Sau khi kiểm tra độ tin cậy bằng hệ số Cronbach’s Alpha một biến của nhân tốnăng lực Marketing, phân tích nhân tố được tiến hành. Bước phân tích nhân tố khám phá EFA được thực hiện cho 22 biến và tất cả các biến còn lại đều được giữ lại với mong đợi sẽ tạo thành 5 nhân tố như ban đầu là năng lực Marketing, định hướng kinh doanh, năng lực tổ chức dịch vụ, năng lực sáng tạo và danh tiếng doanh nghiệp.
Phân tích nhân tố được sử dụng khi hệ số Kaiser-Mayer-Olkin (KMO) có giá trị từ 0.5 đến 1 (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008). Các hệ số chuyển tải nhân tố nhỏ hơn 0.45 sẽ tiếp tục bị loại khỏi nhóm biến để đảm bảo sự hội tụ giữa các biến trong một nhân tố; điểm dừng khi Eigenvalues lớn hơn 1 và tổng phương sai trích lớn
hơn 0.5 (Gerbing, Anderson, 1998). Trong nghiên cứu này, phương pháp phân
tích nhân tố chính (Principle component analysis) với phép xoay Varimax sẽ được sử dụng để phân tích nhân tố. Phép xoay Varimax cho phép xoay nguyên gốc các nhân tố để tối thiểu hóa sốlượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽtăng cường khả năng giải thích của các nhân tố. Sau khi xoay, ta sẽ loại bỏ các biến có hệ số tải nhân tố nhỏhơn 0.45. Chỉ những biến có hệ số tải lớn hơn 0.45 mới được sử dụng để giải thích một nhân tốnào đó.
52
Bảng 4.9: Bảng phân tích nhân tố khám phá EFA
Rotated Component MatrixP a Component 1 2 3 4 5 NLMAR6 .943 NLMAR7 .932 NLMAR5 .922 NLMAR4 .873 DHKD5 .921 DHKD4 .899 DHKD1 .784 DHKD3 .730 NLST1 .880 NLST4 .865 NLST2 .825 NLST3 .785 NLTCDV5 .884 NLTCDV4 .834 NLTCDV3 .759 NLTCDV2 .677 DTDN4 .769 DTDN3 .754 DTDN1 .726 DTDN2 .674 (Nguồn: khảo sát) 4.3.2.1. Phân tích nhân tố biến độc lập
Bảng kết quả phân tích (KMO and Bartlett’s test) cho thấy (xem phụ lục 5), hệ số KMO=0.770, Sig.= 0.000 nói lên giả thuyết về ma trận tương quan tổng thể là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa mãn điều kiện trong phân tích nhân tố Từ bảng kết quảphân tích phương sai tổng thể (Total Variance Explained), cho thấy có 5 nhân tố được trích tại điểm Eigenvalues là 1.418 và phương sai trích là 74,45%. Như vậy là các chỉ tiêu phân tích đều đạt yêu cầu và kết quả phân tích này là có ý nghĩa.
53
Trong 5 nhân tố trích được ta quan sát thấy từ bảng kết quả Rotated Component MatrixP
a P
:
(a) Nhóm nhân tố thứ 1: Bao gồm các biến NLMAR6, NLMAR7, NLMAR5 và NLMAR4
Không có biến quan sát nào có hệ số tải (factor loading) nhỏhơn 0.45 nên không bị loại khỏi mô hình nghiên cứu.
Tất cả các biến NLMAR6, NLMAR7, NLMAR5 và NLMAR4 (thuộc phần năng lực Marketing) cùng phản ánh năng lực marketing của doanh nghiệp với khách hàng trong việc sử dụng thông tin về quảng cáo, triển lãm và năng lực của nhân viên của doanh nghiệp nhằm tiếp cận và duy trì mối quan hệ tốt với khách hàng nâng cao hiệu quả cạnh tranh của doanh nghiệp. Qua nghiên cứu cho thấy khách hàng đều cho rằng việc doanh nghiệp phải có khả năng marketing tốt sẽ giúp doanh nghiệp có khả năng liệu trước và sử dụng nó để hiểu nhu cầu của khách hàng trước đối thủ cạnh tranh. Vậy nhóm nhân tố thứ 1 sẽ vẫn giữnguyên tên như trước được gọi là nhóm “Năng lực Marketing” (X1).
(b) Nhóm nhân tố thứ 2: Bao gồm các biến DHKD5, DHKD4, DHKD1 và DHKD3 Các biến quan sát này không có hệ số chuyển tải nào nhỏhơn 0.45 nên không bị loại khỏi mô hình. Tất cả các biến quan sát này đều nằm trong nhóm Định hướng kinh doanh, cùng phản ảnh được định hướng kinh doanh của doanh nghiệp. Qua nghiên cứu cho thấy khách hàng đều cho rằng việc doanh nghiệp phải định hướng trong kinh doanh ngay từ đầu, việc đa dạng hóa sản phẩm để mở rộng thịtrường và nhanh chóng thực hiện các kế hoạch đểđáp ứng yêu cầu của khách hàng.
Vậy tất cả các biến DHKD5, DHKD4, DHKD1 và DHKD3 sẽ được gọi là nhóm
“Định hướng kinh doanh” (X2).
(c) Nhóm nhân tố thứ 3: Bao gồm các biến NLST1, NLST4, NLST2 và NLST 3 Trong nhóm biến quan sát này các hệ số tải đều thỏa mãn yêu cầu (lớn hơn 0.45) nên sẽ được đưa vào mô hình nghiên cứu. Nhóm biến này vẫn giữ tên như mô hình nghiên cứu đề nghị là “Năng lực sáng tạo” của doanh nghiệp (X3).
(d) Nhóm nhân tố thứ 4: Bao gồm các biến NLTCDV5, NLTCDV4, NLTCDV3 và NLTCDV2
54
Từ kết quả phân tích cho thấy cả bốn biến quan sát này đều có hệ số chuyển tải khá cao từ0.677 đến 0.884. Các biến quan sát này đều từ nhân tố Năng lực tổ chức dịch vụban đầu nên nhóm biến này vẫn giữnguyên tên như mô hình nghiên cứu đề nghị là “ Năng lực tổ chức dịch vụ” (X4).
Khi khách hàng nhận được sự hỗ trợ nhiệt tình, thái độ phục vụ chuyên nghiệp sẽ có ảnh hưởng tích cực đến năng lực cạnh tranh của doanh nghiệp đó.
(e) Nhóm nhân tố thứ 5: Bao gồm các biến DTDN4, DTDN3, DTDN1 và DTDN2 Kết quả phân tích cho thấy tất cả biến quan sát này đều có hệ số chuyển tải từ 0.674 đến 0.769. Như vậy, theo đánh giá của khách hàng các biến này cùng phản danh tiếng của doanh nghiệp. Vậy nên tên của yếu tố này được giữ lại tên gốc là “Danh tiếng doanh nghiệp” (X5).
Kết quả phân tích từ bảng Rotated Component MatrixP a
Pcũng cho thấy, tất cả các biến biến quan sát có hệ số tải nhân tố lớn hơn 0.45, thỏa mãn điều kiện để đưa vào mô hình nghiên cứu. Như vậy, với 22 biến quan sát được đưa vào chạy phương trình hồi quy thì có 20 biến đạt điều kiện.
Kết quả cho ra 5 nhân tốnhư trên có hệ số KMO là 0.770 (Sig= 0.000), khảnăng giải thích của 5 nhân tố là 74.45% (xem phụ lục 5).
4.3.2.2. Phân tích nhân tố biến phụ thuộc
Thang đo này được thiết kế với bốn biến quan sát ký hiệu từNLCTD1 đến NLCTD4 để đo lường khảnăng cạnh tranh mà công ty đang có và sự đánh giá của khách hàng đối với doanh nghiệp. Thành phần này được phân tích theo phương pháp Principal Component với phép quay Varimax. Các biến quan sát có hệ số factor loading nhỏhơn 0.45 sẽ bị loại vì không đảm bảo đủ độ hội tụ với các biến còn lại trong thang đo. Kết quả phân tích thành phần này (xem phụ lục 5) có hệ số KMO là 0.656 và có một nhân tố được hình thành ở Eigenvalues là 2.511, tổng phương sai trích là 62.76%, trọng số các biến quan sát từ0.593 đến 0.929, như vậy thang đo năng lực cạnh tranh động đảm bảo phản ánh được năng lực cạnh tranh mà doanh nghiệp đang có.
55
Bảng 4.10: Bảng phân tích nhân tố khám phá EFA của năng lực cạnh tranh động
Component MatrixP a Component 1 NLCTD3 .929 NLCTD4 .911 NLCTD1 .682 NLCTD2 .593 (Nguồn: khảo sát)
4.4. Mô hình nghiên cứu điều chỉnh
Từ kết quả phân tích nhân tố cho thấy có 5 nhân tố ảnh hưởng đến năng lực cạnh
tranh động của doanh nghiệp đó là Năng lực Marketing, Định hướng kinh doanh,
Năng lực sáng tạo, Năng lực tổ chức dịch vụ và Danh tiếng doanh nghiệp. Như vậy, mô hình nghiên cứu ban đầu được giữ lại như cũ:
HR1RP + HR2RP + HR3RP + HR4RP + HR5RP +
Hình 4.6: Mô hình hồi quy tuyến tính
(Nguồn: khảo sát)
Các giả thuyết của mô hình:
H1: Năng lực Marketing được khách hàng đánh giá tốt thì năng lực cạnh tranh động
của doanh nghiệp càng cao.
H2: Định hướng kinh doanh được khách hàng đánh giá cao thì năng lực cạnh tranh
động của doanh nghiệp cũng sẽ cao.
H3: Năng lực sáng tạo của doanh nghiệp đem lại nhiều lợi ích cho khách hàng thì năng lực cạnh tranh động của doanh nghiệp càng cao.
Năng lực Marketing
Định hướng kinh doanh
Năng lực sáng tạo
Năng lực tổ chức dịch vụ Danh tiếng doanh nghiệp
Năng lực cạnh tranh động của doanh
56
H4: Năng lực tổ chức dịch vụ và năng lực cạnh tranh của doanh nghiệp có mối quan hệđồng biến với nhau.
H5: Danh tiếng doanh nghiệp được khách hàng đánh giá tốt thì năng lực cạnh tranh động của doanh nghiệp càng mạnh.
4.5. Hồi quy tuyến tính
4.5.1. Phân tích sựtương quan giữa các biến
Xem xét các mối quan hệtương quan tuyến tính giữa biến phụ thuộc và biến độc lập cho ta biết giữa chúng có mối quan hệ với nhau và việc phân tích hồi quy tuyến tính có phù hợp hay không trước khi tiến hành phân tích hồi quy. Từ bảng ma trận hệ sốtương quan giữa các nhân tố cho thấy năng lực cạnh tranh động có tương quan tương đối chặt với định hướng kinh doanh (hệ sốtương quan = 0.649) và Năng lực tổ chức dịch vụ (hệ số tương quan = 0.503). Các biến còn lại có hệ số tương quan khá cao (hệ số tương quan từ 0,324 đến 0.480) (xem phụ lục 6).
Tuy nhiên, ta cũng không phải quá bận tâm vì phân tích tuyến tính sẽ cho thấy các biến nào thích hợp với hồi quy và phần kiểm định đa cộng tuyến và hiện tượng tự cộng tuyến sẽ khẳng định biến nào phù hợp nhất với mô hình hồi quy.
4.5.2. Phân tích hồi quy
Dựa vào cơ sở lý thuyết và kết quả phân tích hệ sốtương quan Pearson ở trên, ta tiến hành xây dựng phương trình hồi quy tuyến tính để xác định cụ thể trọng số của từng yếu tố tác động đến năng lực cạnh tranh động của doanh nghiệp. Phân tích hồi quy được thực hiện bằng phương pháp loại trừ dần (Backward) với phần mềm SPSS 16.0 Kết quả hồi quy cho thấy (xem phụ lục 7), tất cả các nhân tố có sig. nhỏhơn 0.5 nên đều được giữ lại.
57
Bảng 4.11: Kết quả phân tích mô hình hồi quy tuyến tính đa biến Ký hiệu Tên biến Hệ số hồi quy Độ lệch chuẩn Hệ số hồi quy chuẩn hóa(β) Giá trị t Mức ý nghĩa của t Hệ số chấp nhận VIF B Std. Error
Beta T Sig. Tolerance VIF
Hằng số hồi quy 0.289 0.185 1.563 0.119
X1 Năng lực Marketing 0.068 0.032 0.089 2.136 0.034 0.885 1.130 X2 Định hướng kinh doanh 0.369 0.038 0.443 9.810 0.000 0.758 1.319 X3 Năng lực sáng tạo 0.219 0.036 0.259 6.079 0.000 0.850 1.177 X4 Năng lực tổ chức dịch vụ 0.111 0.040 0.131 2.764 0.006 0.687 1.455 X5 Danh tiếng doanh nghiệp 0.184 0.042 0.198 4.443 0.000 0.776 1.288
(Nguồn: khảo sát)
Với độ lớn của mẫu gồm 265 quan sát, nên mức ý nghĩa α được chọn là 0.05. Kết quả phân tích cho thấy:
(a) Hệ số Sig. (bảng ANOVA) = 0.000 ta thấy các biến đưa vào đều có ý nghĩa thống kê với mức ý nghĩa 5%. Như vậy các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc Y.
(b) Các biến độc lập trong mô hình hoàn toàn phù hợp vì hệ số Sig.< 0.05 (bảng Coefficients).
(c) Hệ số RP 2
P
hiệu chỉnh trong mô hình này là 0,592. Điều này nói lên độ thích hợp của mô hình là 59.2% hay nói một cách khác là mô hình hồi quy giải thích được 59.2%, còn lại sẽđược giải thích bởi các nhân tố khác bên ngoài mô hình.
(d) Hệ số VIF của các biến độc lập trong mô hình đều nhỏ hơn 2 do đó hiện tượng đa cộng tuyến giữa các biến độc lập không xảy ra trong mô hình hồi qui.
(e) Trị số thống kê Durbin-Watson có giá trị tiến 1<1.089<3 cho thấy mô hình phù hợp với dữ liệu thu thập (phụ lục 7, bảng Model Summary).
(f) Phân tích ANOVA cho thấy Sig.=0.000 chứng tỏ mô hình hồi quy xây dựng là phù hợp với dữ liệu thu thập được (phụ lục 7, bảng ANOVA).
Mô hình hồi quy tuyến tính được viết như sau:
58 Hay được viết lại là:
Năng lực cạnh tranh động= 0.089 x Năng lực Marketing + 0.443 x Định hướng kinh doanh + 0.259 x Năng lực sáng tạo + 0.131 x Năng lực tổ chức dịch vụ + 0.198 x Danh tiếng doanh nghiệp + 0.289.
Theo phương trình hồi quy, các hệ số hồi quy có dấu đúng với dấu kỳ vọng, nghĩa là các biến độc lập có quan hệ cùng chiều với biến phụ thuộc. Trong đó, định hướng kinh doanh và Năng lực sáng tạo có tác động đến năng lực cạnh tranh động của doanh nghiệp mạnh nhất. Nói một cách khác nếu định hướng kinh doanh, năng lực sáng tạo tăng lên một bậc trong điều kiện các yếu tốkhông đổi thì năng lực cạnh tranh động của doanh nghiệp tăng lên trung bình 0.443, 0.259 bậc. Tương tự, năng lực marketing, năng lực tổ chức dịch vụ và danh tiếng doanh nghiệp được đánh giá tốt hơn một bậc sẽ làm gia tăng năng lực cạnh tranh lên trung bình 0.089, 0.131và 0.198.
4.5.3. Đánh giá và kiểm định giảđịnh độ phù hợp của mô hình
Đểđánh giá độ phù hợp của mô hình, hệ số xác định RP 2
P(R square) được dùng
đểđánh giá độ phù hợp của mô hình nghiên cứu. Hệ số RP 2
Pđã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, tuy nhiên điều này cũng được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu. Như vậy, RP
2 P
có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu có hơn 1 biến được giải thích trong mô hình. Mô hình thường không phù hợp với dữ liệu thực tếnhư giá trị RP
2 P
thể hiện. Trong mô hình này RP
2 P
là 0.600 bảng 4.12. Hệ số RP 2
P điều chỉnh (Adjusted T- square) bằng 0.592 có nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 50%, như vậy mô hình nghiên cứu là phù hợp. Kết quảcũng cho thấy rằng RP 2 P điều chỉnh nhỏ hơn RP 2 P , dùng nó để đánh giá mức độ phù hợp của mô hình
nghiên cứu sẽan toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Bảng 4.12: Kết quả phân tích hồi quy bội
Mô hình R RP 2 P RP 2 Pđiều chỉnh Sai số chuẩn của ước lượng Thống kê thay đổi Hệ số Durbin- Watson R2 thay đổi F thay đổi df1 df2 Sig. F thay đổi 1 .774 P a .600 .592 .32296 .600 77.576 5 259 .000 1.089 (Nguồn: khảo sát)
59
Kiểm định F sử dụng để 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 SGK và toàn bộ tập hợp các biến độc lập
Giả thuyết:
HRoR: βR1R=βR2R=βR3R=βR4R= 0 (Tất cả các hệ số hồi quy đều bằng 0, ngoại trừ hằng số). HR1R: Có ít nhất 1 biến độc lập có liên hệ tuyến tính với biến phụ thuộc.
Dựa vào kết quả phân tích Anova (bảng 4.13 kết quả phân tích Anova), trị thống kê F = 77.576 và giá trị Sig. rất nhỏ cho thấy sẽ an toàn khi bác bỏ giả thuyết HRoR. Bác bỏ HRoRcó nghĩa là kết hợp của các biến hiện có trong mô hình có thể giải thích được sự thay đổi của biến phụ thuộc năng lực cạnh tranh động với với các biến độc lập, tức mô hình xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.13: Kết quả phân tích phương sai
Mô hình Tổng bình phương Df Bình phương trung bình F Sig. 1
Hồi quy (Regression) 40.458 5 8.092 77.576 .000
P a Sốdư (Residual) 27.015 259 .104 Tổng (Total) 67.473 264 a. Biến độc lập: (Constant), X1, X2, X3, X4, X5. b. Biến phụ thuộc: Y (Nguồn: khảo sát)
4.5.4.Dò tìm các vi phạm giảđịnh cần thiết trong hồi quy tuyến tính
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được, mà từ các dữ liệu quan sát này chúng ta phải suy rộng cho mối quan hệ giữa các biến trong tổng thể, nghĩa là chúng ta phải suy rộng cho tất cả các khách hàng của Saigon Trapaco tại Việt Nam chứ không phải chỉ giới hạn ở 265 người được khảo sát. Để việc diễn dịch kết quả hồi quy này được chấp nhận thì nghiên cứu không được vi phạm các giảđịnh cần thiết sau:
4.5.4.1. Giảđịnh liên hệ tuyến tính
Theo Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), người ta hay vẽ biểu đồ phân