụng trong phân tích tiếp theo, sig của kiểm định ANOVA là 0.017 < 0.05 nên ta kết luận có sự khác biệt theo độ tuổi của người tiêu dùng trong hành vi mua hàng ngẫu hứng.
Tiếp tục kiểm định Post Hoc để tìm ra sự khác biệt giữa các nhóm tuổi. Theo kết quả thu được (phụ lục 3.4), ta khẳng định có sự khác biệt về hành vi mua hàng ngẫu hứng giữa các nhóm tuổi sau: nhóm tuổi từ 18-25 có xu hướng mua hàng ngẫu hứng cao hơn với nhóm tuổi trên 50; nhóm tuổi 26-35 xu hướng mua hàng ngẫu hứng cao hơn 50; nhóm tuổi 36-50 có xu hướng mua hàng ngẫu hứng cao hơn với nhóm tuổi trên 50.
4.4.3. Kiểm định sự khác biệt về hành vi mua hàng ngẫu hứng theo thu nhập nhập
Phân tích Anova được sử dụng để kiểm định ảnh hưởng của thu nhập đến hành vi mua hàng ngẫu hứng của người tiêu dùng. Kết quả phân tích như phụ lục 3.4. Theo kết quả thu được, hệ số sig. của kiểm định Levene là 0.096 > 0.05. Do đó ANOVA được sử dụng trong phân tích tiếp theo, sig của kiểm định ANOVA là 0.000 < 0.05 nên ta kết luận có sự khác biệt theo thu nhập của người tiêu dùng trong hành vi mua hàng ngẫu hứng. Hơn nữa, kết quả phân tích cho thấy thấy giá trị trung bình càng tăng cao theo thu nhập. Trên cơ sở dữ liệu này, ta có thể kết luận người có thu nhập càng cao càng có xu hướng mua hàng ngẫu hứng.
Tiếp tục kiểm định Post Hoc để tìm ra sự khác biệt về hành vi mua hàng ngẫu hứng giữa các nhóm khách hàng có mức thu nhập khác nhau. Theo kết quả thu được (phụ lục 3.4), ta khẳng định có sự khác biệt về hành vi mua hàng ngẫu hứng giữa các
nhóm thu nhập sau: nhóm thu nhập < 5 triệu đồng lần lượt xu hướng mua hàng ngẫu hứng thấp hơn khác với các nhóm thu nhập từ 10 - 20 triệu, 20 - 30 triệu và trên 30 triệu đồng; nhóm thu nhập từ 10-20 triệu đồng xu hướng mua hàng ngẫu hứng thấp hơn nhóm thu nhập từ 20 - 30 triệu đồng và nhóm thu nhập trên 30 triệu đồng.
Tóm tắt chương 4
Chương 4 đã trình bày kết quả phân tích số liệu bằng phần mềm thống kê SPSS 20.0. Số mẫu thu về là 280 trong đó 111 nam và 169 nữ. Sau khi kiểm định sơ bộ và chính thức thang đo, kết quả kiểm định độ tin cậy và giá trị thang đo bằng Cronbach alpha và EFA cho thấy các thang đo đều đạt yêu cầu sau khi loại biến VAL4, VAL 5 và POW5.
Kết quả hồi quy cho thấy có 5 nhân tố động cơ tiêu khiển trong mua sắm và