Sau khi thu thập dữ liệu, các bảng câu hỏi khảo sát được kiểm tra lại và loại bỏ những bảng câu hỏi không đúng yêu cầu như bỏ trống không chọn câu trả lời, câu trả lời chỉ có một thang đo. Sau đó mã hóa các câu hỏi và câu trả lời rồi nhập liệu vào phần mềm thống kê SPSS để phân tích theo các bước sau:
- Bước 1: Đánh giá độ tin cậy của thang đo bằng phương pháp Cronbach’s Alpha
Để tính Cronbach’s Alpha cho một thang đo thì thang đo phải có tối thiểu là 3 biến đo lường. Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1]. Nếu một biến đo lường có hệ số tương quan biến tổng (item-total correlation) bằng hoặc lớn hơn 0,3 thì biến đó đạt yêu cầu (Nunnally & Berntein, 1994). Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,7-0,8]. Nếu Cronbach’s Alpha bằng hoặc lớn hơn 0,6 thì thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally & Berntein, 1994).
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008): “đánh giá thang
đo Cronbach’s Alpha là nhằm tìm ra những mục câu hỏi cần giữ lại và những mục câu hỏi cần bỏ đi trong các mục đưa vào kiểm tra”. Như vậy đánh giá độ
54
tin cậy của thang đo có tác dụng là giúp loại đi những biến quan sát không làm rõ tính chất của nhân tố cũng như sẽ loại đi những thang đo không phù hợp.
- Bước 2: Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng phương pháp Cronbach’s Alpha, thì phải đánh giá giá trị của thang đo. Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích nhân tố khám phá EFA giúp chúng ta đánh giá hai loại giá trị này (Nguyễn Đình Thọ, 2011). Một số các hệ số quan trọng trong phân tích nhân tố khám phá EFA bao gồm:
(1) Kiểm định Bartlett nhằm xem xét giả thuyết về độ tương quan giữa
các biến quan sát trong tổng thể. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), nếu kiểm định này có ý nghĩa thống kê (Sig. <0,05) thì các biến quan sát có tương quan với nhau trong tổng thể.
(2) Kiểm định KMO (Kaiser-Meyer-Olkin measure of sampling
adequacy): Là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến Xi và Xj với độ lớn của hệ số tương quan riêng phần của chúng (Norusis 1994). KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO phải lớn hơn 0,5. Kaiser (1974) đề nghị KMO bằng hoặc lớn hơn 0,9 là rất tốt; KMO bằng hoặc lớn hơn 0,8 là tốt; KMO bằng hoặc lớn hơn 0,7 là được; KMO bằng hoặc lớn hơn 0,6 là tạm được; KMO bằng hoặc lớn hơn 0,5 là xấu và KMO nhỏ hơn 0,5 là không thể chấp nhận được.
(3) Hệ số tải nhân tố (factor loadings): Là hệ số tương quan đơn giữa
các biến quan sát và các nhân tố, hệ số này lớn hơn 0,5 (Hair & cộng sự, 1998). Factor loadings là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loadings > 0,3 được xem là mức tối thiểu; Factor loadings > 0,4 được xem là quan trọng và Factor loadings >=0,5 được xem là có ý nghĩa thực tiễn. Chênh lệch hệ số tải < 0,3 thì cần loại bỏ biến quan sát đó, nhưng cân nhắc giá trị nội dung trước khi loại bỏ (Nguyễn Đình Thọ, 2011).
(4) Thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50%
(Gerbing & Anderson, 1988). Phương pháp trích “Principal Component Analysis” với phép quay “Varimax” được sử dụng trong phân tích nhân tố thang đo các thành phần.
(5) Tiêu chí Eigenvalue (đại diện cho phần biến thiên được giải thích bởi
mỗi nhân tố) sử dụng trong xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có hệ số Eigenvalue >1 mới được giữ lại
55
trong mô hình phân tích. Nếu Eigenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt.
- Bước 3: Phân tích hệ số tương quan và phân tích hồi quy đa biến
Sau khi kiểm định Cronbach’s Alpha và phân tích nhân tố khám phá EFA, các thang đo đã được đánh giá đạt yêu cầu thì sẽ tiếp tục tiến hành phân tích tương quan, phân tích hồi quy để kiểm định các giả thuyết. Do các biến quan sát được đobằng thang đo khoảng (cụ thể sử dụng trong nghiên cứu này là thang đo Likert 5 mức độ) nên tác giả sử dụng phân tích tương quan Pearson để xác định các mối quan hệ có ý nghĩa thống kê giữa các yếu tố tác dộng đến ý định mua lặp lại trước khi tiến hành phân tích hồi quy. Sử dụng phương pháp Enter để đưa biến vào phân tích. Do mô hình có nhiều biến độc lập nên hệ số xác định R2 điều chỉnh dùng để xác định độ phù hợp của mô hình. Để xem xét độ tin cậy của phương trình hồi quy được xây dựng là phù hợp hay không, tác giả sử dụng các dò tìm sự vi phạm của giả định cần thiết trong hồi quy tuyến tính.
Để kiểm định các giả định trong phần này, nghiên cứu sử dụng biểu đồ phân tán Scatterplot kiểm định liên hệ tuyến tính; dùng biểu đồ Histogram và Q-Q Plo kiểm định phân phối chuẩn của phần dư; dùng đại lượng thống kê Durbin-Watson kiểm định tính độc lập.
“Kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (Variance Inflaction Factor) với yêu cầu VIF ≤ 10” (Nguyễn Đình Thọ, 2011).
“Kiểm tra mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập, kiểm tra hiện tượng phương sai thay đổi bằng cách xem xét mối quan hệ giữa phần dư và giá trị quy về hồi quy của biến phụ thuộc” (Nguyễn Đình Thọ,2011) “Đánh giá mức độ giải thích và ý nghĩa giữa các biến độc lập lên biến phụ thuộc (β - standardized coefficient và Sig. < 0,05) thì biến độc lập nào có trọng số β càng lớn có nghĩa là biến đó có tác động mạnh vào biến phụ thuộc (Nguyễn Đình Thọ, 2011).
- Bước 4: Kiểm định giả thuyết
Dựa trên kết quả phân tích hồi quy đa biến, tác giả tiến hành kiểm định các giả thuyết phù hợp với mô hình đã đưa ra để xác định các nhân tố ảnh hưởng quan trọng nhất tác động đến “ý định mua lặp lại của khách hàng” tại các cửa hàng kinh doanh VLXD. Trong đó dấu dương của hệ số beta thể hiện mối quan hệ giữa nhân tố đó gắn kết là mối quan hệ có sự tác động cùng chiều.
56
- Bước 5: Kiểm định sự khác biệt
Để so sánh giá trị sự khác biệt trung bình của biến định lượng là ý định mua lặp lại đối với biến định tính có hai giá trị là giới tính ta dùng phép kiểm định Independent Sample Test.
Để so sánh sự khác biệt trung bình của biến định lượng là ý định mua lặp lại đối với các biến định tính có từ ba giá trị trở lên như: độ tuổi, công việc, thu nhập, trình độ ta sử dụng phân tích phương sai một yếu tố (One-way Anova).
Trong chương 3, tác giả trình bày phương pháp nghiên cứu, thiết kế nghiên cứu, quy trình nghiên cứu và giới thiệu, xây dựng thang đo cho các yếu tố của mô hình nghiên cứu.
Từ các cơ sở lý thuyết nền tảng về hành vi, các nghiên cứu trước đây trong và ngoài nước về “ý định mua lặp lại” ở chương 2, tác giả đề xuất và xây dựng các thang đo cho các nhân tố. Tổng cộng có 37 biến quan sát để xác định ý định mua lặp lại tại các cửa hàng kinh doanh vật liệu xây dựng ở TPHCM
Chương tiếp theo sẽ trình bày và phân tích kết quả nghiên cứu bằng phần mềm thống kê SPSS.
57
PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Trong chương 3, tác giả đã trình bày phương pháp nghiên cứu sơ bộ (định tính) và nghiên cứu chính thức (định lượng) để điều chỉnh và bổ sung mô hình lý thuyết và mô hình thang đo các thành phần tác động đến ý định mua lặp lại của khách hàng. Chương 4, nghiên cứu sẽ trình bày mẫu khảo sát và đánh giá sơ bộ các thang đo, trình bày quá trình đo lường các khái niệm nghiên cứu. Sau đó, nghiên cứu sẽ tiến hành phân tích và kiểm định mô hình nghiên cứu đề xuất, phân tích các nhân tố tác động đến ý định mua lặp lại của khách hàng, phân tích đánh giá giá trị từng thang đo để làm cơ sở đề xuất giải pháp cho công việc nghiên cứu.