5. Kết cấu luận văn
2.3.2 Kết quả khảo sát
2.3.2.1 Mẫu nghiên cứu
Mẫu được chọn theo phương pháp phi xác suất, cơ cấu mẫu được lựa chọn theo phương pháp lấy mẫu định mức theo các thuộc tính giới tính, độ tuổi, thu nhập với kích cỡ mẫu 208. Dữ liệu được thu thập thông qua 3 hình thức: khảo sát trực tiếp, khảo sát online và thư điện tử. Khảo sát thu về: 220 bảng (trong đó 60 bảng hỏi trực tiếp và 160 bảng trực tuyến)
Số bảng đạt yêu cầu: 208 bảng
Số bảng không đạt yêu cầu: 12 bảng. Nguyên nhân chính là câu trả lời mâu thuẫn, không chất lượng, trả lời không đủ các câu hỏi.
Sau khi thu thập và xử lý dữ liệu, nội dung mô tả thống kê như bảng 2.10: Bảng 2.10 Tóm tắt thống kê mô tả mẫu
Giới tính
Phân loại Số lượng Cơ cấu (%)
Nam 92 44 Nữ 116 56 Tổng 208 100 Độ tuổi 18-25 79 38 26-35 73 35 36-50 32 15 Trên 50 24 12 Tổng 208 100 Thu nhập Dưới 5 triệu 12 6 10-20 triệu 73 35 5-10 triệu 86 41 Trên 20 triệu 37 18 Tổng 208 100
2.3.2.2 Kiểm định độ tin cậy thang đo Combrach’s Anpha
Hệ số Cronbach’s Alpha là một hệ số kiểm định thống kê về mức độ tin cậy và tương quan trong giữa các biến quan sát trong thang đo. Nó cho biết sự chặt chẽ và thống nhất trong các câu trả lời nhằm đảm bảo người được hỏi đã hiểu cùng một khái niệm.
Hệ số Cronbach’s Alpha (CA)được qui định như sau:
CA < 0,6: Thang đo cho nhân tố là không phù hợp. Có thể do thiết kế bảng câu hỏi chưa tốt hoặc dữ liệu thu được từ khảo sát có nhiều mẫu xấu (bad sample).
0,6 < CA <0,7: Hệ số Cronbach’s Alpha đủ để thực hiện nghiên cứu mới. 0,7 < CA <0,8: Hệ số Cronbach’s Alpha đạt chuẩn cho bài nghiên cứu.
0,8 < CA <0,95: Hệ số Crobach’s Alpha rất tốt. Đây là kết quả từ bảng câu hỏi được thiết kế trực quan, rõ ràng, phân nhóm tốt và mẫu tốt, không có mẫu xấu.
CA > 0,95: Hệ số Cronbach’s Alpha ảo do có hiện tượng trùng biến.
Thang đo đạt yêu cầu khi Cronbach’s Alpha > 0,6 và tương quan biến tổng các biến quan sát của thang đo > 0,3. Tổng kết kết quả kiểm định độ tin cậy Cronbach’s Alpha của các khái niệm về “hình thức trình bày và tính hữu ích của Website”, “sự tiện lợi khi mua sắm”, “dịch vụ hỗ trợ khách hàng trực tuyến”, “dịch vụ giao hàng trực tuyến”, “truyền thông trực tuyến”, “nội dung marketing trực tuyến”, “lòng trung thành thương hiệu” như bảng 2.11.
Kết quả từ bảng 2.11 cho thấy các thang đo đều có Cronbach’s Anpha cao > 0,7 do đó thang đo có tính hội tụ nên thang đo đạt độ tin cậy. Hệ số tương quan biến - tổng của các biến quan sát cao và lớn hơn 0,3. Như vậy sau khi phân tích Cronbach’s Anpha thang đo “hình thức trình bày và tính hữu ích của Website” được đo lường bằng 8 biến quan sát, “sự tiện lợi khi mua sắm” được đo lường bằng 3 biến quan sát, “dịch vụ hỗ trợ khách hàng trực tuyến” được đo lường bằng 3 biến quan sát, “dịch vụ giao hàng trực tuyến” được đo lường bằng 3 biến quan sát, “truyền thông trực tuyến” được đo lường bằng 4 biến quan sát, “nội dung marketing trực tuyến” được đo lường bằng 4 biến quan sát, “lòng trung thành thương hiệu được đo lường bằng 6 biến quan
sát”. Như vậy tổng số biến hiện tại là 31 biến quan sát, các biến này phù hợp để đưa vào phân tích EFA.
Bảng 2.11: Kết quả kiểm định Cronbach’s Alpha của các khái niệm nghiên cứu
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại biến
Hình thức trình bày và tính hữu ích của Website: α = 0,875
HT1 25,49 28,821 ,734 ,849 HT2 25,38 32,383 ,463 ,875 HT3 25,62 29,995 ,708 ,853 HT4 25,39 30,104 ,646 ,858 HT5 25,56 28,161 ,644 ,859 HT6 25,41 29,896 ,581 ,865 HT7 25,47 27,719 ,654 ,858 HT8 25,45 29,186 ,674 ,855
Sự tiện lợi khi mua sắm: α = 0,773
TL1 7,12 2,299 ,646 ,652 TL2 7,14 2,443 ,637 ,662 TL3 6,69 2,902 ,551 ,755 Dịch vụ hỗ trợ khách hàng trực tuyến: α = 0,767 DV1 6,97 2,540 ,587 ,700 DV2 7,01 2,290 ,617 ,667 DV3 6,96 2,491 ,596 ,690 Dịch vụ giao hàng trực tuyến: α = 0,809 GH1 6,82 3,171 ,634 ,763 GH2 6,96 2,718 ,732 ,657 GH3 6,80 2,993 ,612 ,787
Truyền thông trực tuyến: α = 0,891
TT1 10,80 6,597 ,849 ,823
TT2 10,49 7,681 ,729 ,871
TT3 10,46 7,332 ,717 ,875
TT4 10,83 6,943 ,749 ,864
Nội dung marketing trực tuyến: α = 0,771
ND1 10,69 5,250 ,643 ,677
ND2 10,65 6,345 ,512 ,748
ND3 10,72 5,081 ,639 ,678
ND4 10,94 5,556 ,510 ,751
Lòng trung thành thương hiệu: α = 0,861
LTT1 17,94 12,716 ,617 ,844 LTT2 17,86 12,575 ,639 ,840 LTT3 17,93 12,260 ,725 ,824 LTT4 17,78 12,605 ,642 ,839 LTT5 17,70 12,174 ,685 ,831 LTT6 17,93 13,416 ,608 ,845
2.3.2.3 Kiểm định giá trị thang đo bằng phân tích nhân tố khám phá EFA biến độc lập
Phương pháp phân tích nhân tố khám phá EFA giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
Theo Hair & các cộng sự (1998, trang 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
Hệ số tải nhân tố > 0,3 được xem là đạt mức tối thiểu Hệ số tải nhân tố > 0,4 được xem là quan trọng
Hệ số tải nhân tố > 0,5 được xem là có ý nghĩa thực tiễn
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: Hệ số tải nhân tố (Factor loading ) > 0,5
0,5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0,05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
Tất cả các biến của mô hình đều thỏa mãn sau khi kiểm định hệ số Cronbach's Alpha. Vì vậy các biến này tiếp tục được đưa vào phân tích EFA.
Bảng 2.12 Kết quả kiểm định KMO lần 1
Tham số thống kê KMO ,868
Kiểm định Bartlett 2687,327 2687,327
300 300
,000 ,000
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Kết quả kiểm định bảng 2.12 cho thấy hệ số KMO = 0,868 > 0,5 và Sig = ,000 thể hiện mức ý nghĩa cao vì vậy thỏa mãn điều kiện thực hiện phân tích nhân tố EFA.
Kết quả tổng hợp phân tích EFA lần 1 như bảng 2.13.
Bảng 2.13 Bảng Kết quả phân tích nhân tố khám phá EFA lần 1
Nhân tố 1 2 3 4 5 6 HT7 ,731 ,347 HT1 ,723 HT6 ,691 HT4 ,681 HT3 ,665 ,324 HT5 ,662 ,314 HT8 ,637 HT2 ,496 ,407 TT1 ,815 TT2 ,813 TT3 ,771 TT4 ,751 TL1 ,796 TL2 ,796 TL3 ,703 GH2 ,865 GH1 ,816 GH3 ,742 ND1 ,832 ND2 ,755 ND3 ,689 ND4 ,452 ,492 ,387 DV1 ,790 DV3 ,755 DV2 ,313 ,678
Sau khi loại 2 biến HT2 và ND4 khỏi mô hình và xử lý lại EFA lần 2, kết quả tổng hợp như bảng 2.14:
Bảng 2.14 Bảng Kết quả phân tích nhân tố khám phá EFA lần 2
Nhân tố 1 2 3 4 5 6 HT7 ,770 HT1 ,687 HT4 ,687 HT3 ,685 HT6 ,675 HT5 ,672 HT8 ,650 TT1 ,823 TT2 ,814 TT3 ,772 TT4 ,760 GH2 ,868 GH1 ,815 GH3 ,754 TL1 ,815 TL2 ,814 TL3 ,724 ND1 ,844 ND2 ,771 ND3 ,717 DV3 ,780 DV1 ,769 DV2 ,686
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Kết quả xử lý lại EFA lần 2, kết quả từ bảng 2.14 vẫn trích được 6 nhân tố (xem “Phụ lục 5. Kết quả phân tích mô hình bằng phần mềm SPSS”). Các biến quan sát đạt độ hội tụ. Các nhân tố đều đạt yêu cầu. Như vậy chỉ điều chỉnh mô hình bằng việc loại biến quan sát HT2, ND4 còn các biến khác giữ nguyên và tiếp tục đi vào phân tích hồi quy.
Sáu nhân tố có ý nghĩa tóm tắt thông tin tốt nhất được trích ra tại eigenvalue bằng 1,244. Phương sai trích bằng 69,195 cho thấy có 69,195 % biến thiên của dữ liệu được giải thích bởi 06 nhân tố được trích ra. Kết quả kiểm định trích dẫn trong phụ lục 5.
2.3.2.4 Kiểm định giá trị thang đo bằng phân tích các nhân tố khám phá EFA biến phụ thuộc biến phụ thuộc
Các biến quan sát của biến phụ thuộc “Lòng trung thành thương hiệu” được đưa vào phân tích các nhân tố EFA cho kết quả trích được 1 nhân tố tại 3,543 với phương sai là 59,053 và các biến quan sát đạt hội tụ tạo thành 1 nhân tố kết quả trích tại bảng 2.15.
Bảng 2.15 Bảng Kết quả phân tích các nhân tố khám phá EFA biến phụ thuộc
Nhân tố LTT3 ,825 LTT5 ,792 LTT2 ,761 LTT4 ,760 LTT1 ,742 LTT6 ,726
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
2.3.2.5 Phân tích hồi quy
Phân tích tương quan
Phân tích tương quan là bước phân tích bắt buộc trước khi phân tích hồi quy Hệ số tương quan (r) là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số. Hệ số tương quan có giá trị từ -1 đến 1. Hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu giá trị của hệ số tương quan là âm (r < 0) có nghĩa là khi x tăng cao thì y giảm (và ngược lại, khi x giảm thì y tăng); nếu giá trị hệ số tương quan là dương (r > 0) có nghĩa là khi x tăng cao thì y cũng tăng, và khi x tăng cao thì y cũng giảm theo.
Trong nghiên cứu này tác giả phân tích tương quan giữa các biến độc lập đến biến phụ thuộc là lòng trung thành thương hiệu, và sự tương quan giữa các biến độc lập với nhau. Kết quả phân tích tương quan giữa các biến độc lập đến biến phụ thuộc bảng 2.16.
Bảng 2.16 Bảng Hệ số tương quan Pearson
LTT HT TT GH TL ND DV LTT
Hệ số tương quan Pearson 1 ,645** ,571** ,421** ,422** ,416** ,551**
Hệ số Sig. ,000 ,000 ,000 ,000 ,000 ,000 Cỡ mẫu 208 208 208 208 208 208 208 HT
Hệ số tương quan Pearson ,645** 1 ,579** ,372** ,347** ,380** ,512**
Hệ số Sig. ,000 ,000 ,000 ,000 ,000 ,000 Cỡ mẫu 208 208 208 208 208 208 208 TT
Hệ số tương quan Pearson ,571** ,579** 1 ,281** ,336** ,334** ,456**
Hệ số Sig. ,000 ,000 ,000 ,000 ,000 ,000 Cỡ mẫu 208 208 208 208 208 208 208 GH
Hệ số tương quan Pearson ,421** ,372** ,281** 1 ,305** ,150* ,352**
Hệ số Sig. ,000 ,000 ,000 ,000 ,030 ,000 Cỡ mẫu 208 208 208 208 208 208 208 TL
Hệ số tương quan Pearson ,422** ,347** ,336** ,305** 1 ,273** ,332**
Hệ số Sig. ,000 ,000 ,000 ,000 ,000 ,000 Cỡ mẫu 208 208 208 208 208 208 208 ND
Hệ số tương quan Pearson ,416** ,380** ,334** ,150* ,273** 1 ,182**
Hệ số Sig. ,000 ,000 ,000 ,030 ,000 ,008 Cỡ mẫu 208 208 208 208 208 208 208 DV
Hệ số tương quan Pearson ,551** ,512** ,456** ,352** ,332** ,182** 1 Hệ số Sig. ,000 ,000 ,000 ,000 ,000 ,008 Cỡ mẫu 208 208 208 208 208 208 208
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Kết quả bảng 2.16 Hệ số tương quan Pearson cho thấy các biến độc lập đều có tương quan với biến phụ thuộc với mức độ tương quan từ 0,416 đến 0,654. Các biến độc lập cũng có sự tương quan với nhau nên sẽ tiếp tục xem xét đến hiện tượng đa cộng tuyến trong phân tích hồi quy.
Phương trình hồi quy Mô hình hồi quy
Mô hình gồm 6 nhân tố tác động lên lòng trung thành thương hiệu nên phương trình hồi quy sẽ gồm 6 biến số độc lập và 1 biến phụ thuộc.
Sử dụng mô hình Stepwise để xây dựng phương trình hồi quy:
(LTT) = α + β1HT + β2TL + β3DV + β4GH + β5TT + β6ND
Để đánh giá mức độ phù hợp của mô hình nghiên cứu sử dụng hệ số xác định R2
mối liên hệ tương quan tuyến tính, hệ số xác định chính là bình phương của hệ số tương quan.
R2 < 0,1: tương quan thấp
0,1 < R2 < 0,25: tương quan ở mức trung bình 0,25 < R2 < 0,5: tương quan khá chặt chẽ 0,5 < R2 < 0,8: tương quan chặt chẽ 0,8 <= R2: tương quan rất chặt chẽ
Kết quả phân tích hệ số xác định R2 và R2 hiệu chỉnh như bảng 2.17 bên dưới: Bảng 2.17 Mô hình hồi quy
Mô hình R R bình phương R bình phương điều chỉnh Độ lệch chuẩn ước tính Durbin-Watson 1 ,756a ,571 ,558 ,46581 2,029
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Hệ số xác định R2 = 0,571 và R2 hiệu chỉnh = 0,558 từ bảng 2.17 cho thấy mức độ phù hợp của mô hình tương đối cao. Tiếp tục thực hiện kiểm xem có thể suy diễn cho tổng thể hay không bằng phép kiểm định ANOVA.
Kiểm định độ phù hợp của mô hình
Đặt giả thuyết:
H0: Mô hình không phù hợp, có nghĩa các hệ số β1 = β2 = β3 = β4 = β5 = β6 = 0 H1: Mô hình phù hợp, có nghĩa là tồn tại ít nhất một trong các hệ số β1, β2, β3, β4, β5, β6 ≠ 0
Phân tích Sig. của giá trị F trong kiểm định ANOVA bảng 2.18 cho kết quả Sig. = 0.000 nên bác bỏ giả thuyết H0: Mô hình không phù hợp.
Kết luận: có thể dùng kết quả từ nghiên cứu này để khái quát cho tổng thể. Bảng 2.18 Kết quả kiểm định ANOVA
Mô hình Tổng bình phương df Bình phương trung bình F Sig. 1 Hồi quy 58,080 6 9,680 44,613 ,000b Phần dư 43,612 201 ,217 Tổng 101,692 207
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Bước này thực hiện nhằm đánh giá ý nghĩa của từng nhân tố thông qua giá trị của hệ số β.
Kết quả phân tích hồi quy được trình bày ở bảng 2.19, kết quả cho thấy không có hiện tượng đa cộng tuyến, hệ số phóng đại VIF lớn nhất là 1,888 < 10, khi VIF có giá trị vượt quá 10 khi đó có hiện tượng đa cộng tuyến trong bộ dữ liệu phân tích (Nguyễn Đình Thọ, 2011).
Bảng 2.19 Kết quả hệ số hồi quy trong mô hình
Mô hình
Hệ số hồi quy Hệ số hồi quy chuẩn hóa
t Sig. Phân tích đa cộng tuyến B Độ lệch
chuẩn
Beta Độ chấp nhận
Hệ số phóng đại phương sai VIF
1 (Constant) ,211 ,224 ,943 ,347 HT ,244 ,055 ,283 4,466 ,000 ,530 1,888 TT ,147 ,048 ,184 3,097 ,002 ,606 1,650 GH ,114 ,044 ,133 2,587 ,010 ,802 1,247 TL ,100 ,048 ,108 2,072 ,040 ,790 1,266 ND ,142 ,046 ,159 3,110 ,002 ,815 1,227