6. Kết cấu đề tài:
2.3.2.2. Phân tích nhân tố khám phá EFA đối với biến phụ thuộc
Bảng 2.15: Kiểm định KMO và Bartllett’s biến phụ thuộc
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,744
Bartlett's Test of Sphericity
Approx. Chi-Square 256,961
df 3
Sig. 0,000
(Nguồn: Kết quả điều tra xửlý sốliệu SPSS)
Với giá trị Sig. trong kiểm định Bartlett’s = 0,00 < 0,05 chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể, hệ sốKMO = 0,744 ≤ 1đủ điều kiện nên việc phân tích nhân tốlà thích hợp với dữliệu mẫu.
Bảng 2.16: Kết quảphân tích nhân tố khám phá đối với biến phụthuộc
Quyết định mua Hệsốtải QĐM1 0,939 QĐM2 0,936 QĐM3 0,899 HệsốEigenvalues = 2,565 Tổng phương sai trích =84,496%
(Nguồn: Kết quả điều tra xửlý sốliệu SPSS)
Kết quảphân tích chỉ có một nhân tốrút trích với giá trị Eigenvalues = 2,565 > 1 và tổng phương sai trích là 84,496%. Hệ sô tải của 3 biến quan sát đều lớn hơn 0,5 nên tất cảcác biến được giữnguyên trong mô hình nghiên cứu.
Nhận xét chung: Qua quá trình phân tích nhân tố khám phá EFA, kết quả cho thấy rằng 6 yếu tố tác động đến quyết định mua đồng phục của khách hàng tại Đồng phục Lion bao gồm: “Sản phẩm”, “Giá cả”, “Thương hiệu”, “Nhân viên bán hàng”, “Chăm sóc khách hàng”, “Thời gian đơn hàng”. Như vậy, mô hình nghiên cứu sau khi phân tích nhân tố khám phá EFA không thay đổi so với kết quả ban đầu, không có bất cứbiến nào bị loại ra khỏi mô hình trong quá trình kiểm định độ tin cậy thang đo và phân tích nhân tốkhám phá EFA.
2.3.3. Phân tíchtương quan vàhồi quy nhằm đo lường mức độ ảnh hưởng của các yếu tố đến quyết định mua sản phẩm đồng phục tại Công ty TNHH Thương mại và Dịch vụLion Group
2.3.3.1. Phân tích tương quan
Kiểm định cặp giảthuyết cho các cặp biến độc lập với nhau và giữa biến độc lập với biến phụthuộc: H0: Hệsố tương quan bằng 0
H1: Hệ sô tương quan khác 0
Bảng 2.17: Phân tích tương quan Pearson
SP GC TH NVBH CSKH TGĐH TH SP Hệsố tương quan Pearson 1 0,325 ** 0,338 ** 0,303 ** 0,354 ** 0,232 * 0,617* * Sig. (2 đầu) 0,000 0,000 0,001 0,000 0,011 0,000 N 120 120 120 120 120 120 120 GC Hệsố tương quan Pearson 0,325 ** 1 0,363** 0,383** 0,490** 0,237** 0,631 * * Sig. (2 đầu) 0,000 0,000 0,000 0,000 0,009 0,000 N 120 120 120 120 120 120 120 TH Hệsố tương quan Pearson 0,338 ** 0,363 ** 1 0,374** 0,264** 0,320** 0,638 * * Sig. (2 đầu) ,000 ,000 ,000 ,004 ,000 ,000 N 120 120 120 120 120 120 120 NVBH Hệsố tương quan Pearson 0,303 ** 0,383 ** 0,374 ** 1 0,408** ,0375** 0,559 * * Sig. (2 đầu) 0,001 0,000 0,000 0,000 0,000 0,000 N 120 120 120 120 120 120 120 CSKH Hệsố tương quan Pearson 0,354 ** 0,490 ** 0,264 ** 0,408 ** 1 0,245** 0,551 * * Sig. (2 đầu) 0,000 0,000 0,004 0,000 0,007 0,000 N 120 120 120 120 120 120 120 TGĐH Hệsố tương quan Pearson 0,232 * 0,237 ** 0,320 ** 0,375 ** 0,245 ** 1 0,516 * * Sig. (2 đầu) 0,011 0,009 0,000 0,000 0,007 0,000 N 120 120 120 120 120 120 120 QĐM Hệsố tương quan Pearson 0,617 ** 0,631 ** 0,638 ** 0,559 ** 0,551 ** 0,516 ** 1 Sig. (2 đầu) 0,000 0,000 0,000 0,000 0,000 0,000 N 120 120 120 120 120 120 120
(Nguồn: Kết quả điều tra xửlý sốliệu SPSS)
Qua kết quảkiểm định tương quan được thểhiệnởbảng trên ta có đánh giá như sau: Kiểm định giảthuyết ở mức ý nghĩa 5% nên giá trị Sig. phải nhỏ hơn 0,05. Theo ma trận hệsố tương quan, ta thấy biến độc lập “Sản phẩm”, “Giá cả”, “Thương hiệu”, “Nhân viên bán hàng”, “Chăm sóc khách hàng”, “Thời gian đơn hàng”đều có giá trị Sig. < 0,05 bé hơn mức ý nghĩa, bác bỏ giả thuyết H0cho thấy các biến này có mối tương quan với biến phụthuộc “Quyết định mua”.
Bên cạnh đó giữa các biến độc lập có Sig. < 0,05 có thể các biến độc lập không có hiện tương đa cộng tuyến.
Như vậy tất cả các biến độc lập “Sản phẩm”, “Giá cả”, “Thương hiệu”, “Nhân viên bán hàng”, “Chăm sóc khách hàng”, “Thời gian đơn hàng” có thể đưa vào mô hìnhđểgiải thích cho biến động của biến “Quyết định mua”. Hay nói cách khác là các nhân tố độc lập này có tác động đến quyết định mua của khách hàng đối với sản phẩm Đồng phục Lion.
2.3.3.2. Phân tích hồi quy
Sau khi đã hoàn thành những công đoạn về phân tích nhân tố khám phá, phân tích tương quan thì bước tiếp đến là tiến hành vào bước phân tích hồi quy. Phân tích hồi quy là một phân tích thống kê để xác định xem xét các biến độc lập quy định các biến phụthuộc như thế nào. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó dự đoán được giá trị của biến phụ thuộc khi biết trước giá trị của biến độc lập.
a. Xây dựng mô hình hồi quy
Phương trình hồi quy chuẩn hóa quyết định mua dựa vào các nhân tố có dạng như sau:
QĐM = α + β1*SP + β2*GC + β3*TH+ β4*NVBH+ β5*CSKH+ β6*TGĐH
Trong đó:
QĐM: Biến phụthuộc Quyết định mua SP: Biến độc lập sản phẩm
GC: Biến độc lập Gía cả TH: Biến độc lập Thương hiệu NVBH: Biến độc lập Thương hiệu
CSKH: Biến độc lập Chăm sóc khách hàng TGĐH: Biến độc lập Xu hướng công nghệ α là hằng số, βklà hệsốhồi quy riêng phần
Các giảthuyết:
H0: Các yếu tố chính không có tác động cùng chiều (+) với Quyết định mua
H1: Yếu tốSản phẩmcó tác động cùng chiều (+) với Quyết định mua
H2: Yếu tốGiá cảcó tác động cùng chiều (+) với Quyết định mua
H3: Yếu tốThương hiệucó tác động cùng chiều (+) với Quyết định mua
H4: Yếu tốNhân viên bán hàngcó tác động cùng chiều (+) với Quyết định mua
H5: Yếu tốChăm sóc khách hàngcó tác động cùng chiều (+) với Quyết định mua
H6: Yếu tốThời gian đơn hàngcó tác động cùng chiều (+) với Quyết định mua
Đánh giá độphù hợp của mô hình:
Bảng 2.18: Đánh giá độ phù hợp của mô hình
(Nguồn: Kết quả điều tra xửlý sốliệu SPSS)
Tham số R2hiệu chỉnh (Adjusted R Square) cho biết mức độ sự biến thiên của biến phụthuộc được giải thích của biến độc lập. Giá trị R2 hiệu chỉnh phản ảnh chính xác hơn sự phù hợp của mô hìnhđối với tổng thể vì nó không phụ thuộc vào độ lệch phóng đại của R2(Hoàng Trọng & Nguyễn Mộng Ngọc, 2008).
Theo bảng đánh giá độ phù hợp trên ta có: Giá trị R2 hiệu chỉnh bằng 0,779 cho thấy biến độc lập chạy hồi quyảnh hưởng 77,9% sự thay đổi của biến phụthuộc, thứ hai đó là hệsốDurbin –Watson là 1,841 nằm trong khoảng 1,5 đến 2,5 nên không có hiện tượng tương quan chuỗi bậc xảy ra.
Áp dụng phân tích hồi quy vào mô hình, tiến hàng phân tích hồi quy đa biến với 6 yếu tổ đãđược kiểm định tương quan với biến phụ thuộc. Phương pháp phân tích được chọn là phương pháp đưa một lượt Enter. Ta có kết quảphân tích hồi quy như sau:
Model R R Square Adjusted R
Square
Std. Error of
the Estimate Durbin-Watson
1 0,889a 0,790 0,779 0,539 1,841
a. Predictors: (Constant), CSKH, TGĐH, TH, SP, NVBH, GC b. Dependent Variable: QĐM
Kiểm định sự phù hợp của mô hình chỉ cho kết luận trên mẫu nghiên cứu mà chưa thểcho phép ta suy rộng ra tổng thểnghiên cứu. Để có thểsuy diễn mô hình của mẫu điều tra thành mô hình của tổng thể, ta phải kiểm định sự phù hợp của mô hình hồi quy tổng thểvới giảthiết đặt ra:
H0: Hệ số xác định R2 = 0 (Các nhóm nhân tốkhông ảnh hưởng đến quyết định mua của khách hàng)
H1: Hệ số xác định R2 ≠ 0 (Có ít nhất một nhóm nhân tố ảnh hưởng đến quyết định mua của khách hàng)
Tiến hành kiểm định F thông qua phân tích phương sai, ta có kết quả thông qua bảng 2.19 như sau: Sig. của F bé hơn 0,05 với mức ý nghĩa 5% nên ta bác bỏ giảthiết H0và hệsố xác định của tổng thểR2≠ 0, tức là mô hình hồi quy này sau khi suy rộng ra cho tổng thể, thì mức độphù hợp của nó đãđược kiểm chứng. Hay nói cách khác, có ít nhất một biến độc lập cóảnh hưởng đến biến phụthuộc mà ta đưa vào trong mô hình.
Bảng 2.19: Kiểm định ANOVA về sự phù hợp của mô hình
Model Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi quy 123,318 6 20,553 70,711 ,000b Số dư 32,845 113 0,291 Tổng 156,163 119 a. Biến phụthuộc: QĐM b. Biến độc lập: (Hằng số), CSKH, TGĐH, TH, SP, NVBH, GC
(Nguồn: Kết quả điều tra xửlý sốliệu SPSS)
Sig. của F bé hơn 0,05 với mức ý nghĩa 5% nên ta bác bỏ giả thiết H0 và hệ số xác định của tổng thể R2≠ 0, tức là mô hình hồi quy này sau khi suy rộng ra cho tổng thể, thì mức độ phù hợp của nó đã được kiểm chứng. Hay nói cách khác, có ít nhất một biến độc lập cóTrường Đại học Kinh tế Huếảnh hưởng đến biến phụthuộcmà ta đưa vào trong mô hình.
b. Phân tích hồi quy
Dựa vào bảng kết quả phân tích hồi quy dưới đây cho thấy: Các nhân tố SP, GC,TH, NVBH, CSKH, TGĐH có mức ý nghĩa Sig. < 0,05 tức là chấp nhận các giả thiết H1, H2, H3, H4,H5và H6. Các nhân tốnày có sự tương quan đối với quyết định mua của khách hàng đối với sản phẩm Đồng phục Lion.
Bảng 2.18: Kết quả phân tích hồi quy
Mô hình Hệsố chưa chuẩn hóa Hệsố chuẩn hóa Thống kê student Mức ý nghĩa (Sig.) Mức độ chấp nhận VIF B Sai số chuẩn Beta Hằng số -2,845 0,328 -8,680 0,000 SP 0,353 0,058 0,297 6,115 0,000 0,788 1,269 GC 0,349 0,069 0,264 5,029 0,000 0,676 1,479 TH 0,166 0,069 0,124 2,388 0,019 0,691 1,448 NVBH 0,305 0,069 0,212 4,421 0,000 0,812 1,232 CSKH 0,334 0,057 0,292 5,841 0,000 0,747 1,338 TGĐH 0,196 0,075 0,137 2,610 0,010 0,676 1,480 R2hiệu chỉnh 0,779 R2 0,790
(Nguồn: Kết quả điều tra xửlý sốliệu SPSS)
Kết quảphân tích hồi quy theo phương pháp Enter ởbảng cho thấy hiện tượng đa cộng tuyến không có ảnh hưởng đến kết quảgiải thích mô hình với các hệsố phóng đại phương sai VIF của mỗi biến lớn hơn 1,000 (<10). Quy tắc là khi VIF vượt quá 10 thì đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 252). Trong một số tài liệu khác đưa ra điều kiện VIF < 4 là thỏa mãn điều kiện.
Nhìn vào kết quảhồi quy cho thấy giá trị VIF của các biến độc lập đều bé hơn 2 nên từ đócó thểkết luận hiện tượng đa cộng tuyến giữa các biến độc lập không xảy ra trong trường hợp này.
Biểu đồ 2.7: Tần số của phần dư chuẩn hóa
(Nguồn: Kết quả điều tra xửlý sốliệu SPSS)
Sửdụng công cụbiểu đồ Histogram ta quan sát được phân phối của phần dư. Biểu đồ tần số của phần dư chuẩn hóa cho thấy một đường cong phân phối chuẩn được đặt chòng lên biểu đồ tần số. Phân phối dư có với Mean = 7,05E-16 (≈ 0) và độ lệch chuẩn Std. Dev = 0,974 tức gần bằng 1 nên ta có thểkhẳng định phần dư có phân phối chuẩn.
Biểu đồ 2.8: Giả định phân phối chuẩn của phần dư
Từnhững phân tích trên, ta có được phương trình mô tả sự biến động của nhân tố ảnh hưởng đến quyết định mua của khách hàng đối với sản phẩm Đồng phục Lion với 6 nhân tố được đưa vào mô hình dựa vào hệ số Beta chuẩn hóa, hàm hồi quy có dạng như sau:
QĐM =- 0,845 + 0,297*SP + 0,264*GC + 0,124*TH+ 0,212*NVBH +0,292*CSKH + 0,137*TGĐH
Hệsố Beta chuẩn hóa phản ánh được thứtự mức độ tác động của biến độc lập tới biến phụthuộc bởi vìđơn vị của các biến đãđồng nhất (phương sai = 1), trong khi đó hệ số B chưa chuẩn hóa không thểhiện được. Nhờ có phương trình hồi quy chuẩn hóa và hệsốBeta, công ty sẽ xác định được nên đầu tư nhiều vào yếu tố nào, đầu tư ít vào yếu tố nào căn cứtrên mức độ ảnh hưởng của từng yếu tố đến biến phụthuộc.
Với mô hình hồi quy chuẩn hóa ta có các hệ số Beta chuẩn hóa đều mang dấu dương nên chứng tỏ6 biến độc lập có quan hệcùng chiều với biến “Quyết định mua”, nghĩa là trong điều kiện yếu tố khác không đổi, nếu một biến độc lập tăng thì biến phụ thuộc tăng và ngược lại. Dựa vào mô hình có thểgiải thích rõ như sau:
Với hệ số β1 = 0,297, tức là chiếm 29,7% quyết định mua của khách hàng về Sản phẩm đối với sản phẩm đồng phục của Đồng phục Lion.Trong điều kiện các nhân tố khác của mô hình không thay đổi, nếu biến “Sản phẩm” tăng lêna 1% thì sự hài lòng của khách hàng đối với chính sách bán hàng của công ty sẽ tăng 0.297% và ngược lại.
Với hệ số β2 = 0,264, tức là chiếm 26,4% quyết định mua của khách hàng về Giá cả đối với sản phẩm đồng phục của Đồng phục Lion.Trong điều kiện các nhân tố khác của mô hình không thay đổi, nếu biến “Giá cả” tăng lên 1% thì sựhài lòng của khách hàng đối với chính sách bán hàng của công ty sẽ tăng 0.264% và ngược lại.
Với hệ số β3 = 0,124, tức là chiếm 12,4% quyết định mua của khách hàng về Nhân viên bán hàng đối với sản phẩm đồng phục của Đồng phục Lion. Trong điều kiện các nhân tố khác của mô hình không thay đổi, nếu biến “Thương hiệu” tăng lên 1% thì sự hài lòng của khách hàng đối với chính sách bán hàng của công ty sẽ tăng 0.124% và ngược lại.
Với hệ số β4 = 0,212, tức là chiếm 21,4% quyết định mua của khách hàng về Thời gian đơn hàng đối với sản phẩm đồng phục của Đồng phục Lion. Trong điều
kiện các nhân tố khác của mô hình không thay đổi, nếu biến “Nhân viên bán hàng” tăng lên 1% thì sựhài lòng của khách hàng đối với chính sách bán hàng của công ty sẽ tăng 0.212% và ngược lại.
Với hệ số β5 = 0,292, tức là chiếm 29,2% quyết định mua của khách hàng về Thương hiệu đối với sản phẩm đồng phục của Đồng phục Lion. Trong điều kiện các nhân tố khác của mô hình không thayđổi, nếu biến “Chăm sóc khách hàng” tăng lên 1% thì sự hài lòng của khách hàng đối với chính sách bán hàng của công ty sẽ tăng 0.292%và ngược lại.
Với hệsố β6 = 0,137, tức là chiếm 13,7% quyết định mua của khách hàng Chăm sóc khách hàng đối với sản phẩm đồng phục của Đồng phục Lion.Trong điều kiện các nhân tốkhác của mô hình không thay đổi, nếu biến “Thương hiệu” tăng lên 1% thì sự hài lòng của khách hàng đối với chính sách bán hàng của công ty sẽ tăng 0.124% và ngược lại.
Dựa vào độ lớn của hệ số hồi quy chuẩn hóa Beta, thứ tự mức độ tác động từ mạnh nhất tới yếu nhất của các biến độc lập tới biến phụthuộc QĐM là:
SP (0,297) > CSKH (0,292) > GC (0,264) > NVBH (0,212) > TGĐH (0,137) > TH (0,124). Tương ứng:
Biến “Sản phẩm” là yếu tố tác động mạnh nhất đối với việc ra quyết định mua sản phẩm của Đồng phục Lion.
Biến “Chăm sóc khách hàng” là yếu tố tác động mạnh thứ hai đối với việc ra quyết định mua sản phẩm của Đồng phục Lion.
Biến “ Giá cả” là yếu tố tác động mạnh thứ ba đối với việc ra quyết định mua sản phẩm của Đồng phục Lion.
Biến “ Nhân viên bán hàng” là yếu tố tác động mạnh thứ tư đối với việc ra quyết định mua sản phẩm củaĐồng phục Lion.
Biến “Thời gian đơn hàng” là yếu tố tác động mạnh thứ năm đối với việc ra quyết định mua sản phẩm của Đồng phục Lion.
Biến “Thương hiệu” là yếu tố tác động yếu nhất đối với việc ra quyết định mua sản phẩm của Đồng phục Lion.
2.4. Đánh giá về kết quảnghiên cứu các yếu tố ảnh hưởng mua của khách hàng