Sau khi thống kê, nghiên cứu kiểm tra độ tin cậy thang đo với Cronbach’s Alpha để lấy dữ liệu chuẩn và loại bỏ dữ liệu rác. Tác giả thực hiện lần lượt việc kiểm định thang đo bằng Cronbach’s Alpha cho từng biến quan sát của mỗi biến độc lập và biến phụ thuộc để kiểm tra độ tin cậy thang đo sử dụng trong mô hình có đảm bảo hay không.
MM (Mobile Marketing) MM1 0,670 0,740 MM2 0,591 0,765 MM3 0,598 0,764 MM4 0,570 0,772 MM5 0,516 0,787 EM (Email Marketing) Cronbach’s Alpha: 0,821 EM1 0,631 0,781 EM2 0,623 0,784 EM3 0,703 0,759 EM4 0,611 0,787 EM5 0,511 0,817 OA (Online Advertising) Cronbach’s Alpha: 0,787 OA1 0,637 0,722 OA2 0,561 0,748
IM (Influencer Marketing) IM1 0,547 0,768 IM2 0,617 0,747 IM3 0,551 0,767 IM4 0,598 0,752 IM5 0,579 0,758 SEO (Search Engine Optimization) Cronbach’s Alpha: 0,870 SEO1 0,675 0,847 SEO2 0,710 0,839 SEO3 0,767 0,824 SEO4 0,684 0,845 SEO5 0,646 0,855
Nhân tố Biến quan sát Hệ số tương quanbiến tổng Cronbach’s Alpha nếuloại biến
PD (Quyết Định Mua) PDI 0,716 0,711 PD2 0,664 0,765 PD3 0,651 0,779 Cronbach’s Alpha: 0,821
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0)
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, rút ra kết luận tất cả thang đo này phù hợp được giữ nguyên cho phân tích EFA.
4.2.2. Biến phụ thuộc
Sig. 0,000 Nhân tố 1 2 3 4 5 6 SEO3 0,804 SEO4 0,793 SEO2 0,776 SEO1 0,774 SEO5 0,767 SMM3 0,751 SMM5 0,747 SMM1 0,744 SMM4 0,733 SMM2 0,732
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0) Đối với thang đo “Quyết định mua”: tiến hành kiểm định cho ra kết quả
Cronbach’s Alpha là 0,821 > 0,6 và tất cả hệ số tương quan biến tổng đều lớn hơn 0,3, rút ra kết luận thang đo này phù hợp được giữ nguyên cho phân tích EFA.
4.3. Phân tích nhân tố khám phá EFA
Sau khi phân tích độ tin cậy Cronbach’s Alpha của từng biến, nghiên cứu tiến hành phân tích các nhân tố khám phá để nhóm các biến quan sát và xem mức độ tương quan giữa các biến.
Nghiên cứu tiến hành phân tích nhân tố khám phá với 7 nhân tố gồm 33 biến quan
sát. Kết quả phân tích nhân tố khám phá EFA như sau:
4.3.1. Phân tích nhân tố cho biến độc lậpBảng 4.4. Hệ số KMO biến độc lập
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0) Dựa vào kết quả của bảng phân tích trên:
- Hệ số KMO = 0,816 đạt điều kiện (0.5 ≤ KMO ≤ 1) từ đó kết luận phân tích nhân tố là phù hợp.
- 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.
EM5 0,580 MM1 0,773 MM3 0,745 MM2 0,744 MM4 0,711 MM5 0,660 IM4 0,775 IM2 0,766 IM5 0,691 IM1 0,682 IM3 0,679 OA 0,767 OÃ2 0,725 OÃ5 0,722 OÃ4 0,701 OÃ3 0,639 Tổng phương sai trích 59,610% Giá trị Eigenvalue thấp nhấp 1,836 Hệ số KMO 0,711
Kiểm định Bartlett’s Approx. Chi-Square 228,860
Df 3
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0)
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 = 1,836 > 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 Extraction Sums of Squared Loadings (Cumulative %) = 59,610% > 50%. Điều này chứng tỏ 6 nhân tố độc lập giải thích được 59,610% mô hình nghiên cứu.
4.3.2. Phân tích nhân tố biến phụ thuộc
PD1 0,882
PD2 0,850
PD3 0,843
Tổng phương sai trích = 73,684% Eigenvalue = 2,211
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0) Dựa vào kết quả phân tích nhân tố phụ thuộc cho thấy:
- Hệ số KMO = 0,711 đạt điều kiện (0,5 ≤ KMO ≤ 1) từ đó kết luận phân tích nhân
tố là phù hợp.
- 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.Bảng 4.7. Kết quả EFA biến phụ thuộc
Sig. (2- tailed) 0,000 0,000 0,000 0,000 0,000 0,000 SMM N 214 214 214 214 214 214 214 Pearson Correlatio n 0,405 1 0,154 0,182 0,287 0,152 0,294 Sig. (2- tailed) 0,000 0,025 0,008 0,000 0,026 0,000 MM N 214 214 214 214 214 214 214 Pearson Correlatio n 0,409 0,154 1 0,347 0,144 0,241 0,211 Sig. (2- tailed) 0,000 0,025 0,000 0,035 0,000 0,002 EM N 214 214 214 214 214 214 214 Pearson Correlatio n 0,377 0,182 0,347 1 0,157 0,253 0,235 Sig. (2- tailed)N 0,000214 0,008214 0,000214 214 0,022214 0,000214 0,001214
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0)
Kết quả phân tích EFA, hệ số tải nhân tố của các biến quan sát đều thỏa điều kiện
khi phân tích nhân tố, hệ số tải của các biến quan sát đều lớn hơn 0.5.
Hệ số Eigenvalue = 2,211> 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 Extraction Sums of Squared Loadings (Cumulative %) = 73,684% > 50%. Điều này chứng tỏ rằng 73,684% sự biến thiên của các yếu tố được giải
thích.
Tổng kết từ các kết quả trên, các điều kiện đều thoả mãn nên phân tích nhân tố khám phá EFA là phù hợp với dữ liệu nghiên cứu và không có sự thay đổi về mặt số lượng các biến quan sát so với ban đầu. Theo đó, có 7 nhân tố ( 6 nhân tố độc lập và 1 nhân tố phụ thuộc) được rút ra sau khi phân tích EFA:
■ Nhân tố thứ 2 là Mobile Marketing (MM) gồm 5 biến:MM1, MM2, MM3, MM4,
MM5.
■ Nhân tố thứ 3 là Email Marketing (EM) gồm 5 biến: EM1, EM2, EM3, EM4, EM5.
■ Nhân tố thứ 4 là Influencer Marketing (IM) gồm 5 biến: IM1, IM2, IM3, IM4, IM5.
■ Nhân tố thứ 5 là Online Advertising (OA) gồm 5 biến : OA1, OA2, OA3, OA4, OA5.
■ Nhân tố thứ 6 là Search Engine Optimization (SEO) gồm 5 biến: SEO1, SEO2, SEO3, SEO4, SEO5.
■ Nhân tố thứ 7 là Quyết định mua (PD) gồm gồm 3 biến: PD1, PD2, PD.
O A N 214 214 214 214 214 214 214 Pearson Correlation 0,599 0,152 0,241 0,253 0,246 1 0,313 Sig. (2- tailed) 0,000 0,026 0,000 0,000 0,000 0,000 SEO N 214 214 214 214 214 214 214 Pearson Correlation 0,552 0,294 0,211 0,235 0,226 0,313 1 Sig. (2- tailed) 0,000 0,000 0,002 0,001 0,001 0,000
Mô hình R R Square (R2) R2 hiệu chỉnh Sai số chuẩn Hệ số Durbin-Watson 1 0,798 0,637 0,627 0,44997 1,927
Biến phụ thuộc: PD
Biến độc lập: SEO, MM, IM, SMM, OA, EM
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0)
Theo kết quả từ bảng 4.8, Sig tương quan Pearson các biến độc lập với biến phụ thuộc đều < 0,05 nghĩa là các biến độc lập đều có mối quan hệ tương quan tuyến tính với
quyết định mua của người tiêu dùng TPHCM, với mức tin cậy 99%. Vì vậy mô hình được giữ nguyên với 6 biến độc lập và 1 biến phụ thuộc.4.5. Phân tích hồi quy tuyến tính
4.5.1. Phân tích hồi quy
1 Phần dư 41,912 207 0,202 Tổng 115,504 213 Mô hình Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa
T Sig. Thống kê đa cộng tuyến B Độ lệch chuẩn Beta Độ chấp nhận của biến Hệ số phóng đại phương sai
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0)
Từ kết quả phân tích hồi quy (Model Summaryb) cho thấy hệ số R = 0,798 thể hiện rằng các biến trong mô hình có mối quan hệ tương quan với nhau. Giá trị R2 (R Square) = 0,637 nên giá trị này thể hiện được mức độ phù hợp của mô hình.
So với giá trị R2 thì giá trị R2 hiệu chỉnh phản ánh mức độ phù hợp của mô hình so với tổng thể chính xác hơn. Để có một mô hình tốt thì R bình phương hiệu chỉnh cần lớn hơn 0,5 (50%) < 1, vậy nên trong mô hình này tác giả cho ra kết quả R2 hiệu chỉnh = 0,627 được xem là phù hợp. Giá trị R2 hiệu chỉnh = 0,627 nghĩa là các yếu tố SEO, MM, IM, SMM, OA, EM thay đổi 62,7% trong việc tác động đến quyết định mua.
Chỉ số Durbin-Watson = 1,927 nằm trong khoảng từ 0-4 nên không có hiện tượng
tự tương quan của phần dư trong mô hình hồi quy tuyến tính. Như vậy, mô hình hồi quy bội thỏa mãn hết các điều kiện đánh giá và kiểm định độ phù hợp cho việc đưa ra các kết
quả nghiên cứu.
Bảng 4.10. Bảng phân tích phương sai ANOVA
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0)
Từ kết quả của bảng phân tích ANOVA ở trên, ta thấy sig. = 0,000 < 0,05 chứng tỏ độ tin cậy cao 95%, nghĩa là mô hình lý thuyết phù hợp với dữ liệu thực tế nghiên cứu,
các biến độc lập và phụ thuộc có tương quan với nhau.
4.5.3. Kiểm định hiện tượng đa cộng tuyến
Từ kết quả phân tích ANOVA cho thấy Sig. của kiểm định F là 0,000 < 0,05. Như
vậy mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể. Quyết định mua hàng của người tiêu dùng tại TPHCM được phản ánh qua giá trị của hệ số Beta được trình bày trong bảng sau:
IM 0,230 0,054 0,193 4,284 0,000 0,863 1,158 OA 0,444 0,055 0,371 8,067 0,000 0,829 1,207 SEO 0,292 0,048 0,285 6,128 0,000 0,812 1,232
SEO
(0,000). Kết quả còn cho thấy biến OA có hệ số beta hiệu chỉnh (0,371) là lớn nhất nên nó tác động đến quyết định mua là nhiều nhất, biến EM có hệ số beta hiệu chỉnh (0,095) là nhỏ nhất nên nó tác động đến quyết định mua là ít nhất.
Ngoài ra kết quả hệ số phóng đại phương sai VIF (Variance Inflation Factor) là rất nhỏ từ 1,158 - 1,232 < 2 đạt yêu cầu. Từ đó rút ra kết luận, mô hình hồi quy không có hiện tượng đa cộng tiến, mô hình có ý nghĩa thống kê, nên các nhân tố trong mô hình được chấp nhận.
4.5.4. Ý nghĩa hệ số hồi quy
Với giả thuyết đã đưa ra, phương trình hồi quy đa biến có dạng:
PD = β0 + β1*SMM + β2*MM + β3*EM + β4*IM + β5*OA + β6*SEO
Trong đó ■ β0: Hằng số
■ β1: Hệ số hồi quy chuẩn hóa của thành phần Social Media Marketing ■ β2: Hệ số hồi quy chuẩn hóa của thànhphần Mobile Marketing ■ β3: Hệ số hồi quy chuẩn hóa của thànhphần Email Marketing ■ β4: Hệ số hồi quy chuẩn hóa của thànhphần Influencer Marketing ■ β5: Hệ số hồi quy chuẩn hóa của thànhphần Online Advertising
Bảng kết quả 4.11 cho thấy tất cả các hệ số Beta đều lớn hơn 0, cho nên các biến độc lập và biến phụ thuộc tác động thuận chiều với nhau. Nghĩa là khi một nhân tố bất kì nào đó được tăng lên thì quyết định mua cũng tăng lên và ngược lại. Mối quan hệ giữa
biến độc lập và biến phụ thuộc được thể hiện qua phương trình sau:
PD = -1,737 + 0,165*SMM + 0,173*MM + 0,095*EM + 0,193*IM + 0,371*OA + 0,285*SEO
4.6. Kiểm tra các giả định hồi quy
Sau khi phân tích hồi quy cho ra kết quả, ta cần phải xem xét, kiểm tra lại kết quả
đó có bị vi phạm giả định hồi quy hay không. Kết quả tính toán sẽ được cho là không đáng tin cậy khi các giả định bị vi phạm.
4.6.1. Phân phối chuẩn của phần dư
Có nhiều lý do mà phần dư có thể không theo phân phối chuẩn như: sử dụng sai mô hình, số lượng các phần tử không đủ để phân tích v.v. Cho nên cần thực hiện nhiều cách khác nhau. Có 2 cách phổ biến thường được sử dụng là căn cứ vào biểu đồ Histogram và Normal P-P Plot phần dư. Trong nghiên cứu này tác giả sử dụng biểu đồ
ABSRES SMM MM EM IM OA SEO Spearman's rho ABSRES Pearson Correlation 1 - 0,024 0,025 0,065- 0,023 0,092- 0,011- Sig. (2- tailed) 0,727 0,719 0,347 0,742 0,179 0,871 N 214 214 214 214 214 21 4 214 SMM Pearson Correlation -0,024 1 0,154 0,182 0,287 0,152 0,294 Sig. (2- tailed) 0,727 0,025 0,008 0,000 0,026 0,000 N 214 214 214 214 214 21 4 214 MM Pearson Correlation 0,025 0,154 1 0,347 0,14 4 0,241 0,211 Histogram
Hình 4.1. Biểu đồ tần số phần dư chuẩn hóa Histogram
(Nguồn: Ket quả phân tích của tác giả trích xuất từ SPSS 20.0)
Đối với biểu đồ Histogram ta thấy giá trị trung bình Mean gần bằng 0 (Mean = 1,05E-14), giá trị độ lệch chuẩn gần bằng 1 (0,986) và biểu đồ có dạng hình chuông. Phần lớn các giá trị tập trung trong khoảng từ -2 đến 2 và và nhiều nhất ở giá trị số 0. Vì
vậy ta có thể khẳng định phần dư có phân phối xấp xỉ chuẩn, giả định phân phối chuẩn của phần dư không bị vi phạm.
4.6.2. Kiểm định liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc
Để kiểm tra giả định liên hệ tuyến tính, tác giả sử dụng biểu đồ Scatter Plot. Biểu
đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem các dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không.
Nhìn vào hình 4.2 ta thấy, kết quả đồ thị xuất ra các điểm phân bố của phần dư
Scatterplot Dependent Variable: PD
Hinh 4.2. Biêu đồ Scatter Plot
(Nguồn: Ket quả phân tích của tác giả trích xuất từ SPSS 20.0)
4.6.3. Kiêm định phương sai thay đôi
EM Correlation -0,065 0,182 0,347 1 0,157 0,253 0,235 Sig. (2- tailed) 0,347 0,008 0,000 0,022 0,000 0,001 N 214 214 214 214 214 214 214 IM Pearson Correlation 0,023 0,287 0,144 0,157 1 0,246 0,226 Sig. (2- tailed) 0,742 0,000 0,035 0,022 0,000 0,001 N 214 214 214 214 214 214 214 OA Pearson Correlation -0,092 0,152 ,241 0,253 0,246 1 0,313 Sig. (2- tailed) 0,179 0,026 0,000 0,000 0,000 0,000 N 214 214 214 214 214 214 214 SEO Pearson Correlation -0,011 0,294 0,211 0,235 0,226 0,313 1 Sig. (2- tailed) 0,871 0,000 0,002 0,001 0,001 0,000 N 214 214 214 214 214 214 214
phương sai phần dư là đồng nhất, giả định phương sai không đổi không bị vi phạm.4.7. Thảo luận kết quả phân tích Qua phân tích hồi quy và kiểm định các giả định cho thấy các thang đo có độ tin cậy cao. Tác giả nhận thấy Quyết định mua của người tiêu dùng chịu tác động mạnh mẽ bởi 6 nhân tố: (1) Social Media Marketing, (2) Mobile Marketing, (3) Email Marketing, (4) Influencer Marketing, (5) Online Advertising, (6) Search Engine Marketing. Tất cả các nhân tố đều phù hợp với giả thuyết tác giả đề xuất nghĩa là các nhân tố đều có tác động tích cực đến quyết định mua hàng của người tiêu dùng. Cụ thể như sau:
Giả định H1: Yeu tố Social Media Marketing (SMM) có hệ số Beta chuẩn hoá là 0,165 chỉ ra rằng trong điều kiện khác các biến không thay đổi, SMM có tác động tích cực đến quyết định mua (PD). Khi SMM thay đổi 1 đơn vị thì PD thay đổi 0,165 đơn vị.
Điều này cho thấy kết quả nghiên cứu của tác giả phù hợp với giả thuyết ban đầu cũng như kết quả nghiên cứu của các tác giả: Fattah và Khaled (2021), Ziaul Maula và ctg (2017). Do đó, việc ứng dụng phương tiện Social Media trong chiến lược Marketing như
tạo ra luồng tương tác với người dùng thường xuyên, nhắm chọn đối tượng chính xác,... thực sự ảnh hưởng đến quyết định mua hàng của người tiêu dùng đối với doanh nghiệp.
Giả định H2: Yếu tố Mobile Marketing (MM) có hệ số Beta chuẩn hoá là 0,173 chỉ ra rằng trong điều kiện khác các biến không thay đổi, MM có tác động tích cực đến quyết định mua (PD). Khi MM thay đổi 1 đơn vị thì PD thay đổi 0,173 đơn vị. Điều này cho thấy kết quả nghiên cứu của tác giả phù hợp với giả thuyết ban đầu cũng như kết quả
nghiên cứu của các tác giả: Fattah và Khaled (2021), Tiffany và Ctg (2018). Do đó, việc ứng dụng chiến lược Mobile Marketing dưới đa hình thức sẽ mang lại ảnh hưởng tích cực đến quyết định mua hàng của người tiêu dùng đối với doanh nghiệp.
Giả định H3: Yếu tố Email Marketing (EM) có hệ số Beta chuẩn hoá là 0,095 chỉ
ra rằng trong điều kiện khác các biến không thay đổi, EM có tác động tích cực đến quyết
định mua (PD). Khi EM thay đổi 1 đơn vị thì PD thay đổi 0,095 đơn vị. Điều này cho thấy kết quả nghiên cứu của tác giả phù hợp với giả thuyết ban đầu cũng như kết quả