7 Kết cấu luận văn
4.3.1Kiểm định hệ số tin cậy Cronbach's Alpha
Phân tích hệ số Cronbach’s Alpha để loại bỏ các biến không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu. Các biến quan sát có hệ số tƣơng quan biến-tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach’s Alpha từ 0,6 trở lên (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008, tr.258).
4.3.1.1 Đánh giá độ tin cậy thang đo "Nhận biết thương hiệu"
Bảng 4.2: Kết quả đánh giá độ tin cậy thang đo Nhận biết thƣơng hiệu
n = 6 Cronbach’s Alpha = 0,811
Trung bình nếu loại biến
Phƣơng sai nếu loại biến
Hệ số tƣơng quan biến-tổng
Cronbach’s Alpha nếu loại
biến NB1 18,24 6,770 0,543 0,787 NB2 18,38 6,906 0,592 0,778 NB3 18,31 6,618 0,605 0,773 NB4 18,45 6,621 0,551 0,786 NB5 18,30 6,731 0,611 0,773 NB6 18,28 6,424 0,542 0,790
Nguồn: Kết quả phân tích của tác giả bằng phần mềm SPSS 18.0
Kết quả đánh giá thang đo "Nhận biết thƣơng hiệu" bằng Cronbach’s Alpha (bảng 4.2) cho thấyđộ tin cậy Cronbach’s Alpha = 0,811 (lớn hơn 0,6), hệ số
48
tƣơng quan biến-tổng của các biến quan sát đều lớn hơn 0,3. Vì thế,các biến quan sát của các thang đo này đều thỏa mãn điều kiện để phân tích nhân tố khám phá
4.3.1.2 Đánh giá độ tin cậy thang đo "Chất lượng cảm nhận"
Bảng 4.3: Kết quả đánh giá độ tin cậy thang đo Chất lƣợng cảm nhận
n = 11 Cronbach’s Alpha = 0,911
Trung bình nếu loại biến
Phƣơng sai nếu loại biến
Hệ số tƣơng quan biến-tổng
Cronbach’s Alpha nếu loại
biến CL1 35,83 32,312 0,744 0,900 CL2 35,94 32,279 0,648 0,904 CL3 36,10 31,187 0,700 0,901 CL4 36,16 32,911 0,636 0,905 CL5 35,97 32,398 0,640 0,904 CL6 36,03 31,728 0,673 0,903 CL7 35,99 32,176 0,650 0,904 CL8 36,23 31,009 0,679 0,903 CL9 36,06 32,549 0,645 0,904 CL10 35,88 32,284 0,621 0,905 CL11 35,98 32,005 0,659 0,903
Nguồn: Kết quả phân tích của tác giả bằng phần mềm SPSS 18.0
Kết quả đánh giá thang đo "Chất lƣợng cảm nhận" bằng Cronbach’s Alpha (bảng 4.3) cho thấyđộ tin cậy Cronbach’s Alpha = 0,911 (lớn hơn 0,6), hệ số tƣơng quan biến-tổng của các biến quan sát đều lớn hơn 0,3. Vì thế,các biến quan sát của các thang đo này đều thỏa mãn điều kiện để phân tích nhân tố khám phá
4.3.1.3 Đánh giá độ tin cậy thang đo "Trung thành thương hiệu"
Bảng 4.4: Kết quả đánh giá độ tin cậy thang đo Trung thành thƣơng hiệu
n = 5 Cronbach’s Alpha = 0,783
Trung bình nếu loại biến
Phƣơng sai nếu loại biến
Hệ số tƣơng quan biến-tổng
Cronbach’s Alpha nếu loại
biến TT1 12,56 6,865 0,577 0,736 TT2 12,79 6,987 0,517 0,756 TT3 12,49 6,719 0,574 0,737 TT4 12,68 6,877 0,600 0,729 TT5 12,49 6,815 0,527 0,753 (adsbygoogle = window.adsbygoogle || []).push({});
49
Kết quả đánh giá thang đo "Trung thành thƣơng hiệu" bằng Cronbach’s Alpha (bảng 4.4) cho thấyđộ tin cậy Cronbach’s Alpha = 0,783 (lớn hơn 0,6), hệ số tƣơng quan biến-tổng của các biến quan sát đều lớn hơn 0,3. Vì thế, các biến quan sát của các thang đo này đều thỏa mãn điều kiện để phân tích nhân tố khám phá (EFA).
4.3.1.4. Đánh giá độ tin cậy thang đo "Liên tưởng thương hiệu"
Bảng 4.5: Kết quả đánh giá độ tin cậy thang đo Liên tƣởng thƣơng hiệu
n = 7 Cronbach’s Alpha = 0,879
Trung bình nếu loại biến
Phƣơng sai nếu loại biến
Hệ số tƣơng quan biến-tổng
Cronbach’s Alpha nếu loại
biến LT1 15,92 18,589 0,687 0,859 LT2 16,29 18,003 0,713 0,855 LT3 15,94 18,560 0,697 0,858 LT4 16,12 19,193 0,720 0,856 LT5 16,01 18,750 0,761 0,850 LT6 16,21 19,455 0,571 0,874 LT7 16,83 20,379 0,515 0,880
Nguồn: Kết quả phân tích của tác giả bằng phần mềm SPSS 18.0
Kết quả đánh giá thang đo "Liên tƣởng thƣơng hiệu" bằng Cronbach’s Alpha (bảng 4.5) cho thấyđộ tin cậy Cronbach’s Alpha = 0,879 (lớn hơn 0,6), hệ số tƣơng quan biến-tổng của các biến quan sát đều lớn hơn 0,3. Vì thế,các biến quan sát của các thang đo này đều thỏa mãn điều kiện để phân tích nhân tố khám phá (EFA).
4.3.1.5 Đánh giá độ tin cậy thang đo "Giá trị thương hiệu tổng thể"
Bảng 4.6: Kết quả đánh giá độ tin cậy thang đo Giá trị thƣơng hiệu
n = 3 Cronbach’s Alpha = 0,844
Trung bình nếu loại biến
Phƣơng sai nếu loại biến
Hệ số tƣơng quan biến-
tổng
Cronbach’s Alpha nếu loại
biến
TH1 6,18 2,159 0,688 0,808
TH2 6,42 2,033 0,768 0,725
TH3 6,53 2,570 0,693 0,808
50
Kết quả đánh giá thang đo "Giá trị thƣơng hiệu" bằng Cronbach’s Alpha (bảng 4.6) cho thấyđộ tin cậy Cronbach’s Alpha = 0,844 (lớn hơn 0,6), hệ số tƣơng quan biến-tổng của các biến quan sát đều lớn hơn 0,3. Vì thế,các biến quan sát của các thang đo này đều thỏa mãn điều kiện để phân tích nhân tố khám phá.
4.3.2 Kiểm định phân tích nhân tố khám phá EFA
Sau khi phân tích hệ số tin cậy Cronbach’s Alpha, các thang đo đƣợc đánh giá tiếp theo bằng phƣơng pháp phân tích nhân tố khám phá EFA để thu nhỏ và gom các biến lại thành các nhân tố, xem xét mức độ hội tụ của các biến quan sát theo từng thành phần và giá trị phân biệt giữa các nhân tố. Các biến có hệ số tải nhân tố <0,5 đều bị loại.
Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau. Sử dụng kiểm định Bartlett để kiểm định giả thuyết H0 là các biến không có tƣơng quan với nhau trong tổng thể. Nói cách khác, ma trận tƣơng quan tổng thể là một ma trận đơn vị trong đó tất cả các giá trị trên đƣờng chéo đều bằng 1, còn các giá trị nằm ngoài đƣờng chéo đều bằng 0. Đại lƣợng kiểm định này dựa trên sự biến đổi thành đại lƣợng chi bình phƣơng (chi-quare) từ định thức của ma trận tƣơng quan. Đại lƣợng này có giá trị càng lớn thì ta càng có khả năng bác bỏ giả thuyết này. Nếu giả thuyết H0 không thể bị bác bỏ thì phân tích nhân tố rất có khả năng không thích hợp (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008, tập 2, trang 30-32).
Trong phân tích nhân tố, chỉ số KMO (Kaiser - Meyer - Olkin) là một chỉ số dùng để xem xét sự thích hợp của việc phân tích nhân tố. Trị số của KMO lớn (từ 0,5 đến 1) là điều kiện đủ để phân tích nhân tố thích hợp, ngƣợc lại nếu trị số này <0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (adsbygoogle = window.adsbygoogle || []).push({});
Phân tích nhân tố thƣờng đƣợc tiến hành theo phƣơng pháp phân tích nhân tố chính (Principal Component Analysis) với phép xoay nhân tố giữ nguyên góc các nhân tố (Varimax).
Tiêu chuẩn khác biệt trọng số nhân tố của một biến quan sát giữa các nhân tố>=0,3 để đảm bảo giá trị phân biệt giữa các nhân tố. Phƣơng sai trích phải đạt từ 50% trở lên và trị số Eigenvalue phải >1. Chỉ những nhân tố nào có Eigenvalue >1 mới đƣợc giữ lại trong mô hình phân tích,những những nhân tố
51
nào có Eigenvalue <1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008, tập 2, trang 34).
Sau khi phân tích nhân tố xong sẽ hiệu chỉnh mô hình lý thuyết theo kết quả phân tích nhân tố và tiến hành phân tích mô hình hồi quy tuyến tính bội.
4.3.2.1. Phân tích nhân tố khám phá đối với yếu tố độc lập
Bảng 4.7: Kết quả phân tích nhân tố khám phá các yếu tố độc lập
Thành phần 1 2 3 4 5 CL6 0,788 CL8 0,765 CL3 0,764 CL11 0,738 CL1 0,716 CL7 0,666 CL5 0,665 CL2 0,542 CL4 0,522 LT5 0,814 LT3 0,760 LT2 0,756 LT4 0,740 LT1 0,727 LT6 0,721 LT7 0,567 NB5 0,760 NB3 0,746 NB2 0,729 NB1 0,695 NB6 0,689 NB4 0,685 TT3 0,733 TT2 0,689 TT1 0,686 TT4 0,608 TT5 0,513 CL9 0,580 CL10 0,513 Eigenvalue = 1,033 KMO = 0,880 Sig. = 0,000 TVA = 59,317%
52
Kết quả phân tích nhân tố khám phá bằng phƣơng pháp trích Principal Component và phép xoay Varimax cho thấy:
-Chỉ số KMO = 0,880 với giá trị sig = 0,000, chứng tỏ dữ liệu nghiên cứu phù hợp để phân tích EFA.
-29 biến quan sát đƣợc rút trích vào 05 yếu tố tại Eigenvalue = 1,033 và phƣơng sai trích đạt 59,317% (bảng 4.7).
Sau khi phân tích nhân tố khám phá, các biến hội tụ thành 05 yếu tố so với mô hình nghiên cứu ban đầu là 04 yếu tố (Nhận biết thƣơng hiệu, Chất lƣợng cảm nhận, Trung thành thƣơng hiệu, Liên tƣởng thƣơng hiệu), trong đó biến quan sát CL9, CL10 tách ra khỏi yếu tố Chất lƣợng cảm nhận và hội tụ thành yếu tố thứ 5. Do 02 biến quan sát CL9 đo lƣờng “HandPro rất tiện lợi cho việc sử dụng” và CL10 đo lƣờng “Dịch vụ chăm sóc khách hàng tốt” và 02 biến quan sát này đại diện cho sự tiện lợi khi sử dụng nƣớc rửa tay HandPro nên tác giả đặt tên cho yếu tố thứ năm này là SỰ TIỆN LỢI.
Kết quả phân tích nhân tố khám phá, các biến hội tụ thành 05 yếu tố sau: Nhóm 1: Chất lƣợng cảm nhận (CL1, CL2, CL3, CL4, CL5, CL6, CL7, CL8, CL11).
Nhóm 2: Liên tƣởng thƣơng hiệu (LT1, LT2, LT3, LT4, LT5, LT6, LT7). Nhóm 3: Nhận biết thƣơng hiệu (NB1, NB2, NB3, NB4, NB5, NB6). Nhóm 4: Trung thành thƣơng hiệu (TT1, TT2, TT3, TT4, TT5). Nhóm 5: Sự tiện lợi (CL9, CL10).
4.3.2.2. Phân tích nhân tố khám phá đối với yếu tố phụ thuộc
Bảng 4.8: Kết quả phân tích nhân tố khám phá yếu tố phụ thuộc
Thành phần 1 TH1 0,857 TH2 0,905 TH3 0,863 Eigenvalue = 2,299 KMO = 0,713 Sig. = 0,000 TVA = 76,640%
53
Kết quả phân tích nhân tố khám phá bằng phƣơng pháp trích Principal Component và phép xoay Varimax cho thấy:
-Chỉ số KMO = 0,713 với giá trị sig = 0,000, chứng tỏ dữ liệu nghiên cứu phù hợp để phân tích EFA.
- 03 biến quan sát đƣợc rút trích vào 01yếu tố tại Eigenvalue = 2,299 và phƣơng sai trích đạt 76,640% (bảng 4.8).
4.4. MÔ HÌNH NGHIÊN CỨU ĐIỀU CHỈNH
Mô hình nghiên cứu ban đầu có 04 yếu tố độc lập (Nhận biết thƣơng hiệu, Chất lƣợng cảm nhận, Trung thành thƣơng hiệu, Liên tƣởng thƣơng hiệu) tác động vào yếu tố phụ thuộc (Giá trị thƣơng hiệu tổng thể), sau khi phân tích nhân tố khám phá thì 02 biến CL9, CL10 hội tụ thành yếu tố mới đặt tên là SỰ TIỆN LỢI. Mô hình nghiên cứu mới đƣợc điều chỉnh bao gồm 05 yếu tố độc lập (Nhận biết thƣơng hiệu, Chất lƣợng cảm nhận, Trung thành thƣơng hiêu, Liên tƣởng thƣơng hiệu, Sự tiện lợi) tác động vào yếu tố phụ thuộc (Giá trịthƣơng hiệu tổng thể), mô hình đƣợc điều chỉnh nhƣ sau:
Hình 4.1: Mô hình nghiên cứu điều chỉnh
Nguồn: Kết quả phân tích dữ liệu của tác giả bằng phần mềm SPSS
CHẤT LƢỢNG CẢM NHẬN LIÊN TƢỞNG THƢƠNG HIỆU NHẬN BIẾT THƢƠNG HIỆU TRUNG THÀNH THƢƠNG HIỆU SỰ TIỆN LỢI GIÁ TRỊ THƢƠNG HIỆU H1 H2 H3 H4 H5
54
Phát biểu các giả thuyết nghiên cứu từ mô hình nghiên cứu điều chỉnh:
- H1: Nhận biết thƣơng hiệu tác động cùng đến giátrị thƣơng hiệu tổng thể. - H2: Chất lƣợng cảm nhận tác động cùng chiều giá trị thƣơng hiệu tổng thể. - H3: Trung thành thƣơng hiệu tác động cùng chiều đến giá trị thƣơng hiệu (adsbygoogle = window.adsbygoogle || []).push({});
tổng thể.
- H4: Liên tƣởng thƣơng hiệu tác động cùng chiều đến giá trị thƣơng hiệu tổng thể.
- H5: Sự tiện lợi tác động cùng chiều đến giá trị thƣơng hiệu tổng thể.
Bảng 4.9: Tóm tắt giả thuyết
Giả thuyết Yếu tố Mã hóa
H1 Nhận biết thƣơng hiệu NBTH
H2 Chất lƣợng cảm nhận CLCN
H3 Trung thành thƣơng hiệu TTTH
H4 Liên tƣởng thƣơng hiệu LTTH
H5 Sự tiện lợi STL
Nguồn: Theo đề xuất của tác giả
4.5 PHÂN TÍCH HỒI QUY
Sau khi giải thích các nhân tố, chúng ta cần tính toán để biến đổi một tập hợp biến gốc thành một tập hợp các biến tổng hợp có số lƣợng ít hơn để sử dụng trong các phƣơng pháp phân tích đa biến tiếp theo.
Để thực hiện công việc này một cách tự động, chúng ta có thể ra lệnh cho chƣơng trình SPSS tính toán tập hợp các biến tổng hợp này và lƣu các trị số này nhƣ những biến mới trong file dữ liệu, các nhân tố mới đƣợc lƣu lại bằng lệnh Save của chƣơng trình SPSS dƣới dạng đã chuẩn hóa (đơn vị đo lƣờng độ lệch chuẩn).
Sau khi rút trích đƣợc các nhân tố và lƣu lại thành các biến mới, chúng ta sẽ sử dụng các biến mới này thay cho tập hợp biến gốc để đƣa vào các phân tích tiếp theo nhƣ phân tích tƣơng quan và phân tích hồi quy tuyến tính bội.
55
4.5.1 Phân tích hệ số tƣơng quan Pearson
Kiểm tra tƣơng quan giữa các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tƣơng quan. Theo đó, điều kiện để phân tích hồi quy là phải có tƣơng quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, khi hệ số tƣơng quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến, nghĩa là nếu hệ số tƣơng quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tƣợng đa cộng tuyến (một biến độc lập này có đƣợc giải thích bằng một biến khác).
Bảng 4.10: Ma trận kết quả đánh giá tƣơng quan Pearson
CLCN LTTH NBTH TTTH STL TSTH CLCN Tƣơng quan Pearson 1
LTTH Tƣơng quan Pearson ,264** 1
NBTH Tƣơng quan Pearson ,205** ,329** 1
TTTH Tƣơng quan Pearson ,367** ,414** ,479** 1
STL Tƣơng quan Pearson ,368** ,422** ,324** ,363** 1
GTTH Tƣơng quan Pearson ,381** ,233** ,110 ,462** ,147* 1
Nguồn: Kết quả phân tích dữ liệu của người viết bằng phần mềm SPSS
Xem xét ma trận hệ số tƣơng quan Pearson các biến độc lập đối với biến phụ thuộc Giá trị thƣơng hiệu tổng thể cho thấy:
- Giá trị sig. của các biến CLCN, LTTH, TTTH, STL nhỏ hơn 0,05 chứng tỏ các biến này có mối quan hệ giữa các biến độc lập này với biến phụ thuộc.
- Giá trị sig. của các biến NBTH = 0,132 lớn hơn 0,05 chƣa đủ cơ sở để kết luận có mối quan hệ giữa các biến độc lập này với biến phụ thuộc, cần có kết quả của phân tích hồi quy tuyến tính bội để khẳng định điều này. (adsbygoogle = window.adsbygoogle || []).push({});
- Dự đoán mô hình hồi quy tuyến tính bội có dạng sau:
56
4.5.2 Phân tích hồi quy tuyến tính bội
Phân tích hồi quy tuyến tính bô ̣i đƣợc thƣ̣c hiê ̣n để xem xét mối quan hê ̣ giƣ̃a các biến độc lập đối với biến phu ̣ thuô ̣c.
Bằng việc sử dụng phƣơng pháp Enter tức là đƣa tất cả các biến vào để cùng xử lý một lần, kết quả đánh giá cuối cùng sẽ đƣợc phần mềm SPSS thể hiện để ngƣời phân tích tự đánh giá kết quả nhƣ:
- Mô hình giải thích biến thiên trong các chỉ tiêu tốt đến đâu qua hệ số R2. - Mối quan hệ giữa biến độc lập và biến phụ thuộc phải có ý nghĩa thống kê. - Dấu của các hệ số hồi quy ƣớc lƣợng có phù hợp với lý thuyết hay không? Kiểm tra các giả định có vi phạm hay không: phân phối chuẩn của phần dƣ, không có hiện tƣợng tự tƣơng quan giữa các sai số ngẫu nhiên, không có hiện tƣợng đa cộng tuyến giữa các biến độc lập, tức là không có quan hệ tuyến tính rõ ràng giữa các biến giải thích.
Bảng 4.11: Kết quả phân tích hồi quy tuyến tính bội
Mô hình R R2 R2 điều chỉnh Độ lệch chuẩn của sai
số ƣớc lƣợng Durbin-Watson 1 0,668a 0,446 0,431 0,75414088 1,811 Mô hình Tổng các bình phƣơng Bậc tự do (df) Bình phƣơng trung bình Kiểm định F Mức ý nghĩa (Sig.) 1 Hệ số hồi quy 83,923 5 16,785 29,512 0,000a Phần dƣ 104,077 183 0,569 Tổng cộng 188,000 188
57
Mô hình
Hệ số hồi quy chƣa chuẩn hóa Hệ số hồi quy chuẩn hóa Giá trị kiểm định t Mức ý nghĩa (sig.) Thống kê đa cộng uyến B Sai số chuẩn Beta Độ chấp nhận Hệ số phóng đại 1 (Constant) -4,659E-17 ,055 ,000 1,000 CLCN 0,359 0,071 0,381 6,924 0,000 1,000 1,000 LTTH 0,296 0,052 0,233 4,231 0,000 1,000 1,000 NBTH 0,153 0,072 0,110 2,001 0,047 1,000 1,000 TTTH 0,354 0,047 0,462 8,403 0,000 1,000 1,000 STL 0,142 0,026 0,147 2,665 0,008 1,000 1,000
Nguồn: Kết quả phân tích dữ liệu của tác giả bằng phần mềm SPSS
Kết quả kiểm định độ phù hợp của mô hình cho thấy mô hình có giá trị kiểm định F = 29,512 có ý nghĩa thống kê (Sig = 0,000 < 0,05), nghĩa là giả thuyết H0: tập hợp các biến độc lập không có mối liên hệ với biến phụ thuộc bị bác bỏ. Vì