4.2.2.1 Phân tích EFA cho biến độc lập
EFA l n 1 ầ
Bảng 4.7 Phân tích ki: ểm định KMO and Bartlett’s biến độ ậc l p lần 1
Đo lường lấy mẫu tương thích Kaiser – Meyer – Olkin .854
Kiểm định xoay Bartlett
Chi – Square xấp xỉ 4494.903
Bậc tự do df 276
Sig. .000
Phương sai trích 61.418% > 50%
Giá trị Eigenvalue 1.083 > 1
Theo kết quả trong Bảng 4.7, ta có thể nhận thấy rằng dữ liệu hoàn toàn phù hợp để phân tích nhân tố khám phá EFA:
Hệ số KMO = 0.854 (0.5 < KMO < 1), cho thấy phân tích nhân tố là phù hợp. Hệ số Sig. của kiểm định Bartlett với sig. = 0.000 (<0.05) thì các biến quan sát có
tương quan với nhau trong tổng thể.
Hệ số Eigenvalue thấp nhất = 1.083 > 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 %) = 61.418% > 50%. Điều này chứng tỏ 61.418% biến thiên của dữ liệu được giải thích
bởi các nhân tố trong phép xoay. Bảng 4.8: Ma trận xoay nhân tốbiến độ ậc l p l n 1 ầ Mã hóa Nhân tố 1 2 3 4 5 6 CL2 .811 CL1 .805 CL3 .787 CL4 .757 KM3 .809 KM1 .803 KM2 .798 KM4 .759 KM5 .553 DD5 .726 DD6 .693 DD4 .630 .433 DD3 .618 .395 DD2 .611 .330 DD1 .578 .375 CL6 .361 .681 CL5 .430 .664 CL7 .471 .570 PH1 .749 PH3 .639 PH2 .376 .533 PH4 .522 .370 PH5 .873 PH6 .772
Các biến DD4, DD3, DD2, DD1, CL5, CL7, PH2, PH4 tải lên 2 nhóm nhân tố và chênh lệch hệ số tải nhỏ hơn 0.3, còn lại đều phù hợp. Kết quả phân tích EFA trình bày ở bảng 4.8 cho thấy 24 biến quan sát hội tụ vào 6 nhân tố. Các biến không phù hợp sẽ bị loại và tiến hành phân tích lại các nhân tố còn lại.
EFA l n 2 ầ
Bảng 4.9 Phân tích ki: ểm định KMO và Bartlett biến độ ậc l p lần 2
Đo lường lấy mẫu tương thích Kaiser – Meyer – Olkin .822
Kiểm định xoay Bartlett
Chi – Square xấp xỉ 2759.946
Bậc tự do df 120
Sig. .000
Phương sai trích 66.782% > 50%
Giá trị Eigenvalue 1.036 > 1
Theo kết quả trong bảng 4.9, ta có thể nhận thấy rằng dữ liệu hoàn toàn phù hợp để phân tích nhân tố khám phá EFA:
Hệ số KMO = 0.822 (0.5 < KMO < 1), cho thấy phân tích nhân tố là phù hợp. Hệ số Sig. của kiểm định Bartlett với sig. = 0.000 (<0.05) thì các biến quan sát có
tương quan với nhau trong tổng thể.
Hệ số Eigenvalue thấp nhất = 1.036 > 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 %) = 66.782% > 50%. Điều này chứng tỏ 66.782% biến thiên của dữ liệu được giải thích bởi các nhân tố trong phép xoay.
Theo kết quả trong bảng 4.10 được trình bày dưới đây, ta có thể thấy: Hệ số Factor Loading của hầu hết tất cả các biến đều trên 0.5. Riêng biến CL6 tải lên 2 nhóm nhân tố và chênh lệch hệ số tải nhỏ hơn 0.3. Kết quả phân tích EFA ở bảng 4.10 cho thấy 16 biến quan sát hội tụ vào 5 nhân tố. Biến CL6 sẽ bị loại và tiến hành phân tích lại đối với các biến còn lại.
Bảng 4.10: Ma trận xoay nhân tốbiến độ ậc l p lần 2 Mã hóa Nhân tố 1 2 3 4 5 KM1 .820 KM3 .813 KM2 .801 KM4 .776 KM5 .540 CL1 .837 CL3 .819 CL4 .803 CL2 .783 CL6 .423 .486 PH5 .888 PH6 .812 DD5 .863 DD6 .812 PH1 .795 PH3 .772 EFA l n 3 ầ
Theo kết quả trong Bảng 4.11, ta có thể nhận thấy rằng dữ liệu hoàn toàn phù hợp để phân tích nhân tố khám phá EFA:
Hệ số KMO = 0.803 (0.5 < KMO < 1), cho thấy phân tích nhân tố là phù hợp. Hệ số Sig. của kiểm định Bartlett với sig. = 0.000 (<0.05) thì các biến quan sát có
tương quan với nhau trong tổng thể.
Hệ số Eigenvalue thấp nhất = 1.036 > 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 %) = 68.711% > 50%. Điều này chứng tỏ 68.711% biến thiên của dữ liệu được giải thích bởi các nhân tố trong phép xoay.
Bảng 4.11: Phân tích kiểm định KMO và Bartlett biến độ ậc l p lần 3
Đo lường lấy mẫu tương thích Kaiser – Meyer – Olk in .803
Kiểm định xoay Bartlett
Chi – Square xấp xỉ 2543.381 Bậc tự do df 105 Mức ý nghĩa Sig. .000 Phương sai trích 68.711% > 50% Giá trị Eigenvalue 1.036 > 1 Bảng 4.12: Ma trận xoay nhân tốbiến độ ậc l p lần 3 Mã hóa Nhân tố 1 2 3 4 5 KM1 .822 KM3 .817 KM2 .806 KM4 .780 KM5 .545 CL1 .843 CL3 .821 CL4 .798 CL2 .794 PH5 .888 PH6 .814 DD5 .864 DD6 .811 PH1 .794 PH3 .774
Kết quả phân tích cho thấy các hệ số tải nhân tố đều > 0,5 đảm bảo ý nghĩa, cho nên không có biến nào bị loại. Tuy nhiên, đối với nhân tố Phụ huynh có sự tách biến, tạo thành 2 nhân tố mới, được nhóm tác giả đặt tên như sau: Sự ảnh hưởng hành vi sử dụng rượu bia của phụ huynh (gồm biến PH1, PH3). Quan điểm rượu bia của phụ huynh (gồm biến PH5, PH6)
4.2.2.2 Phân tích EFA cho biến phụ thuộc
Bảng 4.13 Phân tích ki: ểm định KMO và Bartlett biến ph thuụ ộc
Đo lường lấy mẫu tương thích Kaiser – Meyer – Olkin .745
Kiểm định xoay Bartlett
Chi – Square xấp xỉ 330.378
Bậc tự do df 6
Mức ý nghĩa Sig. .000
Phương sai trích 53.107% > 50%
Giá trị Eigenvalue 2.124 > 1
Kết quả phân tích KMO và kiểm định Bartlett biến phụ thuộc cho thấy: Hệ số KMO = 0.745, từ đó cho thấy phân tích nhân tố là phù hợp.
Hệ số Sig. của kiểm định Bartlett với sig. = 0.000 (<0.05) thì các biến quan sát có tương quan với nhau trong tổng thể.
Hệ số Eigenvalue = 2.124 > 1, thì nhân tố rút trích được có ý nghĩa tóm tắt thông tin tốt.
Tổng phương sai trích = 53.107% (>50%). Điều này cho thấy 1 nhân tố rút trích được giải thích 53.107% biến thiên của dữ liệu quan sát.
Bảng 4.14: Ma tr n xoay nhân t ậ ốbiến ph thu c ụ ộ
Mã hóa biến quan sát Hệ số
HV4 .748
HV2 .727
HV3 .724
Dựa vào kết quả từ bảng 4.14 cho thấy các hệ số tải nhân tố đều > 0.5 đảm bảo ý nghĩa, cho nên không có biến nào bị loại.
4.2.3 Điều chỉnh thang đo sau khi phân tích các yếu tốảnh hưởng
Sau khi phân tích nhân tố khám phá EFA, các biến quan sát của các biến độc lập hội tụ vào 5 nhân tố, biến phụ thuộc giữ nguyên trong một nhân tố duy nhất. Các nhân tố được đặt tên và ký hiệu như sau:
Bảng 4.15: Thang đo sau phân tích các yếu t ố ảnh hưởng
Kí hiệu Mã hóa Biến quan sát Nhân tố
BIẾN ĐỘC LẬP
KM
KM1 Nhãn hàng thường xuyên có chương trình khuyến mãi khi ra mắt sản phẩm mới.
CHƯƠNG TRÌNH KHUYẾN
MÃI KM2 Nhãn hàng thường xuyên có những ưu đãi hấp dẫn cho khách hàng cũ.
KM3 Vào những dịp đặc biệt thường xuyên có chương trình khuyến mãi, tặng quà, trúng thưởng, …
KM4 Có nhiều sự kiện được tổ chức để khách hàng trải nghiệm thử sản phẩm
KM5 Tôi thường bị hấp dẫn bởi quà tặng, phần thưởng từ nhãn hàng. CL CL1 Sản phẩm có chất lượng đảm bảo. CHẤT LƯỢNG SẢN PHẨM CL2 Chất lượng sản phẩm đồng nhất. CL3 Mùi vị sản phẩm hấp dẫn. CL4 Sản phẩm có nguồn gốc xuất xứ rõ ràng. DD
DD5 Tôi sử dụng rượu bia để thể hiện “sự sành điệu”.
NHÓM ĐỒNG ĐẲNG DD6 Chúng tôi thường sử dụng rượu bia làm hình phạt cho các trò chơi trong các buổi gặp mặt
Bảng 4.15: Thang đo sau phân tích các yếu t ố ảnh hưởng
HVPH
PH1 Tôi cho rằng cha mẹ sử dụng rượu bia nhiều thì sẽ ảnh
hưởng đến việc sử dụng rượu bia của con cái. HÀNH VI PHỤ HUYNH PH3 Tôi cho rằng con trai sẽ cởi mở với cha mẹ hơn trong việc sử dụng rượu bia.
QD
PH5 Cha mẹ của tôi nghĩ sử dụng rượu bia là xấu và dễ dẫn đến tệ nạn xã hội. QUAN ĐIỂM PHỤ HUYNH PH6 Cha mẹ của tôi cho rằng sử dụng rượu bia gây ảnh hưởng không tốt đến sức khỏe.
BIẾN PHỤ THUỘC
HV
HV1 Tôi quyết định sử dụng rượu bia.
HÀNH VI SỬ DỤNG RƯỢU BIA HV2 Tôi sẽ sử dụng rượu bia trong tương lai.
HV3 Tôi sẽ giới thiệu mọi người sử dụng rượu bia. HV4 Tôi vẫn sử dụng rượu bia dù giá cả có tăng.
Thang đo đã bị thay đổi sau khi phân tích nhân tố khám phá (EFA) với tổng số 5 thang đo độc lập với 15 biến quan sát và 1 thang đo phụ thuộc với 4 biến quan sát. Mô hình đề xuất sau khi phân tích nhân tố khám phá EFA như sau:
4.3 PHÂN TÍCH HỒI QUY CHO MÔ HÌNH
Sau khi tiến hành phân tích hồi quy tuyến tính trên phần mềm SPSS 22.0, ta có kết quả các yếu tố ảnh hưởng tới hành vi sử dụng rượu bia của giới trẻ trong độ tuổi từ 15-26 tuổi tại TP. HCM như sau:
Các hệ số Tolerance đều > 0.0001 nên các biến đều đạt được tiêu chuẩn chấp nhận. Các hệ số phóng đại phương sai VIF đều < 10 nên không có hiện tượng đa cộng tuyến. Hệ số Sig. của 5 biến độc lập đều < 0.05 nên cả 6 biến độc lập này đều được nhận. Đồng thời, các hệ số Beta > 0 cho thấy các biến độc lập tác động thuận chiều với biến
phụ thuộc. Nghĩa là khi tăng bất kỳ một nhân tố nào thì cũng sẽ làm hành vi sử dụng rượu bia ở giới trẻ tăng lên.
Do đó, tất cả các giả thuyết này đều được chấp nhận.
Bảng 4.16: Kết quả phân tích h i quy ồ Mô hình Hệ số hồi quy Hệ số hồi quy đã
chuẩn hóa Giá trị
t Sig.
Chẩn đoán đa cộng tuyến
B Độ lệch
chuẩn Beta Tolerance VIF
1 Hằng số .315 .090 3.492 .001 KM .207 .019 .274 10.873 .000 .823 1.216 CL .165 .019 .222 8.880 .000 .834 1.199 QD .164 .013 .299 12.322 .000 .885 1.130 DD .175 .012 .347 14.805 .000 .951 1.052 HVPH .205 .016 .315 13.055 .000 .897 1.115 Biến phụ thuộc: HV
Mối quan hệ giữa biến phụ thuộc và các biến độc lập được thể hiện trong phương trình hồi quy đa biến sau:
HV: “Hành vi sử dụng rượu bia” (là trung bình của các biến HV1, HV2, HV3, HV4) KM: “Chương trình khuyến mãi” (là trung bình của các biến KM1, KM2, KM3,
KM4, KM5)
CL: “Chất lượng sản phẩm” (là trung bình của các biến CL1, CL2, CL3, CL4) QD: “Quan điểm phụ huynh” (là trung bình của các biến PH5,PH6)
DD: “Nhóm đồng đẳng” (là trung bình của các biến DD5, DD6)
HVPH: “Sự ảnh hưởng của hành vi phụ huynh (là trung bình của các biến PH1, PH3)
Phương trình hồi quy đa biến có dạng như sau:
HV = 0.274*KM + 0.222*CL + 0.299*QD + 0.347*DD + 0.315*HVPH
Với điều kiện các yếu tố khác không đổi, khi yếu tố Chương trình khuyến mãi tăng lên 1 đơn vị thì sẽ làm cho hành vi sử dụng rượu bia của giới trẻ tăng lên 0.274 đơn vị.
Với điều kiện các yếu tố khác không đổi, khi yếu tố Chất lượng sản phẩm tăng lên 1 đơn vị thì sẽ làm cho hành vi sử dụng rượu bia của giới trẻ tăng lên 0.222 đơn vị.
Với điều kiện các yếu tố khác không đổi, khi yếu tố Quan điểm phụ huynh tăng lên 1 đơn vị thì sẽ làm cho hành vi sử dụng rượu bia của giới trẻ tăng lên 0.299 đơn vị.
Với điều kiện các yếu tố khác không đổi, khi yếu tố Nhóm đồng đẳng tăng lên 1 đơn vị thì sẽ làm cho hành vi sử dụng rượu bia của giới trẻ tăng lên 0.347 đơn vị.
Với điều kiện các yếu tố khác không đổi, khi yếu tố Sự ảnh hưởng của hành vi của phụ huynh tăng lên 1 đơn vị thì sẽ làm cho hành vi sử dụng rượu bia của giới trẻ tăng lên 0.315 đơn vị.
Đánh giá ý nghĩa mô hình
Bảng 4.17: Hệ s ố ý nghĩa của mô hình
Mô hình R R2 R2 hiệu chỉnh Độ lệch chuẩn Durbin-Watson
1 .862a .743 .740 .23153 1.864
Qua bảng đánh giá độ phù hợp của mô hình hồi quy Model summary, cho thấy: Ở mức ý nghĩa 5%, hệ số R hiệu chỉnh = 0.740 cho thấy độ phù hợp của mô hình là 2
74.0%. Nói cách khác, các biến độc lập giải thích được 70.4% sự biến thiên của biến phụ thuộc.
Hệ số Durbin Watson = 1.864 nằm trong khoảng từ 0 đến 4 nên không xảy ra hiện tượng - tương quan chuỗi bậc nhất trong mô hình.
Kiểm định sự phù hợp của mô hình
Bảng 4.18: Kết quả phân tích ANOVA c a mô hình ủ
ANOVAa Mô hình Tổng bình phương df Trung bình bình phương Kiểm định F Sig. 1 Hồi quy 76.410 5 15.282 285.086 .000b Phần dư 26.481 494 .054 Tổng 102.891 499 Biến phụ thuộc: HV Biến độc lập: KM, CL, QD, DD, HVPH
Bảng ANOVA cho thấy kết quả kiểm định F có giá trị Sig. = 0.000 (<0.05), nên mô hình sử dụng là phù hợp.
Kiểm định sự vi phạm các giả thuyết hồi quy
Kiểm định hiện tượng tương quan giữa các phần dư: Nhìn vào bảng phân tích hồi quy cho ta thấy hệ số Durbin Watson d = 1.864. Do đó, mô hình nghiên cứu không có hiện - tượng tương quan giữa các phần dư.
Kiểm định đa cộng tuyến: Nhìn vào bảng phân tích hồi quy ta nhận thấy: yếu tố tiến hành kiểm định KM, CL, QD, DD, HVPH thật sự có ý nghĩa tác động đến HV với mức ý nghĩa 5%. Độ chấp nhận các Tolerance (độ chấp nhận của biến) đều nhỏ hơn 1 và các hệ số phóng đại phương sai (VIF) nhỏ hơn 10 nên hiện tượng đa cộng tuyến xảy ra rất thấp (hoặc có thể nói hầu như không xảy ra). Mô hình không vi phạm về đa cộng tuyến.
Hình 4.3: Kiểm định phân ph i chu n c a phố ẩ ủ ần dư
Các phần dư có phân phối chuẩn: Kết quả đồ thị tần số Histogram có giá trị trung bình (Mean) rất nhỏ gần bằng 0 và độ lệch chuẩn là 0.995 xấp xỉ 1. Từ đó có thể kết luận phân phối chuẩn không bị vi phạm.
Phương sai của phần dư không đổi: Nhìn vào biểu đồ cho ta thấy phần dư phân tán ngẫu nhiên xung quanh đường đi của trục tung và trục hoành chứ không tạo nên hình dạng nào. Như vậy nhóm tác giả có thể nói rằng: giả định phương sai không đổi của mô hình hồi quy là không vi phạm.
Sau khi thực hiện các bước kiểm tra ý nghĩa của mô hình, sự phù hợp của mô hình và sự vi phạm của các giả thuyết hồi quy. Nhóm nghiên cứu nhận thấy mô hình hồi quy tuyến tính của biến phụ thuộc HV là phù hợp.
Tóm lại, sau khi phân tích bằng phần mềm SPSS 22.0 ta có mô hình các yếu tố ảnh hưởng tới hành vi sử dụng rượu bia của giới trẻ từ 15 26 tuổi tại Thành phố Hồ Chí Minh - như sau:
Hình 4.5: K t qu mô ế ả hình “Các y u t ế ố ảnh hưởng t i hành vi s dớ ử ụng rượu bia c a ủ
giới trẻ tại thành phố H Chí Minh ồ ”
4.4 KIỂM ĐỊNH SỰ KHÁC BIỆT GIỮA CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN
HÀNH VI SỬ DỤNG RƯỢU BIA CỦA GIỚI TRẺ TẠI TP. HCM
Ở phần này, để kiểm định sự khác biệt giữa các yếu tố ảnh hưởng đến hành vi sử dụng rượu bia của giới trẻ tại TP. HCM, ta sẽ sử dụng 2 công cụ chính là Independent Sample T-Test và One way Anova. Đây là 2 công cụ để kiểm định sự khác biệt giữa biến định lượng với các giá trị của biến định tính trong nghiên cứu hành vi sử dụng rượu bia.Sau khi thực hiện kiểm định, t sẽ biết được liệu có sự khác biệt hay là không giữa các yếu tố nào làm ảnh hưởng đến hành vi (biến hành vi) sử dụng rượu bia có ích cho bài nghiên cứu.