Trong 230 ngƣời đƣợc khảo sát có 184 ngƣời tham gia trả lời là nữ (chiếm 80%) và có 46 ngƣời tham gia trả lời là nam (chiếm 20%). Điều này cho thấy có sự chênh lệch giữa giới tính của các đối tƣợng tham gia khảo sát.
Biểu đồ 4.1. Phân loại mẫu theo giới tính 4.2.2. Phân loại theo trình độ
Trong 230 ngƣời đƣợc khảo sát có 82 ngƣời tham gia trả lời là dƣới PTTH, chiếm 35.7%, trình độ PTTH- Trung cấp chiếm 18,7%, trình độ đại học chiếm 37.4%, còn lại là sau đại học. Điều này cho thấy có sự chênh lệch giữa các trình độ của các đối tƣợng tham gia khảo sát.
Biểu đồ 4.2. Phân loại mẫu theo trình độ 4.2.3. Phân loại độ tuổi
Trong 230 ngƣời đƣợc hỏi có 116 ngƣời tham gia trả lời là từ 18-30 tuổi, chiếm tỷ trọng lớn nhất. Nhóm tuổi từ 31 đến 40 là 23%, còn lại là 26.5% trong độ tuổi từ 41 đến 50 tuổi.
Biểu đồ 4.3. Phân loại mẫu theo độ tuổi 4.3. Phân tích độ tin cậy và độ phù hợp của thang đo
Nhƣ đã trình bày trong phần trƣớc, thang đo trải nghiệm thƣơng hiệu có 5 biến quan sát, thang đo nhân tố tính cách thƣơng hiệu có 5 biến quan sát, thang đo
hình ảnh thƣơng hiệu có 4 biến quan sát, thang đo niềm tin thƣơng hiệu có 4 biến quan sát, thang đo lòng trung thành thƣơng hiệu có 4 biến quan sát. Các thang đo đƣợc đánh giá sơ bộ qua hai công cụ chính: (1) Hệ số tin cậy Cronbach alpha và (2) phƣơng pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis). Hệ số Cronbach alpha đƣợc sử dụng trƣớc để loại biến có hệ số tƣơng quan biến tổng (itemtotal correlation) nhỏ hơn 0.30, đồng thời tiêu chuẩn để chọn thang đo khi nó có độ tin cậy alpha từ 0.60 trở lên (Thọ & Trang 2003). Tuy nhiên, để nâng cao sự tịn cậy của kết quả nghiên cứu, trong nghiên cứu này, tác giả chọn mức Cronbach alpha từ 0.7 trở lên để phân tích.
Sau đó sử dụng tiếp phƣơng pháp EFA. Các biến có trọng số tải nhân tố (factor loading) nhỏ hơn 0.50 sẽ tiếp tục bị loại (Hair & cộng sự 1998). Bên cạnh
đó, cũng phải quan tâm đến tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố >= 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & AlTamimi 2003). Phƣơng pháp trích hệ số đƣợc sử dụng là sử dụng principal components với phép xoay varimax cho thang đo mức độ hài lòng, lòng trung thành và các nhân tố tác động nên sự hài lòng và lòng trung thành của khách hàng. Thang đo đƣợc chấp nhận khi tổng phƣơng sai trích đƣợc bằng hoặc lớn hơn 50% (Thọ & Trang 2003).
4.3.1. Hệ số Cronbach’s alpha
Thang đo nhân tố trải nghiệm thƣơng hiệu có hệ số Cronbach‟s alpha chấp nhận đƣợc là 0.923. Ta thấy nếu bỏ đi bất cứ biến nào trong nhân tố này thì hệ số alpha đều giảm. Ngoài ra với hệ số tƣơng quan biến tổng đều lớn hơn 0.4 nên tất cả các biến đều đƣợc giữ lại vì chúng đảm bảo độ tin cậy của thang đo.
Bảng 4.2. Kết quả kiểm định Cronbach’s alpha thang đo “trải nghiệm
thƣơng hiệu” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,923 ,925 5
Nguồn : Kết quả tính toán của tác giả
Bảng 4.3. Kết quả Cronbach’s alpha thang đo “trải nghiệm thƣơng
hiệu”
Biến Thang đo trung bình nếu loại bỏ
biến
Phƣơng sai Thang đo nếu
loại bỏ biến Hệ số tƣơng quan biến tổng Hệ số Alpha nếu loại bỏ biến TNTH1 15,1174 20,314 ,811 ,905 TNTH2 16,0478 18,308 ,756 ,916 TNTH3 15,4522 19,026 ,797 ,905 TNTH4 15,3826 18,604 ,855 ,894 TNTH5 15,4435 18,772 ,801 ,905
Thang đo nhân tố Hình ảnh thƣơng hiệu có hệ số Cronbach‟s alpha chấp nhận đƣợc là 0.886. Ta thấy nếu bỏ đi bất cứ biến nào trong nhân tố này thì hệ số alpha đều giảm. Ngoài ra với hệ số tƣơng quan biến tổng đều lớn hơn 0.4 nên tất cả các biến đều đƣợc giữ lại vì chúng đảm bảo độ tin cậy của thang đo.
Bảng 4.4. Kết quả kiểm định Cronbach’s alpha thang đo“Hình ảnh thƣơng hiệu” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,886 ,886 4
Bảng 4.5. Kết quả Cronbach’s alpha thang đo“Hình ảnh thƣơng hiệu”
Biến Thang đo trung bình nếu loại bỏ
biến
Phƣơng sai Thang đo nếu
loại bỏ biến Hệ số tƣơng quan biến tổng Hệ số Alpha nếu loại bỏ biến HATH1 12,8652 7,121 ,796 ,837 HATH2 13,0522 6,836 ,782 ,842 HATH3 12,7522 7,960 ,644 ,892 HATH4 12,8913 7,137 ,788 ,840
Nguồn : Kết quả tính toán của tác giả
Thang đo nhân tố Niềm tin thƣơng hiệu có hệ số Cronbach‟s alpha chấp nhận đƣợc là 0.86. Ta thấy nếu bỏ đi bất cứ biến nào trong nhân tố này thì hệ số alpha đều giảm. Ngoài ra với hệ số tƣơng quan biến tổng đều lớn hơn 0.4 nên tất cả các biến đều đƣợc giữ lại vì chúng đảm bảo độ tin cậy của thang đo.
Bảng 4.6. Kết quả kiểm định Cronbach’s alpha thang đo“niềm tin thƣơng hiệu ” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,861 ,866 4
Bảng 4.7. Kết quả Cronbach’s alpha thang đo“niềm tin thƣơng hiệu ”
Biến Thang đo trung bình nếu loại bỏ
biến
Phƣơng sai Thang đo nếu
loại bỏ biến Hệ số tƣơng quan biến tổng Hệ số Alpha nếu loại bỏ biến NTTH1 12,3652 4,958 ,705 ,823 NTTH2 12,3870 4,815 ,807 ,786 NTTH3 12,4565 5,227 ,630 ,852 NTTH4 12,6043 4,196 ,719 ,826 Cronbach‟s alpha = 0.861
Nguồn : Kết quả tính toán của tác giả
Thang đo nhân tố Tính cách thƣơng hiệu có hệ số Cronbach‟s alpha chấp nhận đƣợc là 0.857. Ta thấy nếu bỏ đi bất cứ biến nào trong nhân tố này thì hệ số alpha đều giảm. Ngoài ra với hệ số tƣơng quan biến tổng đều lớn hơn 0.4 nên tất cả các biến đều đƣợc giữ lại vì chúng đảm bảo độ tin cậy của thang đo.
Bảng 4.8. Kết quả Cronbach’s alpha thang đo“Tính cách thƣơng hiệu ” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,857 ,858 5
Bảng 4.9. Kết quả Cronbach’s alpha thang đo“Tính cách thƣơng hiệu ”
Biến Thang đo trung bình nếu loại bỏ
biến
Phƣơng sai Thang đo nếu
loại bỏ biến Hệ số tƣơng quan biến tổng Hệ số Alpha nếu loại bỏ biến TCTH1 12,9478 13,028 ,539 ,862 TCTH2 13,1696 11,932 ,782 ,799 TCTH3 12,8826 13,196 ,660 ,832 TCTH4 12,8696 12,874 ,605 ,844 Cronbach‟s alpha = 0.857
Nguồn : Kết quả tính toán của tác giả
Thang đo nhân tố Sự trung thành thƣơng hiệu có hệ số Cronbach‟s alpha chấp nhận đƣợc là 0.830. Ta thấy nếu bỏ đi bất cứ biến nào trong nhân tố này thì hệ
số alpha đều giảm. Ngoài ra với hệ số tƣơng quan biến tổng đều lớn hơn 0.4 nên tất cả các biến đều đƣợc giữ lại vì chúng đảm bảo độ tin cậy của thang đo.
Bảng 4.10. Kết quả kiểm định Cronbach’s alpha thang đo“Sự trung thành thƣơng hiệu”
Reliability Statistics
Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items
,830 ,830 4
Bảng 4.11. Kết quả Cronbach’s alpha thang đo“Sự trung thành thƣơng hiệu”
Nguồn : Kết quả tính toán của tác giả
4.3.2. Phân tích nhân tố EFA
Theo Nguyễn Đình Thọ (2011, tr. 364) thì "Phƣơng pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó phụ thuộc vào mối tƣơng quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát)". Và cũng theo tác giả Nguyễn Đình Thọ thì không nên loại bỏ các biến có trọng số nhân tố > 0.4 và chênh lệnh trọng số giữa 2 nhân tố > 0.3. Tổng phƣơng sai trích phải đạt từ 50% trở lên (từ 60% trở lên là tốt). Hệ số KMO phải > 0.5. Ngoài ra, tiêu chí eigenvalue đƣợc sử dụng để xác định số lƣợng nhân tố trong phân tích EFA. Với tiêu chí này, số lƣợng nhân tố đƣợc xác định ở nhân tố có eigenvalue ≥ 1.
4.3.2.1. Phân tích nhân tố các biến quan sát thuộc nhóm biến độc lập
Để thực hiện quá trình phân tích này, tác giả đã sử dụng phƣơng pháp xoay nhân tố (factor rotation) với phép xoay vuông góc. Việc phân tích đƣợc thực hiện
Biến Thang đo trung bình nếu loại bỏ biến
Phƣơng sai Thang đo nếu loại bỏ biến
Hệ số tƣơng quan biến tổng
Hệ số Alpha nếu loại bỏ biến
TTTH1 13,6000 3,516 ,693 ,770
TTTH2 13,6739 3,435 ,655 ,788
TTTH3 13,6522 3,861 ,550 ,832
TTTH4 13,6739 3,356 ,740 ,748
theo phƣơng pháp đƣa các thang đo của các nhân tố trải nghiệm thƣơng hiệu, tính cách thƣơng hiệu, hình ảnh thƣơng hiệu và niềm tin thƣơng hiệu để phân tích.
Bảng 4.12. Kết quả kiểm định KMO của các nhân tố độc lập KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,820 Bartlett's Test of Sphericity
Approx. Chi-Square 2781.546
df 153
Sig. ,000
Nguồn : Kết quả tính toán của tác giả
Kết quả cho thấy có 04 nhân tố đƣợc trích tại Eigenvalue là 5.58 và phƣơng sai trích đƣợc 72.74 % (điều này có ý nghĩa 4 nhân tố này giải thích đƣợc 72.74% biến thiên của dữ liệu), với chỉ số KMO là 0.820> 0.5 (đạt yêu cầu). Quá trình phân tích EFA hoàn tất vì đã đạt độ tin cậy về mặt thống kê.
Bảng 4.13. Kết quả phân tích nhân tố Rotated Component Matrixa
Component 1 2 3 4 TNTH4 ,894 TNTH5 ,860 TNTH2 ,859 TNTH3 ,859 TNTH1 ,830 TCTH5 ,889 TCTH2 ,885 TCTH3 ,745 TCTH4 ,718 TCTH1 ,660 HATH1 ,884 HATH4 ,871 HATH2 ,866 HATH3 ,773 NTTH2 ,851 NTTH1 ,829 NTTH4 ,791 NTTH3 ,783
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
4.3.2.2. Phân tích nhân tố biến phụ thuộc
Sau khi phân tích EFA cho thấy có 01 nhân tố đƣợc trích tại Eigenvalue là 2.659 và phƣơng sai trích đƣợc 66.47% (điều này có ý nghĩa 01 nhân tố này giải thích đƣợc 66.47% biến thiên của dữ liệu), với chỉ số KMO là 0.725 > 0.5 (đạt yêu cầu). Quá trình phân tích EFA hoàn tất vì đã đạt độ tin cậy về mặt thống kê.
Bảng 4.14. Kết quả kiểm định KMO của nhân tố phụ thuộc
Kiểm định Kaiser-Meyer-Olkin về sự thích hợp của mẫu 0,725 Kiểm định
Bartlett's về cấu hình của mẫu Mức ý nghĩa
378.791 6 ,000
Bảng 4.15. Tổng phƣơng sai giải thích biến phụ thuộc Component Matrixa Component 1 TTTH4 0,869 TTTH1 0,837 TTTH2 0,819 TTTH3 0,730
4.4. Phân tích tƣơng quan và hồi quy 4.4.1. Kiểm định hệ số tƣơng quan R 4.4.1. Kiểm định hệ số tƣơng quan R
Qua bảng phân tích tƣơng quan, có thể thấy rằng Hệ số tƣơng quan Pearson giữa các biến độc lập và biến phụ thuộc có tƣơng quan tuyến tính với nhau và có ý nghĩa thống kê, tƣơng quan cao nhất là giữa thang đo “hình ảnh thương hiệu ” có r = 0.492
Bảng 4.16. Kiểm định tƣơng quan
TTTH TNTH TCTH HATH NTTH
TTTH
Pearson Correlation 1 0,462** 0,467** 0,492** 0,437**
Sig. (2-tailed) ,000 ,000 ,000 ,000
4.4.2. Phân tích hồi quy tuyến tính
Việc phân tích hồi quy tuyến tính giúp ta xác định mức độ ảnh hƣởng của biến độc lập lên biến phụ thuộc. Ta có phƣơng trình tổng quát đƣợc xây dựng nhƣ sau:
TTTH =ß0 +0.265* TNTH + 0.314*TCTH + 0.282*HATH + 0.235*NTTH+ ei
Trong đó:
Biến phụ thuộc: TTTH - Sự trung thành thƣơng hiệu
Biến độc lập: TNTH- Trải nghiệm thƣơng hiệu; TCTH- Tính cách thƣơng hiệu; HATH- Hình ảnh thƣơng hiệu; NTTH- Niềm tin thƣơng hiệu
ei: sai số Bảng 4.17. Hệ số cầu trúc Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -1,257E-016 ,047 ,000 1,000 TNTH ,265 ,050 ,265 5,273 ,000 TCTH ,314 ,049 ,314 6,393 ,000 HATH ,282 ,052 ,282 5,381 ,000 NTTH ,235 ,051 ,235 4,590 ,000 Bảng 4.18. Hệ số tƣơng quan
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,714a ,510 ,502 ,70596139 Bảng 4.19. ANOVA ANOVAa Model Sum of Squares df Mean Square F Sig. Durbin- Watson 1 Regression 116,864 4 29,216 58,622 Residual 112,136 225 ,498 ,0000 1,301 Total 229,000 229 a. Dependent Variable: TTTH
Kết quả phân tích hồi quy chỉ ra sự phù hợp với dữ liệu phân tích, hệ số R2 = 0.510, và khác 0 (p < 0.000). Điều này nói rằng, các biến độc lập trong mô hình giải thích đƣợc 51.0% sự biến thiên của sự trung thành thƣơng hiệu của công ty Cổ phần Sữa Việt Nam của những ngƣời trong mẫu điều tra. Ngoài ra, giá trị thống kê Durbin-Watson = 1.31 (Bảng 4.19) xấp xỉ 2.0 nên có thể nhận định rằng hiện tƣợng tự tƣơng quan là không xảy ra. Kết quả phân tích cũng không cho thấy sự cộng tuyến cao giữa các biến độc lập khi không có giá trị VIF nào cao hơn 2.0.
4.4.3. Dò tìm sự vi phạm các giả định cần thiết trong mô hình hồi quy
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát đƣợc. Từ các kết quả quan sát đƣợc trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết và những chuẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ƣớc lƣợng đƣợc không đáng tin cậy nữa. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Vì vậy, ta cần thực hiện kiểm định các giả thiết cần thiết trong mô hình hồi quy có vi phạm hay không gồm các giả định sau:
4.4.3.1. Kiểm định hiện tƣợng đa cộng tuyến
Nếu hiện tƣợng đa cộng tuyến xuất hiện thì có thể sẽ dẫn đến hậu quả nghiêm trọng trong phân tích hồi quy nhƣ kiểm định t không có ý nghĩa, dấu của các ƣớc lƣợng hệ số hồi quy có thể sai… Do đó, trong mô hình hồi quy bội, chúng ta giả định là giữa các biến độc lập không có hiện tƣợng đa cộng tuyến và chỉ số thƣờng đƣợc dùng để kiểm tra hiện tƣợng này là hệ số phóng đại phƣơng sai VIF (Variance Inflation Fator). VIF càng nhỏ thì hiện tƣợng đa cộng tuyến càng giảm. Trong thực tế, chỉ số VIF nhỏ hơn 2 là chấp nhận đƣợc. Kết quả kiểm định đa cộng tuyến của mô hình cho thấy hệ số VIF của các biến độc lập nhỏ hơn 2. Điều này chứng tỏ các biến độc lập của mô hình nghiên cứu không có tƣơng quan hoàn toàn với nhau và hiện tƣợng đa cộng tuyến không xảy ra trong mô hình này.
4.4.3.2. Giả định về phân phối chuẩn của phần dƣ
Theo Hoàng Trọng & Mộng Ngọc (2008), phần dƣ có thể không tuân theo phân phối chuẩn vì nhiều lý do: mô hình không đúng, số lƣợng phần dƣ không đủ
nhiều để phân tích, phƣơng sai không phải là hằng số… Hình 4.10 cho thấy một đƣờng cong phân phối chuẩn đƣợc đặt chồng lên biểu đồ tần suất. Có thể nói phân phối phần dƣ xấp xỉ chuẩn với độ lệch chuẩn Std.Dev = 0.991 (tức gần bằng 1). Ngoài ra, đồ thị P-P plot cho thấy các điểm quan sát không phân tán quá xa đƣờng thẳng kỳ vọng. Do đó ta có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
Hình 4.1. Phân phối chuẩn của phần dƣ
4.4.3.3. Giả định phƣơng sai của phần dƣ không đổi đồ thị phân tán
Hình 4.2 ở trên cho thấy phần dƣ phân tán ngẫu nhiên xung quanh đƣờng đi qua tung độ 0 chứ không tạo nên hình dạng nào. Nhƣ vậy, giả định về phƣơng sai không đổi của mô hình không bị vi phạm.
4.4.3.4. Giả định về tính độc lập của phần dƣ
Quan sát kiểm định Dubin-Watson của mô hình nghiên cứu ta thấy hệ số DubinWatton của mô hình nghiên cứu có giá trị d = 1.31 (Bảng 4.19, lớn hơn 1 và nhỏ hơn 3), do đó có thể kết luận là không có sự tƣơng quan giữa các phần dƣ. 4.4.3.5. Giả định liên hệ tuyến tính
Phƣơng pháp đƣợc sử dụng là đồ thị phân tán Scatterplot với giá trị phần dƣ chuẩn hóa trên trục tung và giá trị dự báo chuẩn hóa trên trục hoành. Nếu giả định liên hệ tuyến tính và phƣơng sai bằng nhau đƣợc thỏa mãn, thì ta sẽ không nhận