Sau khi loại biến TDPV5, chỉ còn 26 biến quan sát đủ điều kiện đưa vào phân tích nhân tố khám phá EFA.
Phân tích nhân tố lần 1
Kết quả phân tích lần 1 ta có hệ số KMO = 0,869 cho thấy phần chung giữa các biến là lớn, đạt yêu cầu. Kiểm định Bartlett có sig = 0,000 < 0,05, cho thấy các biến có quan hệ với nhau.
52
Tại dòng thứ 7, ta có tiêu chí Eigenvalues = 1,024 > 1 với phương sai trích là 64,522%. Xác định có 7 nhóm nhân tố được trích, số lượng nhân tố trích được không phù hợp.
Kết quả xoay nhân tố lần 1 (Rotated Component Matrixa) cho ta thấy biến HH5 có trọng số nhân tố (factor loading) < 0,5. Ta loại biến này và tiếp tục phân tích nhân tố lần thứ 2 với 25 biến còn lại(nguồn: từ tính toán của tác giả, phụ lục 5, trang xvii).
Phân tích nhân tố lần 2
Kết quả phân tích lần 2 ta có hệ số KMO = 0,856 cho thấy phần chung giữa các biến là lớn, đạt yêu cầu. Kiểm định Bartlett có sig = 0,000 < 0,05, cho thấy các biến có quan hệ với nhau.
Tại dòng thứ 7, ta có tiêu chí Eigenvalues = 1,009 > 1 với phương sai trích là 64,859%. Xác định có 7 nhóm nhân tố được trích, số lượng nhân tố trích được cũng không phù hợp.
Kết quả xoay nhân tố lần 2 (Rotated Component Matrixa) cho ta thấy biến TL3 có trọng số nhân tố cùng giải thích cho 2 nhóm nhân tố nhưng hiệu của chúng nhỏ hơn
0,3. Ta loại biến này và tiếp tục phân tích nhân tố lần thứ 3 với 24 biến còn lại
(nguồn: từ tính toán của tác giả, phụ lục 5, trang xix).
Phân tích nhân tố lần 3
Kết quả phân tích lần 3 ta có hệ số KMO = 0,853 cho thấy phần chung giữa các biến là lớn, đạt yêu cầu. Kiểm định Bartlett có sig = 0,000 < 0,05, cho thấy các biến có quan hệ với nhau.
Tại dòng thứ 6, ta có tiêu chí Eigenvalues = 1,010 > 1, xác định có 6 nhóm nhân tố được trích, số lượng nhân tố trích đạt yêu cầu với phương sai trích là 61,447%.
Bảng 4.8. Kết quả xoay nhân tố lần 3 (Rotated Component Matrixa) Biến quan sát Nhân tố 1 2 3 4 5 6 HH 1 0,625 HH 2 0,745 HH 3 0,665 HH 4 0,628 HH 6 0,688
53 HH 7 0,567 GC1 0,512 GC2 0,765 GC3 0,660 TC1 0,670 TC2 0,562 TC3 0,738 TC4 0,647 TDPV1 0,762 TDPV2 0,789 TDPV3 0,769 TDPV4 0,707 TL1 0,645 TL2 0,759 TL4 0,678 TL5 0,703 CSVC1 0,671 CSVC2 0,807 CSVC3 0,715
(Nguồn: từ tính toán của tác giả, phụ lục 5, trang xxi)
Phân tích nhân tố với biến “Sự hài lòng của khách hàng”
Kết quả phân tích ta có hệ số KMO = 0,739 cho thấy phần chung giữa các biến là lớn, đạt yêu cầu. Kiểm định Bartlett có sig = 0,000 < 0,05, cho thấy các biến có quan hệ với nhau.
Bảng 4.9. Hệ số tải nhân tố của biến phụ thuộc Biến quan sát Nhân tố 1 HL1 0,898 HL2 0,903 HL3 0,881
54
Bảng 4.9 cho ta thấy trọng số nhân tố của thang đo “Sự hài lòng của khách hàng” đều > 0,5 nên không biến nào bị loại. Ba biến quan sát của thang đo hội tụ thành 01 nhân tố duy nhất. Tiêu chí Eigenvalues = 2,398 > 1, với phương sai trích là 79,921%.
4.3.3. Kiểm định lại độ tin cậy của thang đo sau phân tích nhân tố lần thứ 3
Sau khi phân tích nhân tố lần 3, trong 6 thang đo thì có 2 thang đo thay đổi số lượng biến quan sát, ta kiểm định lại độ tin cậy bằng hệ số Cronbach alpha.
Bảng 4.10. Kiểm tra lại độ tin cậy của thang đo Cronbach's Alpha của thang đo = 0,787
Biến quan sát
Trung bình của thang đo nếu loại
biến
Phương sai của thang đo nếu loại
biến Hệ số tương quan biến tổng Hệ số alpha nếu loại biến HH 1 18,52 8,589 0,543 0,770 HH 2 18,61 7,357 0,593 0,743 HH 3 18,99 6,668 0,582 0,745 HH 4 18,85 7,176 0,582 0,744 HH 6 18,77 7,302 0,647 0,732 HH 7 19,35 6,766 0,443 0,796 (adsbygoogle = window.adsbygoogle || []).push({});
Cronbach's Alpha của thang đo = 0,741
Biến quan sát
Trung bình của thang đo nếu loại
biến
Phương sai của thang đo nếu loại
biến Hệ số tương quan biến tổng Hệ số alpha nếu loại biến TL1 12,32 3,313 0,392 0,770 TL2 12,41 3,239 0,553 0,672 TL4 12,44 3,174 0,577 0,659 TL5 12,56 3,007 0,640 0,621
(Nguồn: từ tính toán của tác giả, phụ lục 5, trang xxiii)
Bảng 4.10 cho ta thấy kết quả độ tin cậy của các biến đều đạt yêu cầu, đủ điều kiện để đưa vào phân tích tương quan và phân tích hồi quy.
55 Bảng 4.11. Ma trận hệ số tương quan Correlations HH GC TC TDPV TL CSVC HL HH Pearson Correlation 1 0,525** 0,599** 0,247** 0,382** 0,341** 0,475** Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000 N 314 314 314 314 314 314 314 GC Pearson Correlation 0,525** 1 0,509** 0,196** 0,450** 0,502** 0,481** Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000 N 314 314 314 314 314 314 314 TC Pearson Correlation 0,599** 0,509** 1 0,209** 0,429** 0,284** 0,490** Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000 N 314 314 314 314 314 314 314 TDPV Pearson Correlation 0,247** 0,196** 0,209** 1 0,161** 0,211** 0,292** Sig. (2-tailed) 0,000 0,000 0,000 0,004 0,000 0,000 N 314 314 314 314 314 314 314 TL Pearson Correlation 0,382** 0,450** 0,429** 0,161** 1 0,360** 0,471** Sig. (2-tailed) 0,000 0,000 0,000 0,004 0,000 0,000 N 314 314 314 314 314 314 314 CSVC Pearson Correlation 0,341** 0,502** 0,284** 0,211** 0,360** 1 0,396** Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000 N 314 314 314 314 314 314 314 HL Pearson Correlation 0,475** 0,481** 0,490** 0,292** 0,471** 0,396** 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000 N 314 314 314 314 314 314 314
(Nguồn: từ tính toán của tác giả, phụ lục 6, trang xxvi)
Trước khi phân tích tương quan, ta phải tính giá trị MEAN của các nhân tố sau: COMPUTE HH = MEAN (HH 1, HH 2, HH 3, HH 4, HH 6, HH 7). COMPUTE GC = MEAN (GC1, GC2, GC3). COMPUTE TC = MEAN (TC1, TC2, TC3, TC4). COMPUTE TDPV = MEAN (TDPV1, TDPV2, TDPV3, TDPV4). COMPUTE TL = MEAN (TL1, TL2, TL4, TL5). COMPUTE CSVC = MEAN (CSVC1, CSVC2, CSVC3). COMPUTE HL = MEAN (HL1, HL2, HL3). Bảng 4.11 cho ta thấy:
- Chỉ số N bằng với tổng số mẫu đưa vào phân tích.
- Các giá trị ở Pearson Correlation có hệ số tương quan thuận chiều trong dãy [0,161;0,599]. Như vậy, các nhân tố đưa vào phân tích có tương quan với nhau.
56
- Các tương quan này có ý nghĩa thống kê vì sig < 0,01.
4.3.5. Phân tích hồi quy tuyến tính bội
Sử dụng phương pháp bình phương bé nhất với phương pháp Enter, kết hợp kiểm định đa cộng tuyến và Durbin – Watson để kiểm định phần dư, ta có kết quả sau:
4.3.5.1. Phương trình hồi quy tuyến tính:
Bảng 4.12. Trọng số hồi quy -Coefficientsa
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Thống kê đa cộng tuyến B Std.
Error Beta Tolerance VIF
1 Hằng số 1,053 0,242 4,345 0,000 HH 0,129 0,054 0,140 2,393 0,017 0,560 1,785 GC 0,101 0,047 0,127 2,131 0,034 0,544 1,837 TC 0,165 0,052 0,185 3,168 0,002 0,563 1,776 TDPV 0,104 0,036 0,132 2,887 0,004 0,917 1,091 TL 0,183 0,044 0,214 4,130 0,000 0,718 1,392 CSVC 0,133 0,055 0,126 2,428 0,016 0,711 1,406
(Nguồn: từ tính toán của tác giả, phụ lục 7, trang xxviii)
Bảng 4.12 cho ta thấy các giá trị sig của các biến độc lập đều < 0,05 nên các trọng số hồi quy có ý nghĩa thống kê. Dung sai các biến (độ chấp nhận) cao từ 0,544 trở lên và hệ số phóng đại phương sai VIF của các biến độc lập đều < 2 nên không có hiện tượng đa cộng tuyến xảy ra giữa các biến độc lập trong mô hình.
Kết quả trị số thống kê F đạt giá trị 35,256 được tính từ giá trị R2 là 0,408 và R2 hiệu chỉnh là 0,396 của mô hình đầy đủ, tại mức ý nghĩa Sig = 0,000. Kiểm tra hiện tượng tương quan bằng hệ số Durbin–Watson (1< 1,572 < 3) cho thấy kết quả phù hợp mô hình nghiên cứu.
Phương trình hồi quy có dạng như sau:
HL = 1,053 + 0,129 * HH + 0,101 * GC + 0,165 * TC + 0,104 * TDPV + 0,183 * TL + 0,133 * CSVC
Từ phương trình có thể thấy được cả 6 yếu tố đều tác động đến sự hài lòng sự hài lòng của khách hàng. Ý nghĩa của phương trình tuyến tính này là: yếu tố “Tiện lợi” có tác động mạnh nhất đến sự hài lòng của khách hàng, khi hài lòng về “Tiện lợi” tăng
57
thêm 1 đơn vị thì sự hài lòng của khách hàng sẽ tăng lên 0,183 đơn vị với điều kiện các biến còn lại không đổi. Tương tự cho các yếu tố “Hàng hóa”, “Giá cả”, “Tin cậy”, “Thái độ phục vụ”, “Cơ sở vật chất”. (adsbygoogle = window.adsbygoogle || []).push({});
Về mức độ tác động của các biến độc lập vào biến phụ thuộc, hệ số chuẩn hóa βTL = 0,214 có tác động thuận chiều mạnh nhất, tiếp đến là βTC = 0,185; βHH = 0,140; βTDPV = 0,132; βGC = 0,127 và cuối cùng là βCSVC = 0,126.
4.3.5.2. Đánh giá và kiểm định độ phù hợp của mô hình
Hệ số R2 được dùng để đánh giá mức độ phù hợp. Hệ số R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, nhưng cũng được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu. Hệ số R2 hiệu chỉnh dùng để thay thế cho R2 khi so sánh các mô hình với nhau.
Bảng 4.13. Kết quả phân tích hồi quy
Mô hình R R2 R2 hiệu 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 0,639a 0,408 0,396 0,37843 0,408 35,256 6 307 0,000 1,572
(Nguồn: từ tính toán của tác giả, phụ lục 7, trang xxviii)
Bảng 4.13 cho kết quả: R2 và R2 hiệu chỉnh đều có giá trị ≠ 0. R2 hiệu chỉnh < R2, điều này thể hiện rằng các biến độc lập trong phương trình hồi quy giải thích được 39,6% biến thiên của biến phụ thuộc. Vì vậy, dùng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mô hình nghiên cứu sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Kiểm định F sử dụng để kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, nghĩa là kiểm định về mối quan hệ tuyến tính giữa biến phụ thuộc HL và toàn bộ tập hợp các biến độc lập.
Giả thuyết:
Ho: 1=2=3=4= 0 (Tất cả các hệ số hồi quy đều bằng 0, ngoại trừ hằng số). H1: Có ít nhất 1 biến độc lập có liên hệ tuyến tính với biến phụ thuộc.
58
Dựa vào kết quả bảng 4.14, trị thống kê F = 35,256 và giá trị sig = 0,000 cho thấy sẽ an toàn khi bác bỏ giả thuyết Ho. Bác bỏ Ho có nghĩa là kết hợp của các biến hiện có trong mô hình có thể giải thích được sự thay đổi của biến phụ thuộc HL. Như vậy, mô hình xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.14. Kết quả phân tích phương sai – ANOVA
Mô hình Tổng bình phương df Bình phương trung bình F Sig. 1 Hồi quy 30,293 6 5,049 35,256 0,000b Số dư 43,965 307 0,143 Tổng cộng 74,258 313
(Nguồn: từ tính toán của tác giả, phụ lục 7, trang xxviii)
4.3.5.3. Kiểm định giả định hồi quy
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 ta phải suy rộng cho mối quan hệ giữa các biến trong tổng thể, nghĩa là phải suy rộng cho tổng thể các khách hàng mua sắm hàng hóa ở chợ Bến Thành, chứ không phải chỉ giới hạn ở số lượng người đã được khảo sát. Để việc diễn dịch kết quả hồi quy này được chấp nhận thì nghiên cứu không được vi phạm các giả định cần thiết sau:
Giả định liên hệ tuyến tính
Kiểm định giả định này bằng cách vẽ biểu đồ phân tán giữa các phần dư và giá trị dự đoán của mô hình hồi quy tuyến tính cho ra, hai biến này đã được chuẩn hóa với phần dư trên trục tung và giá trị dự đoán trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kết quả cho thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0, không tạo thành một hình dạng nào. Như vậy, giá trị dự đoán và phần dư độc lập với nhau, giả định tuyến tính được thỏa mãn (nguồn: từ tính toán của tác giả, phụ lục 7, trang xxx).
Giả định của phương sai của sai số không đổi
Sử dụng kiểm định tương quan hạng Spearman để kiểm tra giữa từng biến độc lập có ý nghĩa thống kê với giá trị tuyệt đối của số dư được chuẩn hóa, nghĩa là kiểm định
59
tương quan hạng Spearman cho biến giá trị tuyệt đối của phần dư và các biến độc lập. Tiêu chuẩn đánh giá: các hệ số tương quan hạng Spearman có ý nghĩa Sig. > 0,05 thì kết luận phương sai của phần dư không thay đổi.
Vì cỡ mẫu trong nghiên cứu này không lớn nên chúng ta sử dụng loại kiểm định khá đơn giản là kiểm định tương quan hạng Spearman.Giả thuyết đặt ra cho kiểm định là: Phương sai của sai số thay đổi, nếu giả thuyết này đúng thì hệ số tương quan hạng tổng thể giữa phần dư và các biến độc lập sẽ khác 0.
Kết quả kiểm định cho thấy giá trị sig. của kiểm định đều lớn hơn mức ý nghĩa 0,05 nên không thể bác bỏ giả thuyết hệ số tương quan hạng của tổng thể bằng 0. Như vậy, phương sai của sai số là không đổi (nguồn: từ tính toán của tác giả, phụ lục 6, trang xxvii).
Giả định phân phối chuẩn của phần dư
Một cách đơn giản nhất để khảo sát tính phân phối chuẩn của phần dư là xây dựng biểu đồ tần số của các phần dư. Có thể dùng biểu đồ tần số Histogram hoặc biểu đồ tần số Q-Q plot để khảo sát phân phối chuẩn của phần dư.
Đồ thị tần số Histogram cho thấy phân phối của phần dư là xấp xỉ chuẩn (trung bình Mean = 2,98 * 10-15 và độ lệch chuẩn = 0,990 ~ 1). Đồ thị Q – Q plot cho thấy các chấm phân tán sát với đường chéo, có thể kết luận giả thuyết phân phối chuẩn của phần dư không bị vi phạm (nguồn: từ tính toán của tác giả, phụ lục 7, trang xxix - xxx). (adsbygoogle = window.adsbygoogle || []).push({});
Giả định về tính độc lập của sai số
Đại lượng thống kê Durbin-Watson (d) dùng để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất). Khi thực hiện kiểm định Durbin-Watson, nếu kết quả giá trị d nằm trong khoảng: 1 < d < 3 thì mô hình không có tự tương quan (Hoàng Trọng & ctg, 2008).
Giả thuyết kiểm định là: Ho: hệ số tương quan tổng thể của các phần dư = 0.
Bảng 4.13 cho kết quả hệ số Durbin-Watson có giá trị nằm trong khoảng 1 < 1,572
< 2, cho thấy chưa đủ cơ sở bác bỏ giả thuyết H0. Như vậy, chấp nhận giả thuyết Ho, các phần dư không có mối tương quan với nhau.
60
4.3.6. Kiểm định giả thuyết của mô hình
Giả thuyết về yếu tố “Hàng hóa”
H1: Đa dạng chủng loại, chất lượng của hàng hóa có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng (+).
Kết quả kiểm định sig = 0,017 < 0,05 có ý nghĩa thống kê, cho thấy yếu tố “Hàng hóa” có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng. Hệ số βHH = 0,140 có mức độ ảnh hưởng xếp thứ 3 đến sự hài lòng của khách hàng.
Giả thuyết về yếu tố “Giá cả”
H2: Giá cả hợp lý có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng (+). Kết quả kiểm định sig = 0,034 < 0,05 có ý nghĩa thống kê, cho thấy yếu tố “Giá cả” có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng. Hệ số βGC = 0,127 có mức độ ảnh hưởng xếp thứ 5 đến sự hài lòng của khách hàng.
Giả thuyết về yếu tố “Tin cậy”
H3: Niềm tin của khách hàng về uy tín và chính sách bán hàng của người bán có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng (+).
Kết quả kiểm định sig = 0,002 < 0,05 có ý nghĩa thống kê, cho thấy yếu tố “Tin cậy” có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng. Hệ số βTC = 0,185 có mức độ ảnh hưởng xếp thứ 2 đến sự hài lòng của khách hàng.
Giả thuyết về yếu tố “Thái độ phục vụ”
H4: Thái độ phục vụ niềm nở, lịch sự, sẵn sàng tư vấn cho khách hàng về sản