4. Phương pháp nghiên cứu
2.3.1.4. Đặcđiểm mẫu theo tiêu chí KH muốn cải thiện nhất
Biểu đồ 2.4: Đ ặc điểm mẫu theo tiêu chí KH muốn cải thiện nhất
(Nguồn: Kết quảphân tích dữliệu SPSS)
Trong tất cảcác khách hàng đãđiều tra, tiêu chí mà khách hàng mong muốn Công ty GFC cải thiện nhất là có nhiều hơn các chương trình khuyến mãi với số lượng 35 khách hàng (chiếm tỷlệ29,2%). Ngoài ra, có 33 khách hàng chọn tiêu chí giá cả(chiếm 27,5%). Tiêu chí đảm bảo thời gian yêu cầu với 24 khách hàng (chiếm 20%) và 16 khách hàng lựa chọn tiêu chí chất lượng đội ngũ bán hàng (chiếm 13,3%). Thấp nhất là tiêu chí đa dạng mẫu mã với 12 khách hàng chọn (chiếm 10%). Kết quảkhá dễhiểu khi sốlượng rất thấp khách hàng chọn tiêu chí đa dạng mẫu mã bởi vì GreenFields Coffee có rất nhiều các loại cà phê rang xay theo gu của mỗi khách hàng với các loại hạt như: Robustar, Robustar premium, Arabica, Arabicar Cầu Đất, Moca,...
Từ đánh giá trên, Công ty nên cải thiện các tiêu chí này đểphần nào có thểnâng cao tình hình tiêu thụtrong thời gian sắp tới. Trên thịtrường cạnh tranh gay gắt hiện
nay, các Công ty phải không ngừng đưa ra các chính sách khuyến mãi, giá cả, xúc tiến,.. để đápứng được thịhiếu của khách hàng.
2.3.2. Kiểm định độ tin cậy của thang đo
Theo đề tài trên, tác giả sử dụng thang đo bao gồm 5 biến độc lập với 21 biến quan sát, trong đó: Biến “Nhân viên bán hàng” có 5 biến quan sát; Biến “Sản phẩm” có 4 biến quan sát; Biến “Giá cả” có 4 biến quan sát; Biến “Phân phối” có 4 biến quan sát; Biến “Xúc tiến” có 4 biến quan sát.
Trong nghiên cứu định lượng, việc đo lường các nhân tố lớn sẽ rất khó khăn và phức tạp, không thể chỉ sử dụng những thang đo đơn giản mà phải sử dụng các thang đo chi tiết hơn để hiểu rõđược tính chất của nhân tố lớn. Vì vậy, để kết quả chính xác hơn, trước khi tiến hành phân tích dữ liệu, đề tài sẽ tiến hành kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha. Kiểm định độ tin cậy thang đo Cronbach’s Alpha sẽ giúp kiểm tra xem các biến quan sát của nhân tố mẹ có đáng tin cậy hay không, có tốt không. Phép kiểm định này phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng 1 nhân tố. Nó cho biết trong các biến quan sát của một nhân tố, biến nào đãđóng góp vào việc đo lường khái niệm nhân tố, biến nào không.
Các tiêu chuẩn trong kiểm định độ tin cậy thang đo Cronbach’s Alpha: - Nếu một biến đo lường có hệ số tương quan biến tổng Corrected Item – Total
Correlation≥ 0.3 thì biến đó đạt yêu cầu. - Mức giá trị hệ số Cronbach’s Alpha:
+ Từ 0.8 đến gần bằng 1: Thang đo lường rất tốt.
+ Từ 0.7 đến gần bằng 0.8: Thang đo lường sử dụng tốt. + Từ 0.6 trở lên: Thang đo lường đủ điều kiện.
Kết quảkiểm định độtin cậy thang đo thông qua hệsốCronbach’s Alpha, như bảng sau:
Bảng 2.16: Kết quả kiểm định độ tin cậy thang đo của các biến độc lập
Biến quan sát
Hệsốtương quan biến tổng (Corrected Item – Total
Correlation)
HệsốCronbach’s Alpha nếu loại biến(Cronbach’s Alpha if Item
Deleted) 1. Yếu tốnhân viên bán hàng
Cronbach’s Alpha = 0,821 NV1 0,606 0,787 NV2 0,629 0,782 NV3 0,606 0,790 NV4 0,595 0,791 NV5 0,645 0,776 2. Yếu tố sản phẩm Cronbach’s Alpha = 0,745 SP1 0,553 0,693 SP2 0,550 0,686 SP3 0,653 0,619 SP4 0,457 0,732 3. Yếu tố giá cả Cronbach’s Alpha = 0,793 GC1 0,518 0,782 GC2 0,688 0,701 GC3 0,534 0,778 GC4 0,704 0,694
4. Yếu tốphân phối Cronbach’s Alpha = 0,844 PP1 0,584 0,841 PP2 0,770 0,761 PP3 0,591 0,839 PP4 0,781 0,756 5. Yếu tốxúc tiến Cronbach’s Alpha = 0,741 XT1 0,544 0,677 XT2 0,595 0,645 XT3 0,563 0,665 XT4 0,438 0,733
Sau khi tiến hành kiểm định độtin cậy thang đo của các biến độc lập thông qua hệsốCronbach’s Alpha với kết quảnhư bảng trên, ta thấy tất cả5 biến độc lập đều có hệsốCronbach’s Alpha (Cronbach’s Alpha if Item Deleted) lớn hơn 0,6. Đồng thời, các biến quan sát đều có hệsốtương quan biến tổng (Corrected Item – Total Correlation) lớn hơn 0,3 và hệsốCronbach’s Alpha nếu loại biến nhỏhơn hệsố Cronbach’s Alpha của biến độc lập tươngứng.
Vì vậy, dựa vào các tiêu chí kiểm định độtin cậy thang đo nhưtrên, ta có thểkết luận rằng thang đo được sửdụng là đáng tin cậy nên đềtài quyết định giữlại tất cảcác biến quan sát như ban đầu đểtiến hành các bước phân tích tiếp theo.
Bảng 2.17: Kết quả kiểm định độ tin cậy thang đo của các biến phụ thuộc
Biến quan sát
Hệsốtương quan biến tổng (Corrected Item – Total
Correlation)
HệsốCronbach’s Alpha nếu loại biến (Cronbach’s Alpha if
Item Deleted) Khảnăng tiêu thụsản phẩm Cronbach’s Alpha = 0,794 TT1 0,650 0,725 TT2 0,646 0,712 TT3 0,640 0,721
Sau khi tiến hành kiểm định độtin cậy thang đo biến phụthuộc (Khảnăng tiêu thụsản phẩm) thông qua hệsốCronbach’s Alpha với kết quảnhư bảng trên, ta thấy biến phụthuộc có hệsốCronbach’s Alpha (Cronbach’s Alpha if Item Deleted) lớn hơn 0,6. Đồng thời, các biến quan sát đều có hệsốtương quan biến tổng (Corrected Item – Total Correlation) lớn hơn 0,3 và hệsốCronbach’s Alpha nếu loại biến nhỏhơn hệsố Cronbach’s Alpha của biến độc lập tươngứng.
Vì vậy, dựa vào các tiêu chí kiểm định độtin cậy thangđo như trên, ta có thểkết luận rằng thang đo được sửdụng là đáng tin cậy nên đềtài quyết định giữlại tất cảcác biến quan sát như ban đầu đểtiến hành các bước phân tích tiếp theo.
Phương pháp phân tích nhân tốkhám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trịquan trọng của thang đo là giá trịhội tụvà giá trịphân biệt.
- Giá trịhội tụ: Các biến quan sát cùng tính chất hội tụvềcùng một nhân tố, khi biểu diễn trong ma trận xoay, các biến này sẽnằm chung một cột với nhau.
- Giá trịphân biệt: Các biến quan sát hội tụvềnhân tốnày và phải phân biệt với các biến quan sát hội tụ ởnhân tốkhác, khi biểu diễn trong ma trận xoay, từng nhóm biến sẽtách thành từng cột riêng biệt.
Với kiểm định độtin cậy thang đo Cronbach Alphaởbước trên, chúng ta đang đánh giá mối quan hệgiữa các biến trong cùng một nhóm, cùng một nhân tố, chứ không xem xét mối quan hệgiữa tất cảcác biến quan sátởcác nhân tốkhác. Trong khi đó, nhân tốkhám phá EFA xem xét mối quan hệgiữa các biếnởtất cảcác nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tốhoặc các biến quan sát bịphân sai nhân tốtừban đầu.
2.3.3.1. Kiểm định KMO và Bartlett’s Test biến độc lập
Khi bắt đầu tiến hành phân tích nhân tốkhám phá EFA (Exploratory Factor Analysis), nghiên cứu sẽtiến hành kiểm định hệsốKMO (Kaiser Meyer – Olkin of Sampling Adequacy) và Bartlett’s (Bartlett’s test of sphericity) nhằm xem xét việc phân tích này có phù hợp hay không, trong đó:
- HệsốKMO (Kaiser-Meyer-Olkin) là một chỉsốdùng đểxem xét sựthích hợp của phân tích nhân tố. Trịsốcủa KMO phải đạt giá trị0,5 trởlên (0,5≤ KMO ≤ 1) là điều kiện đủ đểphân tích nhân tốlà phù hợp. Nếu trịsốnày nhỏhơn 0.5, thì phân tích nhân tốcó khảnăng không thích hợp với tập dữliệu nghiên cứu.
- Kiểm định Bartlett’s (Bartlett’s test of sphericity) dùng đểxem xét các biến quan sát trong nhân tốcó tương quan với nhau hay không. Chúng ta cần lưu ý, điều kiện cần đểáp dụng phân tích nhân tốlà các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tốphải có mối tương quan với nhau. Điểm này liên quan đến giá trịhội tụtrong phân tích EFA được nhắcởtrên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tốcho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Kết quảkiểm định như bảng sau:
Bảng 2.18: Kết quả kiểm định KM O và Bartlett’ s Test biến độc lập
KMO and Bartlett’s Test
Hệs ố KMO (Kaiser Meyer – Olkin of Sampling Adequacy) 0,823
Đại lượng thống kê (Bartlett’s Test)
Approx. Chi-Square 1336,516
df 210
Sig. 0,000
(Nguồn: Kết quảphân tích dữliệu SPSS)
Sau khi kiểm định KMO and Bartlett’s Test biến độc lập, ta thấy trị số của KMO là 0,823 đạt giá trị 0,5 trở lên chứng tỏ đây là điều kiện đủ đểphân tích nhân tốlà phù hợp. Kiểm định Bartlett có ý nghĩa thống kê sig. là 0,000 đạt điều kiện sig Bartlett’s Test < 0.05, chứng tỏcác biến quan sát có tương quan với nhau trong nhân tố. Qua đó, cho thấy nghiên cứu có thểphân tích nhân tốkhám phá EFA cho biến độc lập.
2.3.3.2. Phân tích nhân tố khám phá EFA biến độc lập
Đối với nghiên cứu này, khi phân tích nhân tốkhám phá EFA, đềtài sửdụng phương pháp phân tích các nhân tốchính (Principal Components) với sốnhân tố (Number of Factor) là 5 theo mô hình nghiên cứu đềxuất. Mục đích sửdụng phương pháp này là đểrút gọn dữliệu (nếu có), hạn chếvi phạm hiện tượng đa cộng tuyến giữa các nhân tốtrong việc phân tích mô hình hồi quy tiếp theo. Các tiêu chí tiếp theo trong phân tích nhân tốkhám phá EFA:
- TrịsốEigenvalue là một tiêu chí sửdụng phổbiến đểxác định sốlượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉcó những nhân tốnào có Eigenvalue≥ 1 mới được giữlại trong mô hình phân tích.
- Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp. Coi biến thiên là 100% thì trịsốnày thểhiện các nhân tố được trích cô đọng được bao nhiêu % và bịthất thoát bao nhiêu % của các biến quan sát.
- Hệsốtải nhân tố(Factor Loading) hay còn gọi là trọng sốnhân tố, giá trịnày biểu thịmối quan hệtương quan giữa biến quan sát với nhân tố. Hệsốtải nhân tốcàng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tốcàng lớn và ngược lại. Theo Hair & ctg (2009,116), Multivariate Data Analysis, 7th Edition thì:
• Factor Loadingởmức ± 0.3: Điều kiện tối thiểu đểbiến quan sát được giữlại. • Factor Loadingởmức ± 0.5: Biến quan sát có ý nghĩa thống kê tốt.
• Factor Loadingởmức ± 0.7: Biến quan sát có ý nghĩa thống kê rất tốt. Kết quảrút trích nhân tốbiến độc lập như sau:
Bảng 2.19: Rút trích nhân tố biến độc lập
Biến quan sát NHÓM NHÂN TỐ
1 2 3 4 5 NHANVIEN5 0,698 NHANVIEN3 0,691 NHANVIEN4 0,685 NHANVIEN1 0,661 NHANVIEN2 0,660 PHANPHOI2 0,842 PHANPHOI4 0,836 PHANPHOI3 0,666 PHANPHOI1 0,655 GIACA2 0,864 GIACA4 0,800 GIACA1 0,665 GIACA3 0,598 SANPHAM3 0,825 SANPHAM1 0,689 SANPHAM2 0,667 SANPHAM4 0,556 XUCTIEN4 0,697 XUCTIEN2 0,671 XUCTIEN3 0,662 XUCTIEN1 0,572 Hệs ố Eigenvalue 7,196 1,899 1,731 1,365 1,225
Phương sai tích lũy tiến (%) 13,973 27,404 40,040 52,620 63,885
Dựa theo bảng trên, ta thấy nghiên cứu phù hợp với các tiêu chí. Trịsố Eigenvalue đều lớn hơn 1 nên được giữlại trong mô hình phân tích. Tổng phương sai trích (Total Variance Explained) là 63,885% đạt điều kiện lớn hơn 50% cho thấy mô hình phân tích nhân tốEFA là phù hợp. Tiếp thep là hệsốtải nhân tố(Factor Loading) của 21 biến quan sát đều lớn hơn 0,5 có nghĩa biến quan sát thống kê tốt. Qua đó, ta có thểkết luận rằng việc phân tích nhân tốtrên là phù hợp, được chấp nhận.
Thực hiện đặt tên cho các nhóm nhân tố:
- Nhân tố1 (Factor1): Nhân viên bán hàng, bao gồm 5 biến quan sát: NHANVIEN1; NHANVIEN2; NHANVIEN3; NHANVIEN4; NHANVIEN5. - Nhân tố2 (Factor 2): Sản phẩm, bao gồm 4 biến quan sát: SANPHAM1;
SANPHAM2; SANPHAM3; SANPHAM4
- Nhân tố3 (Factor 3): Giá cả, bao gồm 4 biến quan sát: GIACA1; GIACA2; GIACA3; GIACA4
- Nhân tố4 (Factor 4): Phân phối, bao gồm 4 biến quan sát: PHANPHOI1; PHANPHOI2; PHANPHOI3; PHANPHOI4
- Nhân tố5 (Factor 5): Xúc tiến, bao gồm 4 biến quan sát: XUCTIEN1; XUCTIEN2; XUCTIEN3; XUCTIEN4
2.3.3.3. Kiểm định KMO và Bartlett’s Test biến phụ thuộc
Sau khi phân tích nhân tốkhám phá EFA cho các biến độc lập, nghiên cứu sẽtiếp tục kiểm định hệsốKMO và Bartlett’s Test đểphân tích nhân tốkhám phá EFA cho biến phụthuộc, Thực hiện tương tựcác tiêu chí với biến độc lậpởtrên.
Kết quảkiểm định như bảng sau:
Bảng 2.20: Kết quả kiểm định KMO và Bartlett’ s Test biến phụ
thuộc
KMO and Bartlett’s Test
HệsốKMO (Kaiser Meyer – Olkin of Sampling Adequacy) 0,712
Đại lượng thống kế (Bartlett’s Test)
Approx. Chi-Square 110,182
df 3
Sig. 0,000
Sau khi kiểm định KMO and Bartlett’s Test biến phụ thuộc, ta thấy trị số của KMO là 0,712 đạt giá trị 0,5 trở lên chứng tỏ đây là điều kiện đủ đểphân tích nhân tố là phù hợp. Kiểm định Bartlett có ý nghĩa thống kê sig. là 0,000 đạt điều kiện sig Bartlett’s Test < 0.05, chứng tỏcác biến quan sát có tương quan với nhau trong nhân tố. Qua đó, cho thấy biến quan sát của biến phụthuộc có sựtương quan với nhau, nghiên cứu có thểphân tích nhân tốkhám phá EFA cho biến phụthuộc.
2.3.3.4. Phân tích nhân tố khám phá EFA biến phụ thuộc
Kết quả rút trích nhân tố biến phụ thuộc như sau:
Bảng 2.21: Rút trích nhân tố biến phụ thuộc
KHẢNĂNG TIÊU THỤ HỆSỐTẢI
TIEUTHU1 0,848
TIEUTHU2 0,847
TIEUTHU3 0,843
Hệs ố Eigenvalue 2,147
Phương sai tích lũy tiến (%) 71,565
(Nguồn: Kết quảphân tích dữliệu SPSS)
Theo kết quảcó được từbảng trên, ta nhận thấy cả3 biến quan sát có hệsốtải lần lượt là: 0,848; 0,847; 0,843 đều lớn hơn 0,5 nên cả3 biến quan sát trên được giữlại cho các phân tích tiếp theo. Tiếp theo, ta thấy hệsốphương sai tích lũy tiến đạt 71,565% lớn hơn 50% nên ta có kết quảtừviệc phân tích nhân tốkhám phá đã rút trích ra được một nhân tố. Nhân tốnày được gọi tên là “Khảnăng tiêu thụ” bao gồm 3 biến quan sát: TIEUTHU1; TIEUTHU2; TIEUTHU3.
* Nhận xét:
Sau khi tiến hành phân tích nhân tốkhám phá EFA cho các biến độc lập và biến phụthuộc, nghiên cứu đã xácđịnh được 5 nhân tố ảnh hưởng đến khảnăng tiêu thụ sản phẩm cà phê rang xay của Công ty GFC, đó là các nhân tố:“Nhân viên bán hàng”; “Sản phẩm”; “Giá cả”; “Phân phối”; “Xúc tiến”
Như vậy, sau khi kết thúc quá trình kiểm định độtin cậy thang đo bằng hệsố Cronbach’s Alpha và phân tích nhân tốkhám phá EFA, đềtài quyết định lựa chọn mô hình nghiên cứu như đềxuất ban đầu.
H1:Nhân viên bán hàng H2:Yếu tốsản phẩm
H3:Yếu tốgiá cả KNTT
H4:Y ếu tố phân phối H5:Y ếu tố xúc tiến
Mô hình nghiên cứu bao gồm: 1 biến phụthuộc với 3 biến quan sát và 5 biến độc lập với 21 biến quan sát.
Sơ đồ 2.9: Mô hình nghiên cứu sau khi phân tích nhân tố khám phá
2.3.4. Kiểm định sự phù hợp của mô hình nghiên cứu
2.3.4.1. Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc
Đểcó thểphân tích hồi quy đạt kết quảcao, đềtài sẽthực hiện thêm một bước kiểm định mối tương quan giữa biến độc lập và biến phụthuộc thông qua hệsốtương quan Pearson, vìđiều kiện đểphân tích hồi quy là trước tiên các biến phải tương quan với nhau. Hệsốtương quan Pearson sẽgiúp chúng ta thực hiện các thống kê cơ bản như ước lượng điểm (kiểm định mức ý nghĩa), giải thích (sự ảnh hưởng của biến độc lập đối với biến phụthuộc), dựbáo (thông qua mô hình hồi quy tuyến tính), ước lượng độtin cậy và tính hợp lý (validity).
Trong quá trình phân tích mối tương quan, ta cần chú ý phân tích đến 2 giá trịlà hệsốtương quan Pearson (Pearson Correlation) và giá trịSig.
- Hệsốtương quan Pearson r có giá trịdao động từ-1 đến 1:
+ Nếu r càng tiến về1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ. r tiến về1 là tương quan dương, tiến về-1 là tương quan âm.
+ Nếu r càng tiến về0: tương quan tuyến tính càng yếu.
+ Nếu r = 1: tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồthịphân tán Scatter như hình vẽ ởtrên, các điểm biểu diễn sẽnhập lại thành 1 đường thẳng.
+ Nếu r = 0: không có mối tương quan tuyến tính. Lúc này sẽcó 2 tình huống xảy ra. Một, không có một mối liên hệnào giữa 2 biến. Hai, giữa chúng có mối liên hệphi tuyến.
- Giá trịSig.:
+ Nếu sig. < 0,05 thì có tương quan, khi đó r tiến càng gần 1 tương quan càng mạnh, càng tiến gần 0 tương quan càng yếu;
+Nếu sig. > 0,05 thì không có tương quan.
Vì một trong những điều kiện cần đểphân tích hồi quy là biến độc lập phải có tương quan với biến phụthuộc, nên nếuởbước phân tích tương quan này biến độc lập không có tương quan với biến phụthuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.
Bảng 2.22: Kết quảphân tích tương quan Pearson
TT NV SP GC PP XT
TT
Tương quan Pearson 1 0,463 0,536 0,580 0,565 0,621
Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000
N 120 120 120 120 120 120
(Nguồn: Kết quảphân tích dữliệu SPSS)
Dựa vào bảng kết quảkiểm địnhởtrên, ta thấy giá trịSig. (2-tailed) của các nhân tố đều bé hơn mức ý nghĩaα = 0,05, vì vậy ta có thểkết luận các biến độc lập có sự tương quan với biến phụthuộc. Đồng thời, ta thấy mức độtương quan giữa các biến độc lập và biến phụthuộc cũng khá mạnh khi có hệsốtương quan đều lớn hơn và gần bằng 0,5. Điều đó cho thấy rằng các biến độc lậpởtrên có thểgiải thích cho biến phụ thuộc “Khảnăng tiêu thụ” theo hệsốtương quan dương.
2.3.4.2. Xem xét tự tương quan
Đối với đại lượng Durbin – Watson, đềtài có thểkiểm định sựtương quan của các sai sốkềnhau (hay còn gọi là tương quan chuỗi bậc nhất). Durbin-Watson (DW) có giá trịbiến thiên trong khoảng từ0 đến 4. Nếu các phần sai sốkhông có tương quan