Nhìn chung quá trình kiểm định Cronbach Alpha có hệ số "Cronbach Alpha chung" đạt mức mô tả phân phối tốt và trung bình rơi vào khoảng 0.82, tất cả các yếu tố đều có hệ số "Cronbach Alpha Chung" lớn hơn 0.75 và không có biến quan sát nào bị loại bỏ.
Bảng 2.17: Đánh giá độ phù hợp của các nhân tố bằng Cronbach Alpha
Biến quan sát Hệ số tương
quan biến tổng
Cronbach's Alpha nếu xóa biến
Yếu tố Cung cấp hàng hóa và thiết bị (Cronbach Alpha: 0.791)
Giao hàng đúng thời hạn 0.659 0.708
Giao hàng đảm bảo về số lượng 0.565 0.763
Giao hàng đảm bảo về mẫu mã 0.622 0.733
Cung cấp đầy đủ trang thiết bị hỗ trợ cho
việc quảng cáo 0.58 0.751
Yếu tố Chính sách hỗ trợ (Cronbach Alpha: 0.902)
Tỷ lệ chiết khấu áp dụng cho các cửa hàng
hợp lý 0.716 0.887
Công ty cung cấp hàng hóa với giá cả ổ
định 0.695 0.889
Có nhiều chương trình khuyến mãi hấp dẫn 0.724 0.886 Các chương trình khuyến mãi được thực
hiện thường xuyên 0.713 0.887
Có các chính sách gia hạn thanh toán hợp
lý 0.689 0.89
Điều kiện chương trình trưng bày hàng hợp
lý 0.643 0.894
Chính sách đổi trả hàng hóa (hưhỏng, hết
hạn, không thực hiện đúng đơn hàng…) tốt 0.647 0.893
Yếu tố Nghiệp vụ nhân viên (Cronbach Alpha: 0.890)
Nhân viên bán hàng nhiệt tình 0.716 0.87
Nhân viên bán hàng am hiểu sản phẩm 0.674 0.877
Nhân viên phản hổi kịp thời những mong
muốn của nhà bán lẻ 0.803 0.858
Nhân viên đặt hàng kịp thời 0.634 0.884
Nhân viên giúp trưng bày hàng hóa tốt 0.738 0.867
Nhân viên bán hàng tư vấn cho cửu hiệu nhằm giúp các cửa hiệu đạt được doanh số cao
0.704 0.872
Yếu tố quan hệ với nhà phân phối (Cronbach Alpha: 0.779)
Công ty thăm hỏi và tặng quà vào các dịp
lễ, Tết 0.716 0.582
Công ty thường tổ chức tốt các chương
trình khen thưởng 0.627 0.703
Công ty thường xuyên tìm hiểu những khó
khăn của khách hàng 0.578 0.774
Yếu tố phụ thuộc Đánh giá chung (Cronbach Alpha: 0.764)
Hoạt động cung cấp hàng hóa và thiết bị tốt 0.502 0.749
Chính sách hỗ trợ tốt 0.697 0.631
Nghiệp vụ nhân viên tốt 0.545 0.718
Quan hệ với nhà phân phối tốt 0.534 0.726
Lưu ý: Tất cả các quá trình phân tích và xử lý kiểm định Cronbach Alpha của tất cả các yếu tố quý vị có thể xem kỹ hơn ở phần phu lục.
2.3.2.1 Phân tích độ hội tụ của các biến bằng Nhân tố khám phá EFA. a. Phân tích Nhân tố khám phá EFA cho các biến độc lập.
Phân tích Nhân tố khám phá EFA cho các biến độc lập lần 2.
Bảng 2.18: Kiểm định KMO & Bartlett’s Test
Yếu tố cần đánh giá Giá trị chạy bảng So sánh
Hệ số KMO 0.865 0.5 <0.865 <1
Giá trị Sig trong Kiểm định
Bartlett 0.000 0.000 <0.05
Phương sai trích 67.065% 67.065% >50%
Giá trị Eigenvalue 1.210 1.210 >1
(Nguồn: Xử lý số liệu bằng SPSS)
Bảng 2.19: Bảng Rotated Component Matrix
Component 1 2 3 4 CS1 0.760 CS2 0.757 CS4 0.715 CS3 0.687 CS5 0.681 CS6 0.603 CS7 0.535 CS8 0.515 NV5 0.823 NV3 0.729 NV4 0.704 NV1 0.678 NV2 0.651
Component 1 2 3 4 CC1 0.790 CC3 0.674 CC2 0.668 CC4 0.666 QH1 0.868 QH2 0.721 QH3 0.583 (Nguồn: Xử lý số liệu bằng SPSS)
Phân tích nhân tố khám phá lần 2 để loại đi biến NV6 ta được các biến quan phân bố theo 4 nhóm, mức độ biến động của các nhóm là không lớn khi các biến quan sát trong mỗi nhóm từ mô hình nghiên cứu vẫn hội tụ tại một nhóm, tuy nhiên các biến quan sát lại sắp xếp theo một thứ tự khác nhưng không đáng kể. Các yếu tố đánh giá được thống kê:
- Hệ số KMO = 0.865 (0.5 < 0.865< 1) nên phân tích nhân tố là phù hợp
- Sig. (Bartlett’s Test) = 0.000 (sig. < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
- Eigenvalues = 1.210 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.
- Tổng phương sai trích: Rotation Sums of Squared Loadings (Cumulative %) = 67.065% > 50%. Điều này chứng tỏ 67.065% biến thiên của dữ liệu được giải thích bởi 4 nhân tố mới.
- Tất cả các biến quan sát đều có hệ số tải nhân tố (Factor loading) > 0.5 và được hội tụ thành 4 nhóm.
Quá trình phân tích nhân tố khám phá EFA cho các biến độc lập kết thúc, các biến quan sát còn lại đều thỏa mãn đều kiện không bị loại thêm biến nào và được sử dụng cho quá trình nghiên cứu tiếp theo.
b. Phân tích nhân tố khám phá EFA cho biến phụ thuộc.
Bảng 2.20: Kiểm định KMO & Bartlett’s Test
Yếu tố cần đánh giá Giá trị chạy bảng So sánh
Hệ số KMO 0.711 0.5 <0.711 <1
Giá trị Sig trong Kiểm định
Bartlett 0.000 0.000 <0,05 Phương sai trích 59.182% 59.182% >50% Giá trị Eigenvalue 2.367 2.367 >1 (Nguồn: Xử lý số liệu bằng SPSS) Bảng 2.21: Bảng Component Matrix Component 1 DG4 Cơ sở vật chất và trang thiết bị tốt 0.865 DG3 Hoạt động cung cấp thông tin bán hàng
tốt 0.759
DG1 Hoạt động cung cấp hàng hóa tốt 0.734
DG2 Chính sách hỗ trợ tốt 0.710
(Nguồn: Xử lý số liệu bằng SPSS)
- Hệ số KMO = 0.711 (0.5 < 0.711< 1) nên phân tích nhân tố là phù hợp
- Sig. (Bartlett’s Test) = 0.000 (sig. < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
- Eigenvalues = 2.367 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.
- Tổng phương sai trích: Rotation Sums of Squared Loadings (Cumulative %) = 59.182% > 50%. Điều này chứng tỏ 59.182% biến thiên của dữ liệu được giải thích.
Tất cả các biến quan sát đều có hệ số tải nhân tố (Factor loading) > 0.5 và được hội tụ thành 1 nhóm.
Sau quá trình phân tích nhân tố khám phá cho cả biến phụ thuộc và biến độc lập thì không có thêm biến nào bị loại.
Lưu ý: Tất cả các quá trình phân tích Nhân tố khám phá EFA của tất cả các yếu tố phụ thuộc hay đọc lâp quý vị có thể xem kỹ hơn ở phần phu lục.
2.3.2.2 Gộp biến và tạo biến đại diện và hình thành mô hình nghiên cứu tổng quát.
a. Gộp biến, tạo biến đại diện.
Sau quá trình phân tích Cronbach Alpha và Nhân tố khám phá EFA đã tìm ra những biến quan sát phù hợp và bây giờ tiến hành gán biến cho các biến quan sát để tiến hành nghiên cứu các bước tiếp theo.
Bảng 2.22: Gộp biến, tạo biến đại diện
X1
CHÍNH SÁCH HỖ TRỢ
CS1 Tỷ lệ chiết khấu áp dụng cho các cửa hàng hợp lý CS2 Công ty cung cấp hàng hóa với giá cả ổn định CS3 Có nhiều chương trình khuyến mãi hấp dẫn
CS4 Các chương trình khuyến mãiđược thực hiện thường xuyên CS5 Có các chính sách gia hạn thanh toán hợp lý
CS6 Chương trình trưng bày hàng có giá trị cao CS7 Điều kiện chương trình trưng bày hàng hợp lý
CS8 Chính sách đổi trả hàng hóa (hư hỏng, hết hạn, không thực hiện đúng đơn hàng…) tốt
X2
NGHIỆP VỤ NHÂN VIÊN
NV1 Nhân viên bán hàng nhiệt tình
NV2 Nhân viên bán hàng am hiểu sản phẩm
NV3 Nhân viên phản hổi kịp thời những mong muốn của nhà bán lẻ NV4 Nhân viên đặt hàng kịp thời
NV5 Nhân viên giúp trưng bày hàng hóa tốt
X3
CUNG CẤP HÀNG HÓA VÀ THIẾT BỊ
CC1 Cung cấp hàng hóa đúng thời hạn
CC2 Cung cấp hàng hóa đảm bảo về số lượng CC3 Cung cấp hàng hóa đảm bảo về mẫu mã
CC4 Cung cấp đầy đủ trang thiết bị hỗ trợ cho việc quảng cáo
X4
QUAN HỆ VỚI NHÀ PHÂN PHỐI
QH1 Công ty thăm hỏi và tặng quà vào các dịp lễ, Tết
QH2 Công ty thường tổ chức tốt các chương trình khen thưởng
QH3 Công ty thường xuyên tìm hiểu những khó khăn của khách hàng
Y
ĐÁNH GIÁ VỀ CỦA NHÀ BÁN LẺ VỀ CHÍNH SÁCH CHĂM SÓC ĐIỂM BÁN
DG1 Hoạt động cung cấp hàng hóa và thiết bị tốt DG2 Chính sách hỗ trợ tốt
DG3 Nghiệp vụ nhân viên tốt DG4 Quan hệ với nhà phân phối tốt
b. Mô hình nghiên cứu tổng quát.
Hình dạng phương trình hồi quy chưa chuẩn hóa:
Y
= β0 + β1.X1 + β2.X2 + β3.X3 + β4.X4
Trong đó:
- β 0là hệ số chặn. β1đến β4là hệ số góc.
- Y: là "Đánh giá Chung" của các nhà bán lẻ về chính sách chăm sóc điểm bán của Tuấn Việt. Là trung bình của các biến: DG1, DG2, DG3, DG4.
- X1: là "Chính sách hỗ trợ". Là trung bình của 8 biến: CS1, CS2, CS3, CS4, CS5, CS6, CS7, CS8.
- X2: là "Nghiệp vụ nhân viên". Là trung bình của 5 biến: NV1, NV2, NV3, NV4, NV5.
- X3: là "Cung cấp hàng hóa và thiết bị". Là trung bình của 4 biến: CC1, CC2, CC3, CC4.
- X4: là "Quan hệ với nhà phân phối". Là trung bình của 3 biến: QH1, QH2, QH3.
2.3.2.3 Phân tích tương quan hệ số Pearson.
Bảng 2.23: Kiểm định sự tương quan
X1 X2 X3 X4 Y
Y Hệ số Pearson .759
** .717** .666** .737** 1
Sig. (2-tailed) .000 .000 .000 .000
(Nguồn: Xử lý số liệu bằng SPSS)
Chúng ta có thểthấy mối tương quan giữa biến phụ thuộc với các biến độc lập là rất tốt vì tất cả đều có sig. = 0.000 (kiểm định có ý nghĩa) và đặc biệt là hệ số Pearson giữa biến phụ thuộc và các biến độc lập đều lớn hơn 65%. Mức độ tương quan tốt nên không có biến độc lập nào loại.
Tuy nhiên có một đều đáng chú ý ở đây đó là mức độ tương quan giữa các biến độc lập với nhau là khá lớn, khi nghiên cứu cần chú ý đến hiện tượng đa cộng tuyến giữa các biến độc lập, đều này sẽ được xem xét ở phân tích hồi quy "nếu hệ số VIF > 10, được coi là xảy ra hiện tượng đa cộng tuyến" (theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
2.3.2.4 Xây dựng mô hình hồi quy. a. Phân tích hồi quy.
Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc (Đánh giá chung) và các biến độc lập (Chính sách hỗ trợ, Nghiệp vụ nhân viên, Cung cấp hàng hóa và thiết bị, Quan hệ với nhà phân phối). Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập.
Đặt giả thuyết về những yếu tố tác động đến đánh giá của các cửa hiệu.
Giả thuyết Nội Dung
H1 Yếu tố của khách hàngChính sách hỗ trợ không ảnh hưởng đến đánh giá chung H2 Yếu tố của khách hàngNghiệp vụ nhân viên không ảnh hưởng đế đánh giá chung H3 Yếu tố giá chng của khách hàngCung cấp hàng hóa và thiết bị không ảnh hưởng đến đánh H4 Yếu tố chung của khách hàngQuan hệ với nhà phân phối không ảnh hưởng đến đánh giá
Việc kiểm định mô hình lý thuyết được thực hiện với phương pháp enter (là phương pháp đưa cùng lúc các biến vào phân tích) với bảng kết quả hồi quy như sau:
Bảng 2.24: Kết quả phân tích hồi quy
Hệ số chuẩn
hoá Mức ý
nghĩa Tolerance VIF
Beta
X1 Chính sách hỗ trợ 0.283 0.001 0.416 2.405
X2 Nghiệp vụ nhân viên 0.212 0.010 0.456 2.193
X3 Cung cấp hàng hóa và thiết bị 0.180 0.017 0.538 1.858
X4 Quan hệ với nhà phân phối 0.377 0.000 0.627 1.594
(Nguồn: Xử lý số liệu bằng SPSS)
Các biến độc lập đều có giá trị Sig bé hơn 0.05 nên đều có ý nghĩa trong mô hình hồi quy. Ngoài ra với bảng trên thì tất cả các yếu tố đều thỏa mãn tiêu chuẩn “Tiêu chuẩn chấp nhận các biến có giá trị Tolerance” là đều > 0.0001. Đại lượng chuẩn đoán hiện tượng đa cộng tuyết với hệ số phóng đại phương sai VIF (Variance Inflation Factor) đều < 10 nên không có đa cộng tuyến giữa các biến độc lập (theo Trần Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Vậy chúng ta có thể bác bỏ các giả thuyết
H1, H2, H3, H4. Và chấp nhận rằng các yếu tố trên ảnh hưởng đến đánh giá chung của các cửa hiệu.
Như vậy, ta có thể biểu diễn mô hình hồi quy thông qua phương trình sau:
Đánh giá Chung = 0.283*{Chính sách hỗ trợ} + 0.212*{Nghiệp vụ nhân viên} + 0.180*{Cung cấp hàng hóa và thiết bị} + 0.377*{Quan hệ với nhà phân phối}.
Hay Y
= 0.283*X1 + 0.212*X2 + 0.180*X3 + 0.377*X4
Trong 4 yếu tố được đưa vào để đo lường đánh giá chung của khách hàng về chất lượng chính sách chăm sóc điểm bá của nhà phân phối thì yếu tố "Quan hệ với nhà phân phối" có tác động lớn nhất tới đánh giá chung của khách hàng với β 4=0.377 có nghĩa là khi X4 thay đổi một đơn vị thì Y sẽ thanh đổi 0.377 đơn vị.
Yếu tố có tác động lớn thứ hai đó là các "Chính sách hỗ trợ" của nhà phân phối. Với β1=0.283 có ngĩa là khi X1 thay đổi một đơn vị thì Y sẽ thay đổi cùng chiều 0.283 đơn vị. Chính sách hỗ trợ cũng là một trong những yếu tố rất quan trọng giúp khách hàng gắng kết với NPP.
Hai yếu tố có tác động cũng khá lớn còn lại đó là "Nghiệp vụ nhân viên" và "Cung cấp hàng hóa và thiết bị" lần lượt có β 2=0.212, β3=0.180. Đây là hai yếu tố có liên quan đến nguồn lực con người và gần như tác động trực tiếp đến khách hàng hằng ngày, vì vậy để nâng cao mức độ đánh giá của khách hàng thì phải quan tâm chú ý hơn nữa đến hai yếu tố này.
b. Đánh giá độ phù hợp của mô hình.
Bảng 2.25: Đánh giá độ phù hợp của mô hình R 2
hiệuchỉnh
Model R R2 R2 điều chỉnh Sai số chuẩn
uớc luợng
Durbin- Watson
1 0,874 0,764 0,753 0,349 1.771
(Nguồn: Xử lý số liệu bằng SPSS)
Độ phù hợp của mô hình được thể hiện qua giá trị R2 điều chỉnh. Kết quả ở bảng trên cho thấy, mô hình 4 biến độc lập có giá trị R 2 điều chỉnh cao nhất là 0.753. Như vậy độ phù hợp của mô hình là 75.3%. Hay nói cách khác, 75.3% biến thiên của biến Đánh giá chung của thành viên kênh được giải thích bởi các biến quan sát trên, còn lại là do tác động của các yếu tố khác ngoài mô hình.
c. Kiểm tra tự tương quan trong mô hình.
Trong thống kê học, trị số Durbin-Watson là một thống kê kiểm định để kiểm tra xem có hiện tượng tự tương quan (auto Correlation) giữa các phần dư (Residuals) của mọt phép phân tích hồi quy. Nó được đặt tên theo theo tên của James Durbin và Geoffrey Watson.
Để kiểm tra tự tuơng quan của mô hình, ta tiến hành đánh giá giá trị D đuợc đưa ra trong Bảng Mô hình tóm tắt sử dụng phuơng pháp Enter với thang đo sau, theo Trần Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008).
0<D<1: xảy ra hiện tuợng tự tuơng quan dương. 1<D<3: không có hiện tuợng tự tuơng quan.
3<D<4: xảy ra hiện tuợng tự tuơng quan âm
Với giá trị D đưa ra trong bảng là 1.771, rơi vào miền nên chấp nhận giả thiết không có tự tuơng quan chuỗi bậc nhất.
d. Kiểm định độ phù hợp của mô hình.
Bước tiếp theo trong phân tích hồi quy đó là thực hiện kiểm định F về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ biến độc lập hay không (Trần Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Giả thuyết
H0 đặt ra đó là: β1 = β2 = β3 = β4= β5= β6 = 0.
H1 đặt ra là một trong các hệ số Beta sẽ khác không.
Bảng 2.26: Kiểm định độ phù hợp cửa mô hình
Mô hình Tổng bình phuơng Df Trung bình bình phuơng F Mức ý nghĩa Hồi quy 31.568 4 7.892 64.889 0.000b Số dư 9.730 80 0.122 Tổng 41.299 84 (Nguồn: Xử lý số liệu bằng SPSS)
Kết quả phân tích ANOVA cho thấy giá trị Sig. = 0,000 rất nhỏ cho phép bác bỏ giả thiết H0. Như vậy mô hình hồi quy thu được rất tốt. Sự kết hợp các biến độc lập giải thích được tốt các thay đổi của biến phụ thuộc là Sự hài lòng của các nhà bán lẻ.
Kết Luận: Mô hình phù hợp thực tế, và ta được phép suy diễn mô hình này ra tổng thể. Kết quả kiểm định mô hình lý thuyết được mô tả như sau.
Đánh giá Chung = 0.283*{Chính sách hỗ trợ} + 0.212*{Nghiệp vụ nhân viên} + 0.180*{Cung cấp hàng hóa và thiết bị} + 0.377*{Quan hệ với nhà phân phối}.
Hay Y
= 0.283*X1 + 0.212*X2 + 0.180*X3 + 0.377*X4