4.4.1 Phân tích lần thứ nhất
Bảng 4.25: Kiểm định liên quan
Hệ số KMO (Kaiser-Meyer-Olkin) 0,689 Approx. Chi-Square 5778.127 df 630 Kiểm định Bartlet (Bartlett's Test) Sig. 0,000 Tổng sai tích 73,77% Giá trị Eigen 1,014
Từ bảng 4.25 cho thấy hệ số KMO là 0,689 giá trị này lớn hơn 0,5 và nhỏ hơn 1 nên đạt yêu cầu của nghiên cứu đạt ra và giá trị sig. là 0,000 nhỏ hơn 0,05 nên
thỏa yêu cầu của nghiên cứu. Điều này có ý nghĩa bộ số liệu phù hợp cho phân tích nhân tố.
Bảng 4.25 còn cho thấy giá trị Egien là 1,014 lớn hơn 1 đạt yêu cầu của nghiên cứu. Tổng phương sai trích cũng cho thấy sự phù hợp khi đạt giá trị là 73,77% lớn hơn 50% đạt yêu cầu của nghiên cứu. Điều này có ý nghĩa với 10 nhân tố sẽ giải thích được 73,77% sự biến thiên của bộ dữ liệu. Kết quả ma trận xoay nhân tố được thể hiện trong bảng sau:
Bảng 4.26: Ma trận xoay nhân tố Nhân tố Biến quan sát 1 2 3 4 5 6 7 8 9 10 11 ND20TT6 .777 ND20SP3 .751 ND20SP1 .703 ND20SP4 .684 ND20CN1 .552 ND20DU2 .539 ND20SP6 ND20TG2 ND20GC3 .819 ND20DU4 .815 ND20GC2 .736 ND20NTK4 .541 ND20GC5 ND20CN5 .840 ND20CN3 .822 ND20CN4 .684 ND20CN8 .654 ND20CN2 .515 .503 ND20TG4 .778 ND20TG3 .750 ND20TG5 .560 ND20NT2 .520 ND20TT4 .704 ND20TT3 .656 ND20TG1 ND20DU1 .737 ND20DU5 .658 ND20NT4 .813 ND20NTK2 .630
ND20CN7 .816 ND20CN6 .556 ND20DU3 .688 ND20GC4 -.546 ND20GC1 .828 ND20SP2 ND20NT3 .671
Nguồn: Số liệu điều tra năm 2016
Từ bảng 4.25 cho thấy biến quan sát: ND20SP2 “Mẫu mã đa dạng, hợp thời trang”; ND20GC5 “Không tốn chi phí đi đến cửa hàng”; ND20GC1 “Giá cả phù hợp”; ND20TG2 “Tốn thời gian so sánh giá sản phẩm với giá ở các trang web khác” không có hệ số tải nên tác giả quyết định loại các biến này ra khỏi mô hình nghiên cứu. Biến quan sát ND20TG1 “Tốn thời gian tìm trang web có uy tín” có hệ số tải thuộc hai nhóm nhân tố nên tác giả quyết định loại biến này ra khỏi mô hình vì khoảng các giữa hai hệ số tải này không lớn hơn 0,3. Nhân tố tiếp theo được tạo thành từ hai biến quan sát ND20DU3 “Trang web có đầy đủ thông tin của người bán”; ND20DU5 “Trang web nổi tiếng uy tín” nên nhân tố này cũng bị tác giả loại khỏi mô hình nghiên cứu. Tương tự nhân tố cũng được tạo thành từ một biến ND20NT4“Tin vào thong tin cung cấp” và ND20NTK2 “Đánh giá, bình luận của người mua hàng trước đó” cũng không ngoại lệ thì nhân tố này cũng bị tác giả loại khỏi mô hình. Ngoài ra nhân tố được tạo thành từ 1 biến quan sát ND20NT3 “Sản phẩm giống với mô tả” nên tác giả cũng loại biến quan sát này ra khỏi mô hình. Tiến hành phân tích nhân tố lần thứ hai.
4.4.2 Phân tích lần thứ hai
Bảng 4.27: Kiểm định liên quan
Hệ số KMO (Kaiser-Meyer-Olkin) 0,744
Approx. Chi-
Square 2104,432
df 153
Kiểm định Bartlet (Bartletts test)
Sig. 0,000
Tổng sai tích 62,82%
Từ bảng 4.27 cho thấy hệ số KMO là 0,744 giá trị này lớn hơn 0,5 và nhỏ hơn 1 nên đạt yêu cầu của nghiên cứu đạt ra và giá trị sig. là 0,000 nhỏ hơn 0,05 nên thỏa yêu cầu cỉa nghiên cứu. Điều này có ý nghĩa bộ số liệu phù hợp cho phân tích nhân tố.
Bảng 4.27 còn cho thấy giá trị Egien là 1,659 lớn hơn 1 đạt yêu cầu của nghiên cứu. Tổng phương sai trích cũng cho thấy sự phù hợp khi đạt giá trị là 62,82% lớn hơn 50% đạt yêu cầu của nghiên cứu. Điều này có ý nghĩa với 4 nhân tố sẽ giải thích được 62,82% sự biến thiên của bộ dữ liệu. Kết quả ma trận xoay nhân tố được thể hiện trong bảng sau:
Bảng 4.28: Ma trận xoay nhân tố Nhân tố Biến quan sát 1 2 3 4 ND20SP3 .806 ND20TT6 .786 ND20SP4 .764 ND20SP1 .729 ND20CN1 .533 ND20DU2 .520 ND20NT2 .500 ND20CN3 .877 ND20CN5 .856 ND20CN8 .757 ND20CN4 .662 ND20GC3 .823 ND20GC2 .804 ND20DU4 .781 ND20NTK4 .689 ND20TG3 .827 ND20TG4 .790 ND20TG5 .682
Nguồn: Số liệu điều tra năm 2016
Qua bảng 4.28 cho thấy tất cả biến quan sát điều có hệ số tải lớn hơn 0,5 đạt yêu cầu của nghiên cứu và nên tất cả các biến này điều được giữ lại để phân tích
cho bước tiếp theo. Sau đây tác giả tiến hành đặt tên và viết phương trình nhân tố cho từng nhân tố. Bảng 4.29: Ma trận trọng số Component Biến 1 2 3 4 ND20SP1 .251 -.076 .005 -.077 ND20SP3 .266 -.060 -.044 -.016 ND20SP4 .263 .023 -.033 -.111 ND20GC2 -.026 -.030 .308 -.016 ND20GC3 -.064 -.051 .325 .016 ND20TT6 .253 -.011 -.014 -.051 ND20NT2 .135 -.022 -.118 .160 ND20NTK4 .039 -.041 .280 -.132 ND20CN1 .147 .038 .063 -.037 ND20CN3 -.021 .341 -.071 -.009 ND20CN4 .018 .240 .064 -.177 ND20CN5 .016 .344 -.130 .004 ND20CN8 -.095 .288 -.034 .063 ND20TG3 -.087 -.003 -.057 .417 ND20TG4 -.036 .007 -.045 .373 ND20TG5 -.052 -.078 .055 .322 ND20DU2 .121 .079 -.006 .070 ND20DU4 -.068 -.094 .322 .037
Nguồn: Số liệu điều tra năm 2016
- Với nhân tố thứ nhất được tạo thành các biến quan sát (ND20SP3; ND20TT6; ND20SP4; ND20SP1; ND20NT2; ND20CN1; ND20DU2) từ năm nhân tố ban đầu đó là Sản phẩm có 3 biến, Tiện lợi có 1 biến và Cá nhân có 1 biến, Đáp ứng 1 biến vì tác giả đặt tên nhân tố này là Sản phẩm ký hiệu là SP và phương trình nhân tố được viết như sau:
SP = 0,251ND20SP1 + 0,266ND20SP3 + 0,263ND20SP4 + 0,253ND20TT6 + 0,135ND20NT2 + 0,147ND20CN1 + 0,121ND20DU2
Từ phương trình nhân tố trên cho thấy biến quan sát ND20SP3 “Đủ kích cỡ (size)” với trọng số là 0,266 cao nhất trong phương trình, điều này cho biết sự đóng
góp của biến này vào sự hình thành nên nhân tố Sản phẩm (SP) là cao nhất. Điều này hoàn toàn phù hợp vì khi khách hàng thích nơi nào mà mặc hàng có nhiều Size để họ có thể lựa cho nhiều người thân trong gia đình, hay bạn bè của mình. Biến quan sát ND20TT6 “Có thể thoải mái lựa chọn mà không thấy ngại” có trọng số là 0,253 cao thứ ba trong nhân tố. Điều này cho thấy biến quan sát này dóng góp cao thứ ba trong việc tạo nên nhân tố này. Hình thức mua hàng trên mạng được đa số phụ nữ hiện nay thích là do họ có thể tư do lựa chọn, không bị ràng buộc như khi đi đến một cửa hàng để lựa. Biến quan sát ND20SP4 “Chất liệu vải tốt” với trọng số là 0,263 cao thứ hai trong việc góp phần tạo nên nhân tố SP. Biến quan sát ND20SP1 “Chất lượng sản phẩm cao”, ND20CN1 “Thời gian sử dụng internet”
và ND20NT2 “Có niềm tin với hình thức thanh toán” với trọng số lần lượt là 0,251; 0,147 và 0,135 đứng vị trí tiếp theo trong việc góp phần tạo nên nhân tố SP.
- Nhân tố thứ 2 được tạo thành bởi các biến quan sát ND20CN5, ND20CN3; ND20CN4; ND20CN8 thuộc nhân tố cá nhân ban đầu nên tác giả giữ nguyên tên là nhân tố này là Cá nhân ký hiệu là CN và có phương trình nhân tố như sau:
CN = 0,341ND20CN3 + 0,240ND20CN4 + 0,344ND20CN5 + 0,288ND20CN8 Từ phương trình nhân tố cho thấy biến quan sát ND20CN5 “Tuổi tác” có trọng số 0,344 cao nhất trong việc góp phần tạo nên nhân tố CN. Biến quan sát ND20CN4 “Thu nhập hộ gia đình” có trọng số là 0,240 thấp nhất trong việc góp phần tạo nên nhân tố CN. Mua sám mặt hàng may măc trên mạng hay trên chợ truyền thống thì tuổi tác của khách hàng sẽ ảnh hưởng rất nhiều về việc lựa trọn mua của khách hàng, còn việc thu nhập thì sẽ không ảnh hưởng nhiều đến việc quyết định mua hàng online vì giá trên các trang mạng thì rất phù hợp cho mọi mức thu nhập của khách hàng. Nên điều này cho thấy sự phù hợp của bộ dữ liệu đối với thực tế.
- Nhân tố thứ 3 được tạo thành từ các biến quan sát ND20GC2; ND20GC3; ND20NTK4; ND20DU4, các biến quan sát này thuộc ba nhân tố ban đầu đó là nhân
tố Gía cả có hai biến, sự đáp ứng có một biến và Nhóm tham khảo có một biến nên tác giả quyết định đặc tên nhân tố này là Đáp ứng và thuận tiện ký hiệu là GC.
GC = 0,308ND20GC2 + 0,325ND20GC3 + 0,280ND20NTK4 + 0,322ND20DU4
Từ phương trình nhân tố cho thấy biến quan sát ND20GC3 “Có thể mua sắm ở bất cứ nơi đâu” với trọng số là 0,325 cao nhất trong việc góp phần hình thành nên nhân tố GC. Bên cạnh đó thì biến quan sát ND20NTK4 “Tên miền dễ nhớ” với trọng số là 0,280 thấp nhất trong việc góp phần tạo nên nhân tố GC. Mua sắm qua mạng là một loại hình mà khách hàng mua hàng mà không cần đến cửa hàng mà vẫn chọn và mua được hàng hóa mà mình vừa ý nhất. Nên việc biến quan sát ND20GC3 có trọng số cao nhất trong việc góp phần tạo nên nhân tố GC.
- Nhân tố thứ tư được tạo thành từ các biến quan sát ND20TG3; ND20NT2; ND20TG5; ND20TG4 thuộc nhân tố thời gian ban đầu nên tác giả giữ nguyên tên nhân tố này là Thời gian ký hiệu TG.
TG = 0,417ND20TG3 + 0,373ND20TG4 + 0,322ND20TG5 + 0,160ND20NT2
Qua phương trình cho thấy biến quan sát ND20TG3 “Quy trình đặt hàng đơn giản, nhanh chóng” có trọng số 0,417 cao nhất trong việc góp phần tạo nên nhân tố TG. Biến quan sát ND20NT2 “Giao hàng đúng hẹn” với trọng số 0,160 thấp nhất trong việc góp phần tạo nên nhân tố này.
4.4.3 Phân tích nhân tố cho nhân tố phụ thuộc
Bảng 4.30: Kiểm định liên quan
Hệ số KMO (Kaiser-Meyer-Olkin) 0,702
Approx. Chi-
Square 222,782
df 6
Kiểm định Bartlet (Bartletts test)
Sig. 0,000
Tổng sai tích 55,875%
Từ bảng 4.33 cho thấy hệ số KMO là 0,702 giá trị này lớn hơn 0,5 và nhỏ hơn 1 nên đạt yêu cầu của nghiên cứu đạt ra và giá trị sig. là 0,000 nhỏ hơn 0,05 nên thỏa yêu cầu cỉa nghiên cứu. Điều này có ý nghĩa bộ số liệu phù hợp cho phân tích nhân tố.
Bảng 4.33 còn cho thấy giá trị Egien là 2,235 lớn hơn 1 đạt yêu cầu của nghiên cứu. Tổng phương sai trích cũng cho thấy sự phù hợp khi đạt giá trị là 55,875% lớn hơn 50% đạt yêu cầu của nghiên cứu. Điều này có ý nghĩa với 1 nhân tố sẽ giải thích được 55,875% sự biến thiên của bộ dữ liệu. Kết quả ma trận xoay nhân tố được thể hiện trong bảng sau:
Bảng 4.31: Ma trận xoay nhân tố Biến Hệ số tải Trọng số ND21YK4 0,844 0,377 ND21YK1 0,727 0,325 ND21YK2 0,706 0,316 ND21YK3 0,705 0,316
Nguồn: Số liệu điều tra năm 2016
Từ bảng 4.33 cho thấy bốn biến quan sát đo lường cho nhân tố quyết định của khách hàng đều có hệ số tải cao hơn 0,5 đạt yêu cầu của nghiên cứu. Tác giả quyết định đặt tên nhân tố này là QD.
QD = 0,377ND21YK4 + 0,325ND21YK1 + 0,316ND21YK2 + 0,316ND21YK3
Từ phương trình trên cho thấy biến quan sát ND21YK4 “Tôi sẽ tiếp tục mua sắm trực tuyến hàng may mặc tại các trang web có uy tín” với trọng số 0,377 cao nhất trong nhân tố này, bên cạnh đó biến quan sát ND21YK3 “Tôi sẽ tiếp tục mua sắm trực tuyến hàng may mặc tại các trang web bán hàng hóa có chất lượng” với trọng số là 0,316
Như vậy sau khi phân tích nhân tố cho thấy 49 biến quan sát đo lường cho các nhân tố ảnh hưởng đến quyết định mua hàng may mặc của nữ giới địa bàn tỉnh Hậu Giang thì kết quả cho thấy còn lại 18 biến quan sát đo lường cho bốn nhóm nhân tố và bốn biến quan sát đo lường cho nhân tố quyết định và mô hình nghiên cứu được thay đổi như sau:
Hình 4.7 Mô hình nghiên cứu điều chỉnh
Như vậy sau khi phân tích nhân tố thì có giả thuyết cho mô hình nghiên cứu đề xuất còn được giữ lại là: H1; H2; H6 và H7. Những giả thuyết còn lại bị loại vì nhân tố không còn tồn tại. Nên tác giả đặt lại các giải thuyết cho mô hình nghiên cứu như sau:
H1: Sản phẩm càng tốt (+) thì quyết định mua sản phẩm càng cao (+), quan hệ đồng biến.
H2: Đặc điểm cá nhân càng phù hợp (+) thì quyết định mua sản phẩm càng cao (+), quan hệ đồng biến.
H3: Thời gian càng thích hợp (+) thì quyết định mua sản phẩm càng cao (+), Sản phẩm (SP)
Cá nhân (CN)
Thời gian (TG) Giá cả (GC)
Biến rà soát: tuổi, hôn nhân, nghề
nghiệp, nơi ở
H4: Giá cả càng tốt (+) thì quyết định mua sản phẩm càng cao (+), quan hệ đồng biến.
Để kiểm tra các giả thuyết trên có phù hợp hay không tác giả tiến hành phân tích hồi qui tuyến tính bội.
4.5 PHÂN TÍCH HỒI QUI TUYẾN TÍNH BỘI
Bảng 4.32: Kết quả phân tích hồi qui tuyến tính bội
BIẾN HỆ SỐ HỒI QUI CHUẨN HÓA THỐNG KÊ T GIÁ TRỊ SIG. VIF
SP 0,508 0,000 1,000
CN 0,263 0,000 1,000
GC 0,428 0,000 1,000
TG 0,489 0,000 1,000
Hệ số R2 hiệu chỉnh 0,746
Giá trị Sig. của kiểm định F Change 0,000
Giá trị Sig của kiểm định F 0,000
Giá trị kiểm định Durbin-Watson 2,233
Nguồn: Số liệu điều tra năm 2016
4.5.1 Kiểm định mức độ phù hợp của mô hình hồi quy
Để kiểm định độ phù hợp của mô hình hồi quy tổng thể ta xem xét Giá trị Sig của kiểm định F là 0,000 nhỏ 0,005, điều này cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu hay các biến độc lập có quan hệ tuyến tính với biến biến phụ thuộc và mô hình có thể sử dụng được.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) thì hệ số R2 hiệu chỉnh là thước đo mức độ phù hợp của mô hình hồi quy bội vì giá trị của hệ số này không phụ thuộc vào số lượng biến được đưa vào mô hình nghiên cứu. Mô hình có hệ số R2 hiệu chỉnh là 0,746. Như vậy, 74,6% mức độ biến thiên của quyết định mua hàng may mặc được giải thích bởi các biến độc lập (SP; CN; GC; TG) trong mô hình.
4.5.2 Kiểm định hiện tượng đa cộng tuyến
Kết quả hồi quy tại bảng 4.32 cho thấy VIF của từng biến độc lập có giá trị nhỏ hơn 10. Điều này chứng tỏ mô hình hồi quy không xảy ra hiện tượng đa cộng tuyến.
4.5.3 Kiểm định hiện tượng tự tương quan
Giả định về tính độc lập của phần dư được kiểm tra qua đại lượng thống kê là Durbin-Watson.
Tuy nhiên, trong thực tế khi tiến hành kiểm định Durbin-Watson có thể áp dụng quy tắc như sau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2010):
- Nếu 1 < D < 3 thì kết luận mô hình không có tự tương quan - Nếu 0 < D < 1 thì kết luận mô hình có tự tương quan dương - Nếu 3 < D < 4 thì kết luận mô hình có tự tương quan âm
Kết quả của hệ số Durbin-Watson = 2,233 (Bảng 4.32) như vậy có thể kết luận mô hình không có tự tương quan.
4.5.4 Kiểm định hệ số hồi quy
Từ bảng 4.32 cho thấy các biến độc lập điều có giá trị Sig. của thống kê t đều nhỏ hơn 0,05 nên đạt yêu cầu của nghiên cứu và các biến quan sát này đều có ý nghĩa thống kê trên 99%.
4.5.5 Kiểm định giả thuyết nghiên cứu
Từ bảng 4.32 cho thấy ta có phương trình hồi qui:
QD = 0,508SP + 0,263CN + 0,428GC+ 0,489TG
- Biến độc lập SP “Sản phẩm” có hệ số hồi qui là 0,508 lớn nhất trong phương trình hồi qui điều này cho thấy biến độc lập SP có mức độ tác động mạnh nhất đến sự QD mua hàng may mặc của khách hàng. Hệ số này mang dấu dương (+) nên tác giả quyết định chấp nhận giả thuyết H1.
- Biến độc lập TG “Thời gian” có hệ số hồi qui là 0,489 lớn thứ hai trong phương trình hồi qui điều này cho thấy biến độc lập TG có mức độ tác động mạnh thứ hai đến sự QD mua hàng may mặc của khách hàng. Hệ số này mang dấu dương (+) nên tác giả quyết định chấp nhận giả thuyết H3.
- Biến độc lập GC “Giá cả” có hệ số hồi qui là 0,428 lớn thứ ba trong phương trình hồi qui điều này cho thấy biến độc lập GC có mức độ tác động mạnh thứ tư