5. Bố cục của đề tài
2.3.4Phân tích nhân tố khám phá EFA:
2.3.4.1 Phân tích nhân tố đối với biến độc lập:
Để tiến hành phân tích nhân tố khám phá trước tiên nghiên cứu cần kiểm định KMO để xem việc phân tích này có phù hợp không. Phương pháp phân tích nhân tố khám phá được thực hiện khi hệ số KMO (Kaiser Meyer Olkin of Sampling Adequacy) đáp ứng điều kiện 0,5 ≤ KMO ≤ 1.
Kiểm định Bartlett 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.
Bảng 2. 15: Kiểm định KMO anh Bartlett's Test biến độc lập
KMO and Bartlett's Test
Hệ số KMO 0,867
Kiểm định Bartlett df 231
Sig 0,000
(Nguồn: Xử lý số liệu điều tra bằng SPSS)
Kết quả kiểm định KMO và Bartlett’s với KMO = 0,867 > 0,5 cho thấy phân tích EFA là phù hợp.
Giá trị Sig. của kiểm định Bartlett’s = 0,000 < 0,05 ta thấy các biến quan sát trong tổng thể có mối tương quan với nhau và phù hợp để phân tích nhân tố.
Bảng 2. 16: Phân tích nhân tố khám phá EFA của biến độc lập Mặt trận xoay các thành phần Hệ số tải nhân tố 1 2 3 4 QC6 0,871 QC4 0,856 QC2 0,809 QC3 0,737 QC5 0,704 QC1 0,672 QHCC3 0,875 QHCC5 0,860 QHCC4 0,802 QHCC1 0,796 QHCC2 0,773 BHCN6 0,857 BHCN2 0,788 BHCN3 0,772 BHCN4 0,713 BHCN5 0,713 BHCN1 0,650 KM4 0,845 KM5 0,835 KM3 0,827 KM1 0,802 KM2 0,741 Giá trị Eigenvalue 7,073 3,142 2,685 2,027
Phương sai tích lũy tiến (%) 32,150 46,430 58,633 67,847
(Nguồn: Xử lý số liệu điều tra bằng SPSS)
Tiến hành phân tích nhân tố lần đầu với 22 biến quan sát được đưa vào trong 4 biến độc lập ảnh hưởng đến sự hài lòng của khách hàng về hoạt động xúc tiến của công ty Lion vào phân tích nhân tố theo tiêu chuẩn Eigenvalue lớn hơn 1 đã có 4 nhân tố được tạo ra.
Dựa vào kết quả bảng trên, ta thấy giá trị Eigenvalue = 2,027 và tổng phương sai trích là 67,847% > 50%. Và hệ số tải nhân tố (factor loadings) được tính cho mỗi biến cũng thỏa mãn yêu cầu lớn hơn 0,5. Do đó, các nhân tố mới này được sử dụng để tính toán các biến mới cho việc phân tích hồi quy.
Nhân tố 1 gồm 6 biến quan sát: QC1, QC2, QC3, QC4, QC5, QC6. Nghiên cứu đặt tên nhân tố mới này là QC (Quảng cáo) liên quan đến các vấn đề lần lượt là quảng cáo chứa đựng thông tin hữu ích, sinh động, đáng tin cậy, xuất hiện thường xuyên, hình thức quảng cáo đa dạng, quảng cáo có tác động đến việc mua đồng phục có phương sai trích là 32,150% và giá trị Eigenvalue là 7,073.
Nhân tố 2 gồm 5 biến quan sát: KM1, KM2, KM3, KM4, KM5. Nghiên cứu đặt tên nhân tố mới này là KM (Khuyến mãi) liên quan đến các vấn đề lần lượt là khuyến mãi thường xuyên, tiếp cận khuyến mãi dễ dàng, khuyến mãi hấp dẫn, hình thức khuyến mãi đa dạng, khuyến mãi có tác động đến việc mua đồng phục có phương sai trích là 46,430% và giá trị Eigenvalue là 3,142.
Nhân tố 3 gồm 5 biến quan sát: QHCC1, QHCC2, QHCC3, QHCC4, QHCC5. Nghiên cứu đặt tên nhân tố mới này là QHCC (Quan hệ công chúng) liên quan đến các vấn đề lần lượt là tham gia nhiều hoạt động QHCC, hoạt động QHCC có ý nghĩa tốt đẹp, hoạt động QHCC mang lại thiện cảm, hoạt động QHCC khiến khách hàng có niềm tin vào công ty, hoạt động QHCC có tác động đến việc mua đồng phục có phương sai trích là 58,633% và giá trị Eigenvalue là 2,685.
Nhân tố 4 gồm 6 biến quan sát: BHCN1, BHCN2, BHCN3, BHCN4, BHCN5. Nghiên cứu đặt tên nhân tố mới này là BHCN (Bán hàng cá nhân) liên quan đến các vấn đề lần lượt là nhân viên bán hàng có kiến thức chuyên môn, giải đáp thắc mắc của khách hàng, nhân viên bán hàng thân thiện, cởi mở, xử lý tình huống tốt, trang phục nhân viên gọn gàng, nhân viên bán hàng có tác động đến việc mua đồng phục có phương sai trích là 67,847% và giá trị Eigenvalue là 2,027.
2.3.4.2 Phân tích nhân tố đối với biến phụ thuộc:
Bảng 2. 17: Kiểm định KMO và Bartlett's Test biến “Đánh giá chung”
KMO and Bartlett's Test
Hệ số KMO 0,756
Kiểm định Bartlett df 6
Sig 0,000
(Nguồn: Xử lý số liệu điều tra bằng SPSS)
Những điều kiện kiểm định KMO và Bartlett của biến “Đánh giá chung” cũng giống như những điều kiện kiểm định của biến độc lập với hệ số KMO là 0,756 > 0,5 và kiểm định Bartlett với Sig. = 0,00 < 0,05 nên có thể khẳng định dữ liệu thu thập được đáp ứng điều kiện để thực hiện phân tích nhân tố.
Bảng 2. 18: Phân tích nhân tố khám phá EFA của biến phụ thuộc Đánh giá chung Hệ số tải nhân tố
DG4 0,863 DG3 0,805 DG2 0,794 DG1 0,753 Giá trị Eigenvalue 2,589 Phương sai rút trích (%) 64,727
(Nguồn: Xử lý số liệu điều tra bằng SPSS)
Kết quả phân tích nhân tố khám phá rút trích ra được một nhân tố “Đánh giá chung”, nhân tố này được tạo ra từ 4 biến “DG1”, “DG2”, “DG3”, “DG4” có giá trị Eigenvalue = 2,589 > 1 và phương sai trích là 64,727% >50%. Bên cạnh đó hệ số tải của 4 biến quan sát đều lớn hơn 0,5 nên tất cả các biến được giữ nguyên trong mô hình nghiên cứu và có thể tiếp tục thực hiện các kiểm định tiếp theo.
2.3.5 Phân tích tương quan hồi quy
Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc
Trước khi tiến hành hồi quy, chúng ta sẽ phân tích hệ số tương quan cho mô hình. Nếu các biến độc lập này có mối tương quan với biến phụ thuộc thì việc phân tích hồi quy mới có ý nghĩa thống kê.
Bảng 2. 19: Phân tích tương quan Pearson
QC KM QHCC BHCN DG QC Pearson Correlation 1 .212* .496** .362** .516** Sig. (2-tailed) .015 .000 .000 .000 N 130 130 130 130 130 KM Pearson Correlation .212* 1 .183* .145 .324** Sig. (2-tailed) .015 .037 .099 .000 N 130 130 130 130 130 QHCC Pearson Correlation .496** .183* 1 .403** .517** Sig. (2-tailed) .000 .037 .000 .000 N 130 130 130 130 130 BHCN Pearson Correlation .362** .145 .403** 1 .608** Sig. (2-tailed) .000 .099 .000 .000 N 130 130 130 130 130 DGC Pearson Correlation .516** .324** .517** .608** 1 Sig. (2-tailed) .000 .000 .000 .000 N 130 130 130 130 130
(Nguồn: Xử lý số liệu điều tra bằng SPSS)
*. Correlation is significant at the 0.05 level (2-tailed). **. Correlation is significant at the 0.01 level (2-tailed).
Từ kết quả phân tích trên ta thấy biến phụ thuộc là “DGC” và các biến độc lập là “QC”, “KM”, “QHCC”, “BHCN” có mối tương quan với nhau, giá trị Sig. < 0,05 cho thấy sự tương quan này là có ý nghĩa về mặt thống kê.
Xây dựng mô hình hồi quy:
Sau khi thực hiện phân tích tương quan để coi mức độ tương quan giữa các biến. Nghiên cứu tiến hành hồi quy mô hình tuyến tính để xác định mức độ ảnh hưởng của các nhân tố mới đến sự hài lòng của khách hàng đối với chính sách xúc tiến hỗn hợp tại công ty TNHH Thương hiệu và Đồng phục Lion.
Mô hình hồi quy được xây dựng có dạng:
DGC = 0 + 1QC + 2 KM + 3QHCC+ 4BHCN
Trong đó: β Là hệ số hồi quy riêng phần tương ứng với các biến độc lập DGC: Giá trị của biến phụ thuộc “Đánh giá chung”
QC: Giá trị biến độc lập “Quảng cáo” KM: Giá trị biến độc lập “Khuyến mãi”
QHCC: Giá trị biến độc lập “Quan hệ công chúng” BHCN: Giá trị biến độc lập “Bán hàng cá nhân” Với các giả thuyết dưới đây:
- Giả thuyết H0: Các nhân tố chính không có ảnh hưởng đến sự hài lòng của khách hàng về hoạt động xúc tiến.
- Giả thuyết H1: Nhân tố “Quảng cáo” có ảnh hưởng đến sự hài lòng của khách hàng về hoạt động xúc tiến.
- Giả thuyết H2: Nhân tố “Khuyến mãi” có ảnh hưởng đến sự hài lòng của khách hàng về hoạt động xúc tiến.
- Giả thuyết H3: Nhân tố “Quan hệ công chúng”có ảnh hưởng đến sự hài lòng của khách hàng về hoạt động xúc tiến.
- Giả thuyết H4: Nhân tố “Bán hàng cá nhân”có ảnh hưởng đến sự hài lòng của khách hàng về hoạt động xúc tiến.
Kiểm định độ phù hợp của mô hình:
Bảng 2. 20: Kiểm định độ phù hợp của mô hình
Mô hình R R2 R2 điều chỉnh Sai số chuẩn ước lượng Durbin-Watson
1 0,731a 0,534 0,519 0,42812 1.679
(Nguồn: Xử lý số liệu điều tra bằng SPSS)
Bảng 2. 21: Kiểm định ANOVA
Mô hình Tổng bình phương Df Trung bình bình phương F Sig.
1
Hồi quy 26.284 4 6.571 35.851 .000b
Phần dư 22.910 125 .183
Tổng 49.194 129
(Nguồn: Xử lý số liệu điều tra bằng SPSS)
Để kiểm định độ phù hợp của mô hình hồi quy tổng thể, sử dụng đại lượng F từ bảng kiểm định ANOVA. Với kết quả từ bảng trên ta thấy giá trị Sig. = 0,000 < 0,05. Cho nên bác bỏ giả thuyết H0với độ tin cậy 95%. Vậy mô hình hồi quy tuyến tính xây dựng phù hợp với tổng thể. Theo dõi bảng trên ta thấy R2điều chỉnh = 0,519 kết luận mô hình hồi quy tuyến tính xây dựng phù hợp với tập dữ liệu ở mức 51,9%. Tức là 51,9% độ biến thiên của biến phụ thuộc “Đánh giá chung” được giải thích bởi 4 yếu tố đã đưa vào mô hình.
Phân tích hồi quy:
Bảng 2. 22: Kết quả phân tích hồi quy
Mô hình
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa
T Sig.
Thống kê đa cộng tuyến
B Độ lệch
chuẩn Beta Hệ số Tolerance VIF
1 Hằng số -.218 .310 -.704 .483 QC .224 .072 .226 3.121 .002 .711 1.407 KM .131 .046 .178 2.839 .005 .944 1.059 QHCC .206 .074 .203 2.772 .006 .693 1.443 BHCN .463 .075 .419 6.138 .000 .800 1.249
(Nguồn: Xử lý số liệu điều tra bằng SPSS)
Các phép kiểm định của các biến độc lập được đưa vào mô hình: quảng cáo, khuyến mãi, quan hệ công chúng, bán hàng cá nhân đều có giá trị Sig. nhỏ hơn 0,05 nên khẳng định các biến độc lập này đều có ý nghĩa thống kê trong mô hình.
Như vậy, phương trình hồi quy được viết lại như sau: DGC= 0,226QC + 0,178KM + 0,203QHCC +0,419BHCN
Ý nghĩa của Beta được giải thích như sau:
Hệ số 1= 0,226 có nghĩa khi biến QC thay đổi 1 đơn vị trong khi các biến khác không thay đổi thì DGC biến động cùng chiều 0,226 đơn vị.
Hệ số β2= 0,178 có nghĩa khi biến KM thay đổi 1 đơn vị trong khi các biến khác không thay đổi thì DGC biến động cùng chiều 0,178 đơn vị.
Hệ số β3 = 0,203 có nghĩa khi biến QHCC thay đổi 1 đơn vị trong khi các biến khác không thay đổi thì DGC biến động cùng chiều 0,203 đơn vị.
Hệ số β4= 0,419 có nghĩa khi biến BHCN thay đổi 1 đơn vị trong khi các biến khác không thay đổi thì DGC biến động cùng chiều 0,419 đơn vị.
Qua mô hình, ta thấy các biến độc lập “QC”, “KM”, “QHCC”, “BHCN” đều ảnh hưởng cùng chiều đến biến phụ thuộc “DGC”. Trong đó biến độc lập “Bán hàng cá nhân” có hệ số Beta lớn nhất nên nó có ảnh hưởng lớn nhất đến biến phụ thuộc “Đánh giá chung” thể hiện sự hài lòng của khách hàng đối với chính sách xúc tiến hỗn hợp của công ty. Vì vậy công ty Lion nên có những chính sách để nâng cao các yếu tố ảnh hưởng trên nhất là bán hàng cá nhân.
Dò tìm các trường hợp vi phạm giả định cần thiết:
Kiểm định sự tự tương quan
Đại lượng Durbin-Watson là đại lượng dùng để kiểm định tự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất). Dựa vào bảng trên ta thấy giá trị Durbin-Watson = 1,679 nằm trong khoảng (1; 3) (Phương pháp xử lý theo kinh nghiệm). Qua đó có thể kết luận là mô hình không xảy ra hiện tượng tự tương quan.
Kiểm định đa cộng tuyến
Giá trị VIF (hệ số phóng đại phương sai) dùng để kiểm tra hiện tượng đa cộng tuyến. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008) thì khi VIF vượt quá 10 thì sẽ xảy ra hiện tượng đa cộng tuyến. Qua bảng kết quả phân tích hổi quy ở trên ta thấy VIF của mỗi biến độc lập đều nhỏ hơn 2 nên không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.
Kiểm định phân phối chuẩn của phần dư
Biểu đồ 2. 6: Biểu đồ tần số Histogram của phần dư chuẩn hóa
Phần dư có thể không tuân theo phân phối chuẩn bởi một số lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích…nên chúng ta phải thực hiện nhiều cách khảo sát khác nhau. Trong đó, cách đơn giản nhất là sử dụng biểu đồ tần số của các phần dư Histogram như ở trên.
Ta thấy được một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong đó có dạng hình chuông, phù hợp với dạng đồ thị của phân phối chuẩn. Có giá trị trung bình Mean = -2,29E – 15 và độ lệch chuẩn là 0,984 gần bằng 1 nên ta có thể kết luận rằng phần dư có phân phối chuẩn.
2.3.6 Phân tích đánh giá của khách hàng về chính sách xúc tiến hỗn hợp củacông ty: công ty:
Sử dụng phương pháp kiểm định One Sample T – Test với giá trị kiểm định bằng 4 (mức độ đánh giá đồng ý) để thể hiện sự khác biệt về giá trị trung bình đối với các nhóm nhân tố quảng cáo, khuyến mãi, quan hệ công chúng, bán hàng cá nhân. Qua đó, có thể phân tích đánh giá của khách hàng đối với từng nhóm nhân tố. Thang đo được sử dụng để đo lường sự đồng ý trong nghiên cứu này là thang đo Likert 1 – 5.
1 – Rất không đồng ý 2 – Không đồng ý 3 – Trung lập 4 – Đồng ý
5 – Rất đồng ý
2.3.6.1 Đánh giá của khách hàng đối với yếu tố quảng cáo
Ta có giả thuyết:
H0: Mức độ đánh giá trung bình của khách hàng về quảng cáo = 4 H1: Mức độ đánh giá trung bình của khách hàng về quảng cáo ≠ 4
Bảng 2. 23: Đánh giá của khách hàng đối với nhóm quảng cáo
Tiêu chí Mức độ đồng ý (%) Giá trị trung bình Sig Test value Rất không đồng ý Không đồng ý Trung lập Đồng ý Rất đồng ý QC1 5,4 36,2 43,1 15,4 3,68 0,000 4 QC2 15,4 22,3 60,8 1,5 3,48 0,000 4 QC3 8,5 23,1 47,7 20,8 3,81 0,012 4 QC4 13,8 18,5 66,9 0,8 3,55 0,000 4 QC5 5,4 52,3 41,5 0,8 3,38 0,000 4 QC6 11,5 29,2 49,2 10,0 3,58 0,000 4 (Nguồn: Xử lý số liệu bằng SPSS)
Ở bảng trên ta thấy cao nhất là tiêu chí QC3 – “Quảng cáo của Lion đáng tin cậy” được khách hàng đánh giá cao với 47,7% đồng ý và 20,8% rất đồng ý. Cho thấy công ty Lion cũng đã xây dựng được niềm tin trong lòng khách hàng.
Tiêu chí QC1 – “Quảng cáo của Lion chứa đựng nhiều thông tin hữu ích” cũng được khách hàng đánh giá cao với 43,1% đồng ý và 15,4% rất đồng ý. Công ty Lion đã cung cấp thông tin cần thiết cho khách hàng về sản phẩm, giá cả…trong hoạt động quảng cáo của mình.
Kết quả bảng trên ta thấy, các nhận định được đưa ra cho nhóm “Quảng cáo” có mức ý nghĩa Sig đều nhỏ hơn 0,05 nên đủ cơ sở để bác bỏ giả thuyết H0 ban đầu.
Do đó, tác giả xem xét giá trị trung bình để đưa ra kết luận về ý kiến của các nhận định đã đề ra để điều tra đánh giá từ khách hàng. Ở bảng trên ta thấy, giá trị trung bình của các nhận định trên nằm trong khoảng 3,38 đến 3,81. Như vậy, các khách hàng
có mức độ đồng ý với các nhận định đưa ra về quảng cáo trên mức trung lập nhưng chưa đồng ý hoàn toàn. Nguyên nhân là do quảng cáo của Lion không thực hiện thường xuyên, các bài đăng trên fanpage, website cũng chưa được đầu tư một cách chuyên nghiệp nên công ty cần phải hoàn thiện hoạt động quảng cáo tốt hơn trong thời gian tới.
2.3.6.2 Đánh giá của khách hàng đối với yếu tố khuyến mãi:
Ta có giả thuyết:
H0: Mức độ đánh giá trung bình của khách hàng về khuyến mãi = 4 H1: Mức độ đánh giá trung bình của khách hàng về khuyến mãi ≠ 4