5. Kết cấu đề tài
2.4.3 Phân tích nhân tố khám phá (Exploratory Factor Analysis – EF A)
2.4.3.1 Phân tích nhân tố các khía cạnh ảnh hưởng đến trải nghiệm mua sắm
Trong đề tài nghiên cứu này, phân tích nhân tố sẽ giúp ta xem xét khả năng rút gọn số lượng 20 biến quan sát xuống còn một số ít các nhân tố (biến) dùng để đo lường sự hài lòng của khách hàng về trải nghiệm mua sắm tại siêu thị Co.opmart Huế. 20 biến còn lại đều thoả mãn điều kiện để đưa vào phân tích nhân tố. Phân tích nhân tố giúp ta kiểm định lại một lần nữa các chỉ số đánh giá biến trong từng nhân tố có thực sự đáng tin cậy và có độ kết dính như đã thể hiện ở phần xác định hệ số Cronbach±s Alpha hay không.
a, Kiểm định KMO và Bartlett
Trước khi tiến hành phân tích nhân tố cần kiểm tra việc dùng phương pháp này có phù hợp hay không. Việc kiểm tra được thực hiện bởi việc tính hệ số KMO (Kaiser- Meyer-Olkin of Sampling Adequacy) và Bartlett±s Test
Bảng 11: Kiểm định KMO và Bartlett’s Test
Yếu tố đánh giá Giá trị kiểm định
Hệ số KMO 0,709
Giá trị Sig. trong kiểm định Bartlett’s 0,000
Tổng phương sai trích 67,390
Giá trị Eigenvalues 1,460
(Nguồn: Kết quả xử lý SPSS, 2019)
Bartlett±s Test dùng để kiểm định giả thuyết H0 là các biến không có tương quan với nhau trong tổng thể, tức ma trận tương quan tổng thể là một ma trận đơn vị, hệ số KMO dùng để kiểm tra xem kích thước mẫu có phù hợp với phân tích nhân tố hay không (Hoàng Trọng & Chu Nguyễn Mộng Ngọc ( 2008 )) thì giá trị Sig. của Bartlett±s Test nhỏ hơn 0,05 cho phép bác bỏ giả thuyết H0 và giá trị 0,5<KMO<1 có nghĩa phân tích nhân tố là thích hợp.
Kết quả kiểm định Kaiser – Meyer – Olkin cho giá trị là 0,709lớn hơn 0,5. Kết quả này chứng tỏ rằng mẫu đủ lớn và đủ điều kiện thực hiện phân tích nhân tố. Bên cạnh đó, kiểm định Barlett cho kết quả p – value (sig.) là 0,000 bé hơn 0,05. Cho thấy các biến có tương quan với nhau nên mô hình là phù hợp để đưa vào phân tích nhân tố khám phá. Có 6 nhân tố được trích ra đều có giá trị
Eigenvalue lớn hơn 1 với giá trị1,460>1.
Tổng phương sai trích của 6 nhân tố bằng 67,390% > 50% điều này cho thấy, khả năng sử dụng 6 nhân tố thành phần này giải thích được 67,39% biến thiên của các biến quan sát. Dựa vào ma trận xoay nhân tố khi chạy EFA có 20 biến quan sát được trích thành 6 nhân tố.
Như này, sau khi tiến hành kiểm định độ tin cậy Cronbach±s Alpha và phân tích nhân tố EFA thì 20 biến quan sát và 6 nhân tố, các nhân tố bao gồm: Dịch vụ (DV), Thuận lợi (TL), Giá cả ( GC), Sẵn có (SC), Đòi hỏi (DH), Chất lượng (CL). Nhân tố “Dịch vụ” được đo lường bởi các biến “ DV1, DV2, DV3, DV4”, nhân tố “Thuận lợi”được đo lường bởi các biến “ TL1, TL2, TL3, TL4”, nhân tố “ Giá cả” được đo lường bởi các biến “GC1, GC2, GC3”, nhân tố “ Sẵn có” được đo lường bởi các biến “ SC1, SC2, SC3”, nhân tố “ Chất lượng” được đo lường bởi các biến “ CL1, CL2, CL3”, nhân tố “ Đòi hỏi” được đo lường bởi các biến “ DH1, DH2, DH3”.
b, Phương pháp xoay nhân tố Varimax
Phương pháp phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal Component Analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ trong mô hình phân tích. Phương pháp được chọn ở đây là phương pháp xoay nhân tố Varimax, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏ hơn 0,5 ra khỏi mô hình. Chỉ những quan sát có hệ số tải nhân tố lớn hơn 0,5 mới được sử dụng để giải thích một nhân tố nào đó. Đối chiếu với các tiêu chuẩn đặt ra, các biến không đạt yêu cầu bị loại bỏ.
Sau khi xoay nhân các nhân tố, ta thấy sự tập trung của các quan sát theo từng nhân tố đã khá rõ. Bảng kết quả phân tích cho thấy có 3 nhân tố được tạo ra có giá trị Eigenvalues lớn hơn 1 với giá trị total 1,460. Và 6 nhân tố này giải thích được 67,390% biến thiên của dữ liệu. Đây là một tỷ lệ tương đối cao trong phân tích nhân tố.
Bảng 12: Ma trận xoay các nhân tố EFA
(Nguồn: Kết quả xử lý số liệu SPSS, 2019)
Các nhân tố được trình bày như sau:
Nhân tố 1bao gồm các biến quan sát:“Đáp ứng yêu cầu của khách hàng”, “Cung cấp nhiều sự lựa chọn cho khách hàng”, “Sản phẩm luôn có sẵn trên kệ” nhóm nhân tố này liên quan đến những yêu cầu đòi hỏi của khách hàng nên được đặt tên là “Đòi hỏi” (DH)
Nhân tố 2bao gồm các biến quan sát: “Dịch vụ sau khi bán tốt”, “Dịch vụ chăm sóc khách hàng tốt”, “Sử dụng công nghệ trong kinh doanh”, “Giải quyết
1 2 3 4 5 6
DH1_Đáp ứng yêu cầu của khách hàng 0,871
DH2_Cung cấp nhiều sự lựa chọn cho khách hàng 0,865
DH3_Sản phẩm luôn có sẵn trên kệ 0,805
DV2_Dịch vụ sau khi bán tốt 0,805
DV1_Dịch vụ chăm sóc khách hàng tốt 0,736
DV3_Sử dụng công nghệ trong kinh doanh 0,702
DV4_giải quyết khiếu nại nhanh chóng 0,678
TL2_Bãi để xe rông rãi, thoáng mát 0,814
TL3_Thông tin khuyến mãi được cập nhật thường xuyên 0,739
TL1_Vị trí siêu thị thuận lợi 0,714
TL4_Bố trí hàng hóa tạo sự thuận lợi trong mua sắm 0,600
GC1_giá có tính cạnh tranh cao 0,863
GC2_giá phù hợp với chất lượng sản phẩm 0,846
GC3_Thường xuyên có các chương trình khuyến mãi, giảm giá 0,685
SC1_Cơ sở vật chất trong siêu thị hiện đại 0,815
SC3_Sẵn có khu vui chơi cho bé 0,811
SC2_giá trị tăng thêm cho khách hàng 0,798
CL1_Sản phẩm có chất lượng tốt 0,833
CL2_Cơ sở hạ tầng đảm bảo chất lượng 0,824
CL3_Đội ngũ nhân viên có nghiệp vụ cao 0,739
Phương sai trích % 22,950 33,819 43,458 52,224 60,091 67,390
Ma trận xoay Biến quan sát
khiếu nại nhanh chóng”, nhóm nhân tố này liên quan đến những dịch vụ khách hàng tại siêu thị nên được đặt tên là“Dịch vụ” (DV)
Nhân tố 3 bao gồm các biến quan sát: “Bãi để xe rông rãi, thoáng mát”, “Thông tin khuyến mãi được cập nhật thường xuyên”, “Vị trí siêu thị thuận lợi”, “Bố trí hàng hóa tạo sự thuận lợi trong mua sắm”, nhóm nhân tố này liên quan đến những yếu tố tạo sự thuận lợi trong mua sắm của khách hàng nên được đặt tên là “Thuận lợi” (TL)
Nhân tố 4 bao gồm các biến quan sát: “Giá có tính cạnh tranh cao”, “Giá phù hợp với chất lượng sản phẩm”, “Thường xuyên có các chương trình khuyến mãi, giảm giá”, nhóm nhân tố này phản ánh đánh giá của khách hàng về mức giá các loại hàng hóa trong siêu thị nên được đặt tên là“Chính sách giá” (GC).
Nhân tố 5 bao gồm các biến quan sát: “Cơ sở vật chất trong siêu thị hiện đại”, “Sẵn có khu vui chơi cho bé”, “Giá trị tăng thêm cho khách hàng”, nhóm nhân tố này liên quan đến sự sẵn có tại siêu thị nên được đặt tên là “Sẵn có” (SC).
Nhân tố 6 bao gồm các biến quan sát:“Sản phẩm có chất lượng tốt”, “Cơ sở hạ tầng đảm bảo chất lượng”, “Đội ngũ nhân viên có nghiệp vụ cao”, nhóm nhân tố này liên quan đến những đánh giá về chất lượng siêu thị nên được đặt tên là“ Chất lượng” ( CL)
C, Kiểm định độ tin cậy thang đo các nhân tố sau khi phân tích EFA
Các biến quan sát trong cùng một nhân tố đôi khi đo lường các yếu tố trùng lắp với nhau. Vì vậy mà để biết chắc là không có các biến quan sát đưa ra có giá trị trong việc phân tích dữ liệu chúng ta phải tiến hành kiểm định độ tin cậy của thang đo. Độ tin cậy của thang đo được đánh giá thông qua hệ số Cronbach±s Alpha. Ở đây, nghiên cứu chấp nhận giá trị Cronbach±s Alpha từ 0,6 trở lên. Và trong mỗi nhóm nhân tố, thì các biến có tương quan với biến tổng lớn hơn 0,3 mới được giữ lại.
Bảng 13 : Kiểm định Cronbachàs Alpha các nhân tố sau khi chạy EFA Các nhóm Cronbach’sAlpha Số biến Số biến loại Cronbach’s Alpha Số biến Nhóm 1: Đòi hỏi 0,856 3 0 0,856 3 Nhóm 2: Dịch vụ 0,732 4 0 0,732 4 Nhóm 3: Thuận lợi 0,734 4 0 0,734 4 Nhóm 4: Chính sách giá 0,795 3 0 0,795 3 Nhóm 5: Sẵn có 0,778 3 0 0,778 3 Nhóm 6: Chất lượng 0,755 3 0 0,755 3 (Nguồn: Kết quả xử lý SPSS, 2019)
2.4.3.2 Phân tích nhân tố EFA đối với các biến đo lường mức độ hài lòngchung về trải nghiệm mua sắm tại siêu thị Co.opmart Huế chung về trải nghiệm mua sắm tại siêu thị Co.opmart Huế
Để đảm bảo độ tin cậy và độ kết dính của các các biến đo lường mức độ hài lòng về trải nghiệm mua sắm tại siêu thị, thực hiện tiến hành phân tích nhân tố đối với các biến đo lường về sự hài lòng đối với trải nghiệm mua sắm tại siêu thị. Kết quả thu được như sau:
+ Hệ số KMO =0,675lớn hơn 0,5
+ Kết quả kiểm định Bartlett±s Test of Sphericity có Sig. = 0,000< 0,05 nên việc sử dụng phân tích nhân tố là phù hợp.
+ Tiêu chuẩn Eigenvalues > 1 ( giá trị 1,995) đã có 1 nhân tố được tạo ra. + Tổng phương sai trích bằng66,487%> 50%, thỏa yêu cầu.
+ Tất cả các biến đều có hệ số tải nhân tố > 0,5
Từ kết quả phân tích trên có thể khẳng định dữ liệu là phù hợp để phân tích nhân tố.
Bảng 14 : Ma trận nhân tố hài lòng về trải nghiệm mua sắm
Ma trận nhân tố Thành phần
1 HL1- Co.opmart cung cấp những kinh nghiệm mua sắm thú vị
HL3- Nhìn chung tôi thấy hài lòng với những giá trị mà Co.opmart mang lại trong quá trình mua sắm tại Siêu thị Co.opmart Huế
HL2- Co.opmart là nơi mua sắm tốt nhất theo suy nghĩ của tôi
0,841 0,837 0,766 Cumulative % 66,487 Cronbach Alpha 0,747 (Nguồn: Kết quả xử lý SPSS, 2019)
Kết quả phân tích nhân tố đối với các biến này cho thấy các biến cùng nhau tạo thành một nhân tố có trị số Eigenvalue lớn hơn 1, đó là sự hài lòng chung được tổng hợp từ các biến đánh giá mức độ hài lòng của khách hàng về trải nghiệm mua sắm tại Siêu thị Co.opmart Huế. Điều đó có nghĩa là các biến đánh giá sự hài lòng về trải nghiệm mua sắm tại siêu thị có độ kết dính cao và cùng thể hiện một nhân tố là sự hài lòng chung đối với trải nghiệm mua sắm tại siêu thị. Thang đo các biến này thỏa mãn yêu cầu phân tích nhân tố, có hệ số Cronbach±s Alpha bằng 0,747 và không có biến có tương quan biến tổng nhỏ hơn 0,3 - thỏa mãn điều kiện nên thang đo các nhân tố này đáng tin cậy và được sử dụng trong phân tích tiếp theo
2.4.4 Kiểm định phân phối chuẩn
Kiểm định phân phối chuẩn là điều kiện đảm bảo độ thỏa mãn cho các biến phân tích nhân tố. TheoThS. Đào Hoài Nam, Đại học Kinh tế TP.HCMthì hệ số đối xứng Skewness và hệ số tập trung Kurtosis được sử dụng để kiểm định phân phối chuẩn của các nhân tố. Một phân phối Skewness được xem là phân phối chuẩn khi Standard Error của nó nằm trong khoảng (-2 ; 2). Tương tự, một phân phối Kurtosis được xem là phân phối chuẩn khi Standard Erorr của nó nằm trong khoảng (-2 ; 2).
Bảng 15: Kiểm định phân phối chuẩn DV DH SC GC CL HL TL N Valid 150 150 150 150 150 150 150 Missing 0 0 0 0 0 0 0 Mean 36,967 37,867 36,511 35,711 37,511 38,089 36,633 Median 37,500 40,000 40,000 36,667 40,000 40,000 37,500 Skewness -0,516 -0,680 -0,911 -0,488 -1,248 -1,227 -0,611 Std. Error of Skewness 0,198 0,198 0,198 0,198 0,198 0,198 0,198 Kurtosis 0,484 -0,040 0,196 -0,580 1,068 1,126 0,062 Std. Error of Kurtosis 0,394 0,394 0,394 0,394 0,394 0,394 0,394 (Nguồn: Kết quả xử lý SPSS, 2019)
Nhìn vào bảng phân tích ta thấy Std. Error Skewness và Std. Error Kurtosis đều nằm trong khoảng (-2 ; 2) nên mẫu có phân phối chuẩn.
2.4.5 Kiểm định giả thuyết và mô hình nghiên cứu thông qua phân tích hồiquy quy
2.4.5.1 Mô hình điều chỉnh
Sau khi phân tích nhân tố và đánh giá thang đo bằng hệ số Cronbach±s Alpha, phân tích nhân tố khám phá EFA ta đã xác định được có 3 nhóm nhân tố ảnh hưởng đến trải nghiệm mua sắm của khách hàng. Đó là yếu tố “Chính sách giá”, “Sự thuận lợi”, “Yếu tố dịch vụ”, “ Sẵn có”, “ Chất lượng”, “ Đòi hỏi”
Hình 4: Mô hình trải nghiệm khách hàng hiệu chỉnh 2.4.5.2 Ma trận hệ số tương quan giữa các biến
Kiểm định hệ số tương quan nhằm để kiểm tra mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến sau khi phân tích hồi quy. Theo ma trận hệ số tương quan, biến phụ thuộc có quan hệ tương quan tuyến tính với 6 biến độc lập. Trong đó, hệ số tương quan giữa “Mức độ hài lòng chung” và “Dịch vụ” là cao nhất (0,561) lớn hơn0,05 nên không được giữ lại để đưa vào phân tích hồi quy, hệ số tương quan giữa“Mức độ hài lòng chung” và “Chất lượng” , “ Đòi hỏi”, “ Sẵn có”, “giá cả”, “ Thuận lợi” đều nhỏ hơn0,05 .Như vậy có thể nói rằng các biến độc lập này có thể đưa vào mô hình để giải thích cho trải nghiệm mua sắm của khách hàng. Và giữa các biến độc lập cũng có quan hệ với nhau mặc dù hệ số tương quan không lớn lắm. Phần kiểm tra đa cộng tuyến bên dưới sẽ xác định xem các biến được giữ lại trong mô hình hồi quy tuyến tính có xảy ra hiện tượng đa cộng tuyến hay không.
Bảng 16: Ma trận hệ số tương quan giữa các biến ( Pearson Correlation) Trải nghiệm mua sắm
Dich vụ Sự thuận lợi Chất lượng Chất lượng Sự sẵn có Chính sách giá Yêu cầu
(Nguồn: Kết quả xử lý SPSS, 2019)
2.4.5.3 Xây dựng phương trình hồi quy tuyến tính
Sau khi tiến hành phân tích nhân tố và kiểm định độ tin cậy thang đo, cho ra được các nhân tố có đủ điều kiện để tiến hành hồi quy. Kết quả của phân tích nhân tố chỉ cho biết các nhân tố có ảnh hưởng đến trải nghiệm mua sắm của khách hàng tại Siêu thị Co.opmart Huế, nhưng không cho biết cụ thể mức độ ảnh hưởng là bao nhiêu.
Vì vậy muốn đo lường xem mức độ tác động của các nhân tố đó đến mức
DV DH SC GC CL TL HL Tương quan 1 0,239** 0,302** 0,203* 0,060 0,216** 0,048 Sig. (2- tailed) 0,003 0,000 0,013 0,467 0,008 0,561 Tổng 150 150 150 150 150 150 150 Tương quan 0,239** 1 0,258** 0,343** 0,516** 0,428** 0,455** Sig. (2- tailed) 0,003 0,001 0,000 0,000 0,000 0,000 Tổng 150 150 150 150 150 150 150 Tương quan 0,302** 0,258** 1 0,452** 0,356** 0,272** 0,242** Sig. (2- tailed) 0,000 0,001 0,000 0,000 0,001 0,003 N 150 150 150 150 150 150 150 Tương quan 0,203* 0,343** 0,452** 1 0,410** 0,296** 0,408** Sig. (2- tailed) 0,013 0,000 0,000 0,000 0,000 0,000 N 150 150 150 150 150 150 150 Tương quan 0,060 0,516** 0,356** 0,410** 1 0,468** 0,702** Sig. (2- tailed) 0,467 0,000 0,000 0,000 0,000 0,000 N 150 150 150 150 150 150 150 Tương quan 0,216** 0,428** 0,272** 0,296** 0,468** 1 0,465** Sig. (2- tailed) 0,008 0,000 0,001 0,000 0,000 0,000 N 150 150 150 150 150 150 150 Tương quan 0,048 0,455** 0,242** 0,408** 0,702** 0,465** 1 Sig. (2- tailed) 0,561 0,000 0,003 0,000 0,000 0,000 N 150 150 150 150 150 150 150 TL HL DV DH SC GC CL
độ hài lòng về trải nghiệm mua sắm của khách hàng khi mua sắm tại Siêu thị Co.opmart Huế, ta cần sử dụng phân tích hồi quy. Mô hình hồi quy áp dụng là mô hình hồi quy đa biến. Ta có phương trình hồi quy tuyến tính như sau:
YI=Β0+Β1X1I+Β2X2I+Β3X3I+ EI
Yi: mức độ hài lòng về trải nghiệm mua sắm của khách hàng của quan sát thứ i.
Xpi: biến độc lập thứ p đối với quan sát thứ i.
β p: hệ số hồi qui riêng phần của biến thứ p. ei: sai số của phương trình hồi quy.
Giả thuyết điều chỉnh
H0i: Nhân tố i không có mối tuơng quan với trải nghiệm mua sắm của khách