7. Tổng quan tài liệu
3.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
3.3.1. Phân tích nhân tố cho biến độc lập
Kết quả phân tích nhân tố cho thấy chỉ số KMO là 0,891 > 0,5; điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Kết quả kiểm định Barlett’s là 3077,866 với mức ý nghĩa (p_value) sig = 0,000 < 0,05; (bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau trong tổng thể) như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố.
Kết quả các biến trong ma trận xoay Rotated Component Matrix phải lớn hơn 0.5 được giữ lại để tiến hành các phân tích tiếp theo (Phụ lục 3e).
Bảng 3.11. Ma trận xoay nhân tố đối với biến độc lập Nhân tố 1 2 3 4 5 INFO 3. .858 INFO 4. .855 INFO 2. .783 INFO 1. .711 INFO 5. .673 INTE 2. .747 INTE 4. .738 INTE 1. .728 INTE 5. .709 INTE 3. .702 CRED 2. .561 NIRR 3. .799 NIRR 2. .784 NIRR 1. .767 NIRR 4. .743 CRED 4. .859 CRED 3. .817 CRED 1. .796 ENTE 3. .814 ENTE 1. .711 ENTE 2. .626
3.3.2. Phân tích nhân tố EFA đối với biến phụ thuộc
Kết quả sau khi phân tích nhân tố EFA đối với biến phụ thuộc cho thấy chỉ số KMO là 0,719 > 0,5 điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Kết quả kiểm định Barlett’s là 363,368 với mức ý nghĩa (p_value) sig = 0,000 < 0,05; như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố.
Bảng 3.12. Ma trận xoay nhân tố đối với biến phụ thuộc Nhân tố 1 ATTI 2. .919 ATTI 1. .887 ATTI 3. .865
Kết quả phân tích nhân tố EFA cho thấy, các biến độc lập và biến phụ thuộc trong mô hình nghiên cứu đều đạt yêu cầu. Phân tích EFA là phù hợp với dữ liệu nghiên cứu. Kết quả phân tích nhân tố EFA có thể được sử dụng ở bước phân tích tiếp theo.
3.4. HIỆU CHỈNH MÔ HÌNH NGHIÊN CỨU
Với kết quả phân tích ma trận xoay nhân tố ở trên ta nhân thấy một số nhân tố giữ nguyên các biến, một số lại thêm hoặc bớt biến, do vậy ta nhóm gọp các nhân tố và tạm đặt tên lại như sau:
- Nhân tố thứ 1 vẫn bao gồm các biến: INFO_1, INFO_2, INFO_3, INFO_4, INFO_5 và vẫn đặt tên lại cho nhóm nhân tố này là “Tính thông tin” (INFO);
- Nhân tố thứ 2 gồm các biến quan sát: INTE_1, INTE_2, INTE_3, INTE_4, INTE_5, CRED_2, các nhân tố này được nhóm gọp lại và được đặt tên lại là “Tính tương tác”(INTE)
- Nhân tố thứ 3 vẫn bao gồm các biến NIRR_1, NIRR_2, NIRR_3, NIRR_4 và vẫn đặt lại tên cho nhân tố này là “Sự không phiền nhiễu”(NIRR)
- Nhân tố thứ 4 còn lại ba biến quan sát: CRED_1, CRED_3, CRED_4 và đặt tên lại cho nhân tố này là “Sự tin cậy” (CRED)
- Nhân tố thứ 5 vẫn giữ nguyên với ba biến quan sát: ENTE_1, ENTE_2, ENTE_3 và vẫn đặt tên cho nhân tố này là “Giải trí”
Chi tiết nội dung các biến quan sát của từng nhân tố được trình bày đầy đủ trong bảng 3.13:
Bảng 3.13. Tổng hợp thang đo đã hiệu chỉnh
INFO Tính thông tin
INFO_1
Quảng cáo trên mạng xã hội làm tăng sự hiểu biết về sản phẩm dịch vụ
INFO_2
Quảng cáo trên mạng xã hội gợi ý cho biết các thương hiệu đang tìm kiếm
INFO_3
Quảng cáo qua mạng xã hội là 1 kênh thông tin thuận tiện để tìm hiểu về sản phẩm/dịch vụ
INFO_4
Thông tin về sản phẩm/dịch vụ được cập nhật liên tục thông qua quảng cáo trên mạng xã hội
INFO_5 Quảng cáo trên mạng xã hội cung cấp các thông tin tôi cần
INTE Tính tương tác
INTE_1 Quảng cáo trên mạng xã hội giúp mua/tiếp cận sản phẩm/dịch vụ dễ dàng hơn
INTE_2 Có thể trao đổi thông tin thường xuyên với mọi người về sản phẩm/dịch vụ
INTE_3 Quảng cáo qua mạng xã hội giúp biết xu hướng sử dụng/phát triển từ nhiều lĩnh vực khác nhau
INTE_4 Quảng cáo trên mạng xã hội tạo cơ hội giao tiếp hai chiều INTE_5 Có thể nhấp vào các liên kết và nhận thông tin một cách
nhanh chóng
INTE_6 Quảng cáo trên mạng xã hội X như là một kênh tham khảo khi mua hàng
NIRR Sự không phiền nhiễu
NIRR_1 Cảm thấy không bị làm phiền khi xem quảng cáo trên mạng xã hội
NIRR_2 Quảng cáo qua mạng xã hội là không lừa đảo
NIRR_4 Quảng cáo qua mạng xã hội X không gây mất tập trung vào những nội dung khác
CRED Sự tin cậy
CRED_1 Thông tin sản phẩm trên quảng cáo qua mạng xã hội X là đúng sự thật
CRED_3 Quảng cáo trên mạng xã hội là trung thực, một phần xuất phát từ những người đã biết
CRED_4 Quảng cáo qua mạng xã hội X đáng được tin cậy
ENTE Giải trí
ENTER_1 Tôi thấy quảng cáo qua mạng xã hội là rất thú vị
ENTER_2 Hình ảnh quảng cáo trên mạng xã hội bắt mặt có nhiều hiệu ứng sinh động
ENTER_3 Tôi xem quảng cáo qua mạng xã hội để giải trí
ATT Thái độ đối với quảng cáo qua mạng xã hội
ATT1 Tôi thích quảng cáo qua mạng xã hội X
ATT2 Quảng cáo qua mạng xã hôi X làm tôi hài lòng ATT3 Tôi sẽ xem quảng cáo khi vào trang mạng xã hội X
Vậy, chỉ có trường hợp biến quan sát trong từng nhân tố mới thay đổi, còn mô hình nghiên cứu cũng như các giải thuyết ta đưa ra là phù hợp.
3.5. KIỂM TRA MÔ HÌNH GIẢ THUYẾT 3.5.1. Kiểm định hệ số tương quan Pearson 3.5.1. Kiểm định hệ số tương quan Pearson
Giá trị sig của các biến độc lập với với biến phụ thuộc đền có giá trị Sig = 0.000<0.05 có nghĩa tất cả các biến độc lập trong mô hình đều có tương quan với biến phụ thuộc được trình bày cụ thể trong bảng 3.13 sau:
Bảng 3.14. Kiểm định hệ số tương quan Person
ATTI INFO INTE NIRR CRED ENTE
ATTI Pearson Correlation 1 .514** .666** .560** .261** .520** Sig. (2-tailed) .000 .000 .000 .000 .000 N 240 240 240 240 240 240 INFO Pearson Correlation .514** 1 .685** .176** .249** .600** Sig. (2-tailed) .000 .000 .006 .000 .000 N 240 240 240 240 240 240 INTE Pearson Correlation .666** .685** 1 .265** .200** .594** Sig. (2-tailed) .000 .000 .000 .002 .000 N 240 240 240 240 240 240 NIRR Pearson Correlation .560** .176** .265** 1 .388** .212** Sig. (2-tailed) .000 .006 .000 .000 .001 N 240 240 240 240 240 240 CRED Pearson Correlation .261** .249** .200** .388** 1 .316** Sig. (2-tailed) .000 .000 .002 .000 .000 N 240 240 240 240 240 240 ENTE Pearson Correlation .520** .600** .594** .212** .316** 1 Sig. (2-tailed) .000 .000 .000 .001 .000 N 240 240 240 240 240 240
Hệ số tương quan Pearson càng tiến về 1 càng tương quan mạnh. Ngược lại, hệ số này càng tiến gần về 0 thì tương quan càng yếu. Với kết quả phân tích ở bảng bên dưới ta nhận thấy rằng: Yếu tố tính thông tin (hệ số Pearson = 0,514), yếu tố tính tương tác (hệ số Pearson = 0.666), yếu tố sự không phiền nhiễu (hệ số Pearson = 0,560), và yếu tố giải trí (hệ số Pearson = 0,520) có tương quan đáng kể với thái độ đối với quảng cáo qua mạng xã hội, còn yếu tố sự tin cậy (hệ số Pearson = 0,261) có tương quan ít hơn.
Như vậy, các biến độc lập trong mô hình hồi quy có quan hệ tuyến tính với biến phụ thuộc và có thể đưa các biến độc lập này vào mô hình hồi quy để giải thích cho sự thay đổi của biến thái độ đối với quảng cáo qua mạng xã hội.
3.5.2. Phân tích hồi quy tuyến tính bội
Sau khi chạy mô hình phân tích hồi quy tuyến tính cho kết quả như bảng 3.14, bảng 3.15, bảng 3.16 sau: Bảng 3.15. Mô hình tóm tắt Mô hình R R2 R 2 hiệu chỉnh
Sai số chuẩn của ước lượng
Durbin- Watson 1
.789 .622 .614 .56942 1.903
Bảng 3.16. Kết quả phân tích phương sai
Mô hình Tổng bình phương df Bình phương trung bình F Mức ý nghĩa 1 Hồi quy 124.795 5 24.959 76.978 .000 Phần dư 75.871 234 .324 Tổng 200.666 239
Bảng 3.17. Kết quả hồi quy
Model Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Mức ý nghĩa Tính cộng tuyến thống kê B Std. Error Beta Toleran ce VIF 1 -.735 .202 -3.628 .000 INFO .069 .058 .070 1.199 .232 .468 2.138 INTE .512 .071 .426 7.194 .000 .461 2.171 NIRR .446 .047 .424 9.483 .000 .809 1.237 CRED .059 .049 .054 1.196 .233 .782 1.278 ENTE .150 .054 .151 2.795 .006 .551 1.816
a. Kiểm tra hiện tượng đa cộng tuyến và tự tương quan
Kết quả trên cho thấy hệ số chấp nhận (Tolerance) đều nhỏ hơn 1 và hệ số phóng đại phương sai VIF rất nhỏ (< 5) nên các biến độc lập trong mô hình nghiên cứu không có quan hệ chặt chẽ với nhau do đó không có hiện tượng đa cộng tuyến xảy ra. Điều này cho thấy, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy. Giá trị Durbin-Watson = 1,903 nên không có hiện tượng tự tương quan.
b. Kiểm định độ phù hợp của mô hình
Hệ số R2 điều chỉnh bằng 0,614 nghĩa là mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 61,4%; tức là các biến độc lập giải thích được 61,4% biến thiên của biến phụ thuộc thái độ đối với quảng cáo qua mạng xã hội.
Giá trị Sig trong bảng Anova = 0,000 < 0,05 điều này cho thấy mô hình hồi quy bội vừa xây dựng là phù hợp với tổng thể nghiên cứu và có thể sử dụng được.
Đo lường đa cộng tuyến: Hệ số phóng đại phương sai VIF của các biến là nhỏ (lớn nhất là VIF tc = 2,138 < 5). Do đó, hầu như các biến độc lập không có hiện tượng đa cộng tuyến xảy ra nên không có ảnh hưởng đến kết quả hồi quy.
c. Kiểm định các giả thuyết trong mô hình
Từ mô hình phân tích hồi qui, ta có thể đi đến bác bỏ hoặc chấp nhận các giả thuyết thống kê với mức ý nghĩa là 5%. Sau đây là bảng tổng hợp việc kiểm định các giả thuyết thống kê:
Bảng 3.18. Tổng hợp kiểm định các giả thuyết thống kê
TT Giả thuyết Beta P-
value
Kết luận
(tại mức ý nghĩa 5%)
1
“Tính thông tin” có quan hệ dương (+) với “thái độ đối với quảng cáo qua MXH”
.070 .232 Bác bỏ
2
“Tính tương tác” có quan hệ dương (+) với “thái độ đối với quảng cáo qua MXH”
.426 .000 Chấp nhận
3
“Sự không phiền nhiễu” có quan hệ dương (+) với “thái độ đối với quảng cáo qua MXH”
.424 .000 Chấp nhận
4
“Sự tin cậy” có quan hệ dương (+) với “thái độ đối với quảng cáo qua MXH”
.054 .233 Bác bỏ
5
“Giải trí” có quan hệ dương (+) với “thái độ đối với quảng cáo qua MXH”
.151 .006 Chấp nhận
Kết luận:
Từ tất cả các kiểm định trên ta có thể thấy rằng mô hình hồi quy được lựa chọn là phù hợp. Kết quả mô hình hồi quy như sau:
ATT = 0,426*INTE + 0,424*NIRR+ 0.151*ENTE
Trong đó:
-ATT: Thái độ đối với quảng cáo qua mạng xã hội -INTE: Tính tương tác
-NIRR: Sự không phiền nhiễu -ENTE: Giải trí
Từ phương trình hồi quy như trên thấy rõ mức độ ảnh hưởng của từng nhân tố đến thái độ đối với quảng cáo qua mạng xã hội. Các nhân tố ảnh hưởng bao gồm: Nhân tố tính tương tác, nhân tố sự không phiền nhiễu và nhân tố giải trí. Nhân tố ảnh hưởng mạnh nhất đến thái độ đối với quảng cáo qua mạng xã hội là tính tương tác, nhân tố này đóng vai trò tác động mạnh nhất đến thái độ của người tiêu dùng khi tiếp xúc với các quảng cáo qua mạng xã hội, khi tính tương tác tăng lên một đơn vị đồng thời các yếu tố khác không thay đổi thì thái độ đối với quảng cáo qua mạng xã hội tăng lên đến 0,426 lần. Nhân tố thứ 2 góp phần tác động đến thái độ đối với quảng cáo qua mạng xã hội của người tiêu dùng là sự không phiền nhiễu. Nếu quảng cáo qua mạng xã hội không mang lại sự phiền nhiễu cho người tiếp xúc nó thì ảnh hưởng rất lớn đến thái độ của họ đối với quảng cáo, cụ thể tăng đến 0,424 lần. Nhân tố cuối cùng ảnh hưởng đến thái độ đối với quảng cáo qua mạng xã hội là nhân tố giải trí. Khi nội dung quảng cáo có tính giải trí cao sẽ ảnh hưởng đến thái độ đối với người tiêu dùng, cụ thể gấp 0,151 lần. Có thể nói, tất cả các yếu tố này đều ảnh hưởng tích cực đến thái độ đối với quảng cáo qua mạng xã hội.
3.6. PHÂN TÍCH SỰ KHÁC BIỆT THEO NHÓM YẾU TỐ CÁ NHÂN ĐỐI VỚI THÁI ĐỘ CỦA NGƯỜI TIÊU DÙNG KHI TIẾP XÚC VỚI CÁC QUẢNG CÁO QUA MẠNG XÃ HỘI
3.6.1. Phân tích sự khác biệt theo giới tính
Kết quả kiểm định phương sai theo giới tính cho biết phương sai của thái độ đối với quảng cáo qua mạng xã hội có bằng nhau hay khác nhau giữa Nữ và Nam. Sig. của thống kê Levene = 0,002 (< 0,05) nên ở độ tin cậy 95% giả thuyết H0: “Phương sai bằng nhau” được bác bỏ và chấp nhận đối thuyết H1: “Phương sai khác nhau”. Kiểm định T-Test có mức ý nghĩa Sig. = 0,205 (>0,05) nên có thể khẳng định không có sự khác biệt trung bình giữa thái độ đối với quảng cáo qua mạng xã hội của nam và nữ (Phụ lục 5a).
3.6.2. Phân tích sự khác biệt theo độ tuổi
Kết quả của kiểm định Levene (Test of Homogebeuty of Variances): mức ý nghĩa sig. là 0,959 > 0,05; nên ở độ tin cậy 95% giả thuyết H0: “Phương sai bằng nhau” được chấp nhận và bác bỏ đối thuyết H1: “Phương sai khác nhau”. Và do đó kết quả phân tích ANOVA có thể sử dụng.
Kết quả phân tích ANOVA với Sig. là 0,310 lớn hơn 0,05. Như vậy ta bác bỏ giả thuyết H0 “Trung bình bằng nhau”. Với dữ liệu quan sát chưa đủ điều kiện để khẳng định có sự khác biệt về thái độ đối với quảng cáo qua mạng xã hội giữa các nhóm tuổi khác nhau (Phụ lục 5b).
3.6.3. Phân tích sự khác biệt theo thu nhập
Sig. của thống kê Levene = 0,504 (> 0,05) nên ở độ tin cậy 95% giả thuyết H0: “Phương sai bằng nhau” được chấp nhận, và bác bỏ giả thuyết H1: “Phương sai khác nhau”. Và do đó kết quả phân tích ANOVA có thể sử dụng.
Kết quả phân tích ANOVA với Sig. là 0,488 > 0,05. Như vậy ta bác bỏ giả thuyết H0 “Trung bình bằng nhau”. Với dữ liệu quan sát chưa đủ điều kiện để khẳng định có sự khác biệt về thái độ của người tiêu dùng đối với quảng cáo qua mạng xã hội giữa các nhóm thu nhập khác nhau (Phụ lục 5c).
3.6.4. Phân tích sự khác biệt theo trình độ học vấn
Sig. của thống kê Levene = 0,323 (> 0,05) nên ở độ tin cậy 95% giả thuyết H0: “Phương sai bằng nhau” được chấp nhận. Và do đó kết quả phân tích ANOVA có thể sử dụng.
Kết quả phân tích ANOVA với Sig. là 0,055 > 0,05. Như vậy ta bác bỏ giả thuyết H0 “Trung bình bằng nhau”. Với dữ liệu quan sát chưa đủ điều kiện để khẳng định có sự khác biệt về thái độ đối với quảng cáo qua mạng xã hội của người tiêu dùng giữa các nhóm trình độ học vấn (Phụ lục 5d).
TÓM TẮT CHƯƠNG 3
Nội dung chương 3 đi vào phân tích dữ liệu thu thập. Ở phần đầu của chương thống kê mô tả mẫu được thực hiện nhằm đánh giá tỷ lệ thành phần tham gia phỏng vấn.
Trong chương này tác giả tiến hành đánh giá độ tin cậy Cronbach’ Alpha của từng nhân tố, thực hiện phân tích nhân tố khám phá EFA nhằm thu nhỏ và tóm tắt các dữ liệu. Với những biến quan sát có hệ số tải nhân tố đạt yêu cầu và gọp lại theo từng nhân tố khác nhau, mỗi nhân tố sẽ được tạo nên một nhân tố diện để tiến hành phân tích tương quan Person nhằm kiểm tra mối tương quan giữa biến độc lập với biến phụ thuộc hoặc giữa các biến độc