Cronbach (1951) đã đưa ra hệ số tin cậy cho thang đo nhằm đo lường cùng một khái niệm hay dùng để đánh giá độ tin cậy của những thang đo đa biến.
Tiến hành đánh giá độ tin cậy thang đo thông qua hệ số Cronbach’s Alpha, qua đó các biến không phù hợp sẽ bị loại nếu hệ số tương quan biến tổng nhỏ hơn hoặc bằng 0.3, thang đo sẽ được chấp nhận khi hệ số Cronbach’s Alpha lớn hơn hoặc bằng 0.6 (Nunnally & Burnstein, 1994). Cụ thể là:
• Hệ số Cronbach’s Alpha lớn hơn 0,8: hệ số tương quan cao.
• Hệ số Cronbach’s Alpha từ 0,7 đến 0,8: chấp nhận được
• Hệ số Cronbach’s Alpha từ 0,6 đến 0,7 : chấp nhận được nếu thang đo mới.
3.6.3. Phân tích nhân to khám phá (EFA)
Phân tích nhân tố khám phá (EFA) là phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các yếu tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và ctg, 2009). Cụ thể, EFA xác định số lượng các nhân tố ảnh hướng đến một tập các biến đo lường và cường độ mối quan hệ giữa mỗi yếu tố tố với từng biến đo lường.
50
Trong nghiên cứu này, EFA sẽ trả lời câu hỏi liệu các biến quan sát dùng để xem xét sự tác động của các nhân tố ảnh hướng đến giá trị thương hiệu của các doanh nghiệp kinh doanh café dạng chuỗi tại TPHCM có sự tương quan với nhau không và chúng có thể gom lại thành một số nhóm nhân tố ít hơn để xem xét không. Đối với những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo.
Đánh giá kết quả phân tích EFA theo các tiêu chí sau:
• Hệ số tải nhân tố (Factor loading): Theo Hari và ctg (2014) cho rằng trong phân tích EFA, với factor loading từ mức 0.3 đến 0.4 được xem là đạt mức điều kiện tối thiểu để giữ lại biến và factor loading từ mức 0,5 trở lên: các biến quan sát mang ý nghĩa thống kê tốt.
• Hệ số KMO (Kaiser - Meyer - Olkin): là các chỉ số được sử dụng để kiểm tra sự phù hợp phân tích nhân tố. Giá trị KMO là 0,5 ≤ KMO ≤ 1 và giá trị Sig nhỏ hơn 0,05 thì phân tích này mới thích hợp, còn nếu trị số KMO nhỏ hơn 0,5 thì phân tích nhân tố khám phá EFA có khả năng là không thích hợp với các dữ liệu.
• Kiểm định Bartlett (Bartlett’s test of sphericity) có ý nghĩa thống kê (p-value ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể. (Howard, 2016)
• Tổng phương sai trích (Total Varicance Explained): Tổng phương sai trích phải lớn hơn hoặc bằng 50%. Hệ số này thể hiện nhân tố trích được bao nhiêu phần trăm của các biến đo lường, tổng này đạt từ 50% tức là phần chung phải lớn hơn phần riêng và sai số (Howard, 2016)
• Hệ số Eigenvaue: là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố EFA. Chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích (Garson, 2003).
3.6.4. Phân tích tương quan Pearson
Phân tích tương quan Pearson nhằm kiểm tra mối tương quan tuyết tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, cũng như các biến độc lập với nhau. Nếu hệ số
51
tương quan giữa biến phụ thuộc và các biến độc lập càng lớn chứng tỏ giữa chúng có mối quan hệ với nhau và phân tích hồi quy là phù hợp (Schober & ctg., 2018). Nếu hệ số Sig < 0,05 thì có tương quan hoặc ngược lại nếu Sig > 0,05 thì không có tương quan (Gordon, 2019).
Hệ số tương quan Pearson (r) có giá trị giao động trong khoảng liên tục từ -1 đến +1
• r = 0 : Hai biến không có tương quan tuyến tính
• r = 1; r = -1: Hai biến có mối tương quan tuyến tính tuyệt đối
• r > 0 : Hai biến có sự tương quan thuận. Nghĩa là nếu giá trị của biến này tăng sẽ làm giá trị của biến kia tăng và ngược lại.
• r < 0 : Hai biến có sự tương quan nghịch. Nghĩa là nếu giá trị của biến này tăng sẽ làm giá trị của biến kia giảm và ngược lại.
3.6.5. Phân tích hồi quy tuyến tính
- Đánh giá mức độ phù hợp của mô hình hồi quy
Để biết mức độ phù hợp với dữ liệu của mô hình hồi quy tuyến tính được xây dựng trên các mẫu dữ liệu, ta cần biết được hệ số phù hợp của nó. Theo Green (1991), biện pháp được sử dụng phổ biến là xác định hệ số R2 (đối với mô hình hồi quy đơn biến) hoặc R2 hiệu chỉnh (đối với mô hình hồi quy đa biến). Giá trị R2 và R2 hiệu chỉnh giao động từ 0 đến 1. Hai giá trị càng gần 1 thì mô hình đã xây dựng phù hợp với bộ dữ liệu dùng chạy hồi quy hay mô hình hồi quy giải thích tốt sự thay đổi của biến phụ thuộc. Ngược lại, nếu R2 và R2 hiệu chỉnh càng gần 0 thì mô hình đã xây dựng không phù hợp với bộ dữ liệu dùng chạy hồi quy hay mô hình hồi quy không giải thích tốt sự thay đổi của biến phục thuộc.
52
Để kiểm định độ phù hợp của mô hình hồi quy sử dụng phân tích phương sai ANOVA (Analysis of variance) với kiểm định F và kiểm định T (Green, 1991). Mục đích kiểm định này là xem xét mức độ phù hợp của mô hình lựa chọn. Cụ thể là, mô hình hồi quy tuyến tính có phù hợp với dữ liệu thực tiễn không. Biến độc lập có tương quan tuyến tính với biến phụ thuộc trong tổng thể.
Sau khi đánh giá sự phù hợp của mô hình thông qua giá trị R2 hiệu chỉnh. Kết quả này chỉ nói rằng mô hình có phù hợp hay không đối với dữ liệu đã thu thập được. Để kiểm tra độ phù hợp của mô hình hồi quy tổng thể, tiến hành kiểm định giả thuyết HO : R2 = 0. Nếu kết quả thử nghiệm có đủ cơ sở để bác bỏ giả thuyết HO : R2 = 0, thì đây là buớc đầu thành công của mô hình.
Phân tích ANOVA với kiểm định F được sử dụng cho thử nghiệm này. Nếu giá trị F có p-value < 0,1, xác xuất giả thuyết R2 = 0 bị bác bỏ, mô hình là phù hợp với dữ liệu thu thập được.
- Kiểm tra đa cộng tuyến tính và tự tương quan
Kiểm định thêm đa cộng tuyết tính và tự tương quan của các biến trong mô hình để đảm bảo mô hình có ý nghĩa.
Căn cứ vào độ chấp nhận của biến Tolenrance = 1/VIF (hệ số này > 0,5 thì không có hiện tượng đa cộng tuyến tính) và hệ số này phóng đại phương sai Variance Infation factor (VIF), để kiểm định hiện tượng đa cộng tuyến tính (Marquardt, 1970).
• Nếu VIF > 2 thì có dấu hiệu đa cộng tuyến
• Nếu VIF > 10 thì chắc chắn có đa cộng tuyến
• Nếu VIF < 2 thì không bị đa cộng tuyến
Để kiểm tra tượng tự tương quan, sử dụng quy tắc kiểm định Durbin - Waston. Theo Formby và ctg (1984):
Tiêu chí Tần số Tỷ lệ (%) Giới tính Nam 73 363 'Nữ 128 637 Nhóm tuổi Dưới 25 tuổi 81 462 Từ 25 - 40 tuổi 1ÕÕ 498 Trên 40 tuổi 2Õ 1ÕÕ
Thu nhập Dưới 5 triệu 46 299
53
• Nếu giá trịhệ số từ 0đến 1: mô hình có tự tươngquan dương
• Nếu giá trịhệ số từ 0đến 4: mô hình có tự tươngquan âm
• Nếu giá trịhệ số nàynằm trong khoảng từ 1 đến 3: không có sự tự tương quan trong mô hình.
- Kiểm định phương sai thay đổi
Giả thuyết phương sai không thay đổi rất quan trọng khi sử dụng mô hình hồi quy tuyến tính đa biến. Nếu xảy ra hiện tượng này, kết quả của phương trình hồi quy sẽ không chính xác, làm sai lệch kết quả so với thực tế, từ đó khiến người nghiên cứu đánh giá nhầm chất lượng của phương trình hồi quy tuyến tính. Sử dụng ma trận tương quan Spearman để thực hiện kiểm định phương sai thay đổi. Theo Zhigang và ctg (2014):
• Nếu giá trị p-value (Sig.) tương quan Spearman giữa phần dư chuẩn hoá (ABSRES) với các biến độc lập đều lớn hơn 0,05 ta có thể kết luận rằng không có hiện tượng phương sai thay đổi xảy ra.
• Nếu có ít nhất một giá trị p-value (Sig.) nhỏ hơn 0,05 khi đó mô hình hồi quy đã vi phạm giả định phương sai không đổi.
TÓM TẮT CHƯƠNG 3
Tác giả đã trình bày các vấn đề về thiết kế nghiên cứu, quy trình nghiên cứu, thiết kế mẫu, cách thức thu thập và xử lý dữ liệu. Ngoài ra, dựa trên nền tảng cơ sở lý thuyết và các nghiên cứu thực nghiệm có liên quan trong các nghiên cứu trước đây, tác giả xây dựng thang đo cho các nhân tố trong mô hình nghiên cứu và là cơ sở hình thành bảng câu hỏi để tiến hành thu thập dữ liệu nghiên cứu cũng như kiểm định các giả thuyết.
54
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Thong kê mô tả
4.1.1 Thong kê mô tả cho biến định tính
Sau khi thu thập dữ liệu với 210 bảng câu hỏi được gửi đi, Tác giả thu thập được 201 mẫu hợp lệ và đưa vào phân tích định lượng. Những thông tin này được tóm tắt lại như sau:
Từ 5 - 10 triệu 87 433
Trên 10 triệu 68 338
Nghề nghiệp
Lao động phổ thông 27 134
Nhân viên văn phòng 69 343
Kinh doanh 53 264
Sinh viên 52 269
Tần suất đi cà phê
Hiếm khi 3Õ 149
Thỉnh thoảng 1Õ7 532
Thường xuyên 64 31,7
Tần số Giá trịnhỏ nhất Giá trị lớn nhất Trung bình Độ lệch chuẩn NB1 201 2 5 3,66 ,772 NB2 201 2 5 3,57 ,779 NB3 201 2 5 3,67 ,796 NB4 201 2 5 3,57 ,816 NB5 201 1 5 3,62 ,779
Nguồn: Kết quả phân tích dữ liệu của Tác giả, 2021. 55
Kết quả bảng 4.1 cho thấy:
- về nhân tố giới tính: qua 201 mẫu khảo sát, thì đa số là nữ giới chiếm 63,7% và nam giới chiếm 36,3%.
- Về nhân tố nhóm tuổi: nhóm tuổi từ 25-40 chiếm tỷ lệ nhiều nhất 49,8%; tiếp đến là dưới 25 tuổi chiếm 40,2%. Chiếm tỷ lệ thấp nhất là trên 40 tuổi chiếm 10,0%.
- Về nhân tố nghề nghiệp: đối tượng là nhân viên văn phòng chiếm tỷ lệ cao nhất 34,3%; tiếp đến lần lượt là kinh doanh và sinh viên chiếm 26,4% và 25,9%. Chiếm tỷ lệ thấp nhất là lao động phổ thông 13,4%.
- Về nhân tố thu nhập: có 22,9% đối tượng có thu nhập dưới 5 triệu/tháng; có 33,8 đối tượng có thu nhập trên 10 triệu/tháng; và cao nhất là đối tượng có thu nhập trên từ 5 triệu đến 10 triệu/tháng với 43,3%.
- Về nhân tố tần suất đi cà phê: phần lớn đối tượng thỉnh thoảng đi cà phê với 53,2%; tiếp đến là thường xuyên đi cà phê với 31,7% và chiếm tỷ lệ thấp nhất là hiếm khi đi cà phê với 14,9%.
4.1.2 Thong kê mô tả cho biến định lượng
NB6 201 2 5 3,75 ,767 Tổng mẫu hợp lệ 201 HM1 201 1 5 3,68 ,911 HM2 201 1 5 3,55 ,910 HM3 201 2 5 3,66 ,897 HM4 201 1 5 3,59 ,896 Tổng mẫu hợp lệ 201 TT1 201 1 5 3,25 ,921 TT2 201 1 5 3,67 1,035 TT3 201 1 5 3,61 ,916 TT4 201 1 5 3,64 ,878 Tổng mẫu hợp lệ 201 CL1 201 2 5 3,68 ,767 CL2 201 1 5 3,72 ,796 CL3 201 1 5 3,81 ,779 CL4 201 1 5 3,77 ,819 Tổng mẫu hợp lệ 201 GT1 201 2 5 3,59 ,851 GT2 201 1 5 3,57 ,841 GT3 201 2 5 3,80 ,819 GT4 201 1 5 3,40 ,911 Tổng mẫu hợp lệ 201 56
Nhân tố
Biến
quan sát Trung bìnhthang đo nếu loại biến Phương sai thang đo nếu loại biến Hệ số tương quan biến tổng Cronbach’s Alpha nếu loại biến NB Cronbach’s Alpha: 0,845 NB1 18,17 8,805 ,679 ,810 NB2 18,26 8,885 ,650 ,815 NB3 18,16 8,908 ,625 ,820 NB4 18,26 8,813 ,626 ,820 NB5 18,21 8,819 ,666 ,822 NB6 18,08 9,514 ,540 ,841 HM Cronbach’s Alpha: 0,842 HM1 10,80 5,263 ,664 ,805 HM2 10,93 5,299 ,654 ,810 HM3 10,81 5,274 ,677 ,800 HM4 10,89 5,172 ,710 ,785 TT Cronbach’s Alpha: 0,736 TT1 10,92 5,204 ,436 ,727 TT2 10,50 4,261 ,596 ,635 TT3 10,56 4,787 ,562 ,657
Nguồn: Kết quả phân tích dữ liệu của Tác giả, 2021.
Như vậy, từ kết quả các bảng trên cho thấy có 201 người tham gia trả lời câu hỏi thì có ý kiến dao động rất khác nhau, phản ánh ở giá trị nhỏ nhất là 1 (hoàn toàn không đồng ý) và giá trị lớn nhất là 5 (hoàn toàn đồng ý). Trong khi kỳ vọng về giả thuyết
57
nghiên cứu ban đầu là nằm trong khoản “dương”, hay từ 3 đến 5. Như vậy có sự lệch chuẩn so với kỳ vọng ban đầu. Tuy nhiên vẫn nằm trong khoản cho phép.
4.2 Kiểm định hệ số tin cậy Cronbach’s Alpha:4.2.1 Kiểm định độ tin cậy cho biến độc lập 4.2.1 Kiểm định độ tin cậy cho biến độc lập
TT4 10,53 5,040 ,525 ,679 CL Cronbach’s Alpha: 0,837 CL1 11,29 4,056 ,672 ,793 CL2 11,25 3,930 ,682 ,788 CL3 11,16 3,968 ,691 ,785 CL4 11,20 3,983 ,632 ,811 Biến quan sát Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Hệ số tương quan biến tổng
Cronbach’s Alpha nếu loại biến GT1 10,77 4,610 ,694 ,782 GT2 10,79 4,729 ,666 ,794 GT3 10,55 4,779 ,676 ,790 GT4 10,96 4,553 ,639 ,808 Cronbach’s Alpha: 0,837 58
Nguồn: Kết quả phân tích dữ liệu của Tác giả, 2021.
Dựa vào các yêu cầu trong việc kiểm định độ tin cậy của biến độc lập, tiến hành kiểm định thang đo cho ra kết quả Cronbach’s Alpha của tất cả nhân tố độc lập đều > 0,6 và tất cả hệ số tương quan biến tổng đều lớn hơn 0,3. Vì vậy, có thể kết luận rằng thang đo được sử dụng trong nghiên cứu là phù hợp và đáng tin cậy, đảm bảo trong việc đưa vào các kiểm định, phân tích tiếp theo và được giữ nguyên cho phân tích EFA.
4.2.2 Kiểm định độ tin cậy cho biến phụ thuộc
Hệ số KMO 0,838 Kiểm định
Bartlett’s SquareApprox. Chi-
1426,865 df 153 Sig ,000 Nhân tố 1 2 3 4 NB1 ,773
Nguồn: Kết quả phân tích dữ liệu của Tác giả, 2021.
Dựa vào các yêu cầu trong việc kiểm định độ tin cậy của biến phụ thuộc, tiến hành kiểm định thang đo cho ra kết quả Cronbach’s Alpha của thang đo giá trị thương
59
hiệu, tiến hành kiểm định thang đo cho ra kết quả Cronbach’s Alpha là 0,837 > 0,6 và tất cả hệ số tương quan biến tổng đều lớn hơn 0,3. Vì vậy, có thể kết luận rằng thang đo được sử dụng trong nghiên cứu là phù hợp và đáng tin cậy, đảm bảo trong việc đưa vào các kiểm định, phân tích tiếp theo và được giữ nguyên cho phân tích EFA.
4.3 Phân tích nhân to khám phá EFA
4.3.1 Phân tích nhân to cho biến độc lập
Bảng 4.5. Kết quả hệ số KMO và kiểm định Bartlett’s
Nguồn: Kết quả phân tích dữ liệu của Tác giả, 2021. Dựa vào kết quả của bảng phân tích trên:
Hệ số KMO = 0,838 đạt điều kiện (0.5 ≤ KMO ≤ 1) cho thấy rằng kết quả phân tích yếu tố là đảm bảo độ tin cậy.
Hệ số Sig. của kiểm định Bartlett’s với sig. = 0,000 (< 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể, kết quả phân tích yếu tố đảm bảo được mức ý nghĩa thống kê.
NB5 ,747 NB4 ,743 NB2 ,739 NB3 ,699 NB6 ,665 CL3 ,829 CL2 ,795 CL1 ,787 CL4 ,767 HM 4 ,827 HM 1 ,813 HM 2 ,781 HM 3 ,777 TT2 ,767 TT3 ,761 TT4 ,684 TT1 ,636 Tổng phương sai trích 62,440% Giá trị Eigenvalue thấp nhấp 1,550 60
Hệ số KMO 0,804 Kiểm định
Bartlett’s Approx. Chi-Square 303,017
Df 6
Sig 0,000
Biến quan sát Nhân tố
GT1 ,840
GT3 ,825
GT2 ,818
GT4 ,798
Nguồn: Kết quả phân tích dữ liệu của Tác giả, 2021.
Dựa vào bảng ma trận xoay nhân tố Rotated Component Matrix ở trên ta thấy các hệ số tải nhân tố đều lớn hơn 0,5 đảm bảo ý nghĩa, cho nên không có biến nào bị loại.
Hệ số Eigenvalue = 1,550 > 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.
61
Tổng phương sai trích Extraction Sums of Squared Loadings (Cumulative %) = 62,440% > 50%. Điều này chứng tỏ 4 nhân tố độc lập giải thích được 62,440% mô hình