a) Thang đo từng nhân tố của ý định mua lặp lại
Kết quả phân tích Cronbach’s alpha đối với từng nhân tố của ý định mua lặp lại đƣợc thể hiện trong bảng sau :
Bảng 4.7: Tổng hợp kết quả Cronbach’s anpha của các thang đo
Thang đo “hình ảnh thương hiệu” – Cronbach’s anpha = 0.739
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến - tổng Cronbach's Alpha nếu loại biến HA_1 7.76 1.094 .512 .712 HA_2 8.07 1.000 .544 .679 HA_5 8.36 .981 .640 .564
Thang đo “chất lượng sản phẩm” – Cronbach’s anpha = 0.837
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến - tổng Cronbach's Alpha nếu loại biến CLSP_1 13.03 6.066 .764 .779 CLSP_2 13.37 5.403 .731 .778 CLSP_3 12.83 6.927 .466 .846 CLSP_4 13.73 5.696 .505 .858 CLSP_5 13.28 5.513 .828 .753
Thang đo “Chất lượng dịch vụ” – Cronbach’s anpha = 0.763
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến - tổng Cronbach's Alpha nếu loại biến CLDV_2 11.28 2.437 .485 .746 CLDV_3 11.32 2.210 .537 .722 CLDV_4 11.70 2.390 .465 .759 CLDV_5 11.54 2.018 .790 .583
Thang đo “Tính tiện lợi” - Cronbach’s anpha = 0.706
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến - tổng Cronbach's Alpha nếu loại biến TL_2 7.83 .840 .534 .603 TL_3 7.67 1.107 .467 .686 TL_4 7.71 .797 .588 .528
Thang đo “Giá bán” - Cronbach’s anpha = 0.729
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến - tổng Cronbach's Alpha nếu loại biến G_1 11.35 1.791 .509 .684 G_2 11.38 1.959 .492 .686 G_4 11.77 2.069 .529 .664 G_5 11.63 2.207 .594 .645
Qua phân tích hệ số Cronbach’s alpha, ta thấy thang đo của các nhân tố đều có hệ số Cronbach’s alpha cao hơn 0.7 và hệ số tƣơng quan biến tổng đều lớn hơn 0.4. Tuy nhiên, đối với nhân tố “Giá bán”, biến quan sát G_3 có hệ số tƣơng quan biến tổng là 0.334 (< 0.4 ) và nếu loại bỏ biến này đi thì alpha sẽ tăng lên đến 0.729, tốt hơn giá trị alpha cũ. Vì thế thang đo mới về nhân tố này chỉ còn 4 biến quan sát là G_1, G_2, G_4, G_5. Và ở thang đo “Chất lƣợng sản phẩm”, nếu loại biến quan sát CLSP_4 thì hệ số Cronbach’anpha tăng lên 0.858, tuy nhiên hệ số tƣơng quan biến – tổng của biến CLSP_4 khá cao 0.505 > 0.4 và khi loại biến này thì hệ số anpha tổng tăng lên không đáng kể; hơn nữa các câu hỏi trong mô hình phải trải qua một quá trình tìm tòi, nghiên cứu chứ không dễ dàng có đƣợc. Vì những lý do trên nên tác giả vẫn giữ lại biến này để phân tích ở các bƣớc sau.
b) Thang đo ý định mua lặp lại
Bảng 4.8: Hệ số Cronbach’s anpha của “Ý định mua lặp lại”
Thang đo “Ý định mua lại” - Cronbach’s anpha = 0.873
Biến quan sát
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến - tổng Cronbach's Alpha nếu loại biến ML_1 10.64 4.087 .692 .852 ML_2 11.20 3.453 .713 .858 ML_3 10.90 4.262 .793 .823 ML_4 10.89 3.983 .772 .822
Kết quả cho thấy hệ số Cronbach’s alpha của thang đo này là 0.873 cùng với hệ số tƣơng quan biến tổng của các biến đều lớn hơn 0.4 cho thấy các nhân tố có liên hệ khá chặt chẽ và phản ánh đƣợc cùng một khái niệm, đó là ý định mua lặp lại nói chung. Ngoài ra, nếu loại bỏ bất kỳ biến nào ra khỏi nhân tố thì hệ số alpha đều sẽ giảm nên không có biến nào bị loại ở nhân tố này.
Nhƣ vậy, sau khi phân tích nhân tố và hệ số Cronbach’s alpha, ta còn lại 19 biến trong thang đo đƣợc chia làm năm nhân tố ảnh hƣởng đến ý định mua lặp lại. Đó là hình ảnh thƣơng hiệu, chất lƣợng sản phẩm, chất lƣợng dịch vụ, tính tiện lợi và giá bán. Các nhân tố này đƣợc lấy từ các biến của các nhân tố tƣơng ứng đƣợc xây dựng ban đầu ngoại trừ có hai biến ở nhân tố hình ảnh thƣơng hiệu và một biến ở các nhân tố là chất lƣợng dịch vụ, tính tiện lợi đã bị loại trong phần phân tích nhân tố; và một biến ở nhân tố giá bán đã bị loại trong phần kiểm định Cronbach’s anpha. Bảng phân nhóm và đặt tên 5 nhân tố mới đƣợc tạo ra nhƣ sau:
Bảng 4.9: Phân nhóm và đặt tên nhóm
NHÂN
TỐ BIẾN CHỈ TIÊU TÊN NHÓM
X1
HA_1 Tôi nhận thấy YSKH là một thƣơng hiệu lớn và uy tín. HÌNH ẢNH THƢƠNG
HIỆU
HA_2 Thƣơng hiệu YSKH là thƣơng hiệu thành công. HA_5 YSKH là thƣơng hiệu đáng tin cậy
X2
CLSP_1 Tôi thấy YSKH có giá trị dinh dƣỡng cao
CHẤT LƢỢNG SẢN PHẨM
CLSP_2 Tôi thấy YSKH phục hồi sức khỏe rất nhanh
CLSP_3 Tôi thấy chất lƣợng YSKH tƣơng ứng với uy tín thƣơng hiệu. CLSP_4 Tôi thấy sản phẩm YSKH luôn là sản phẩm có hạn sử dụng mới. CLSP_5 Nhìn chung, CLSP YSKH đáp ứng đƣợc sự mong đợi của tôi
X3
CLDV_2 Nhân viên YSKH phục vụ công bằng với mọi khách hàng
CHẤT LƢỢNG DỊCH VỤ
CLDV_3 Nhân viên đáp ứng nhu cầu của khách hàng kịp thời
CLDV_4 Mọi thắc mắc, khiếu nại của khách đƣợc giải quyết nhanh chóng CLDV_5 Nhìn chung, tôi hài lòng với chất lƣợng dịch vụ của YSKH
X4
TL_2 Sản phẩm YSKH đa dạng, tạo thuận tiện cho tôi khi lựa chọn
TÍNH TIỆN LỢI
TL_3 Tôi dễ dàng mua sản phẩm Yến Sào Khánh Hòa ở bất cứ đâu. TL_4 Tôi dễ dàng đặt hàng qua điện thoại hoặc website của công ty
X5
G_1 Giá sản phẩm YSKH phù hợp túi tiền của tôi
GIÁ BÁN
G_2 Giá sản phẩm YSKH tƣơng ứng với chất lƣợng sản phẩm G_4 Sản phẩm YSKH có giá cạnh tranh với sản phẩm công ty khác G_5 Nhìn chung, tôi hài lòng về giá của sản phẩm YSKH
Y
ML_1 Tôi nghĩ ngay đến YSKH khi có nhu cầu
Ý ĐỊNH MUA LẶP
LẠI
ML_2 Tôi không nghĩ đến lựa chọn thay thế (công ty yến sào khác) ML_3 Tôi sẽ tiếp tục mua sản phẩm YSKH trong tƣơng lai gần ML_4 Nếu tôi mua yến sào một lần nữa, tôi sẽ mua của YSKH
Nhƣ vậy, ý định mua lặp lại của ngƣời tiêu dùng (biến Y) sẽ chịu sự tác động của các yếu tố: hình ảnh thƣơng hiệu (X1), chất lƣợng sản phẩm (X2), chất lƣợng dịch vụ (X3), tính tiện lợi (X4), giá bán (X5).
4.3.4 Phân tích tương quan
Trƣớc tiên xem xét mối quan hệ tƣơng quan tuyến tính giữa các biến độc lập với nhau: hình ảnh thƣơng hiệu (X1), chất lƣợng sản phẩm (X2), chất lƣợng dịch vụ (X3), tính tiện lợi (X4), giá bán (X5), và phân tích tƣơng quan giữa biến phụ thuộc với từng biến độc lập thông qua kiểm định hệ số tƣơng quan Pearson. Ma trận bên dƣới (bảng 4.10) trình bày mức độ tƣơng quan giữa các biến này.
Bảng 4.10: Ma trận hệ số tƣơng quan giữa các biến
X1 X2 X3 X4 X5 Y X1 1 .452** .193** .328** .301** .520** .000 .004 .000 .000 .000 X2 .452 ** 1 .208** .249** .273** .718** .000 .002 .000 .000 .000 X3 .193** .208** 1 .185** -.032 .289** .004 .002 .005 .636 .000 X4 .328** .249** .185** 1 .190** .393** .000 .000 .005 .004 .000 X5 .301 ** .273** -.032 .190** 1 .151* .000 .000 .636 .004 .023 Y .520 ** .718** .289** .393** .151* 1 .000 .000 .000 .000 .023
** Tương quan ở mức ý nghĩa 1% (kiểm định 2 phía) * Tương quan ở mức ý nghĩa 5% (kiểm định 2 phía)
Kết quả bảng hệ số tƣơng quan bên trên cho ta thấy biến phụ thuộc có mối quan hệ tƣơng quan tuyến tính với cả năm biến độc lập, trong đó hệ số tƣơng quan giữa ý định mua lặp lại với chất lƣợng sản phẩm là cao nhất, đạt 0.718 , kế đến là hình ảnh
thƣơng hiệu, đạt 0.520. Hệ số tƣơng quan giữa biến phụ thuộc với giá bán là thấp nhất, đạt 0.151.
Từ kết quả trên, ta cũng thấy rằng giữa các biến độc lập có tƣơng quan với nhau. Về vấn đề này, trong phần kiểm định đa cộng tuyến ta sẽ xem giữa các biến đƣợc giữ lại trong mô hình hồi quy có xảy ra hiện tƣợng đa cộng tuyến hay không?
4.3.5 Phân tích hồi quy
Phân tích hồi quy đƣợc sử dụng để phân tích sự tác động của các biến độc lập (5 biến) tới biến phụ thuộc (ý định mua lặp lại). Trƣớc hết, ta cần nắm sơ một số lý thuyết về phân tích hồi quy. Phân tích hồi quy là một phân tích thống kê để xác định xem các biến độc lập (biến thuyết minh) quy định các biến phụ thuộc (biến đƣợc thuyết minh) nhƣ thế nào. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán đƣợc giá trị của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.
a) Xây dựng phương trình hồi quy tuyến tính
Áp dụng phân tích hồi quy vào mô hình, tiến hành phân tích hồi quy đa biến với năm nhân tố đã đƣợc kiểm định hệ số tƣơng quan (X1, X2, X3, X4, X5) và biến phụ thuộc (Y). Phƣơng pháp phân tích đƣợc chọn là phƣơng pháp đƣa vào một lƣợt Enter. Kết quả đƣợc thể hiện trong các bảng sau đây:
Bảng 4.11: Chỉ tiêu đánh giá độ phù hợp của mô hình
Mô hình R R 2 R2 hiệu chỉnh Sai lệch chuẩn Hệ số Durbin - Watson 1 .783 .613 .604 .408 1.925
Bảng 4.12: Kết quả hồi quy Mô hình Hệ số chƣa chuẩn hóa Hệ số chuẩn hóa t Mức ý nghĩa Đa cộng tuyến B Sai số
chuẩn Beta Tolerance
Hệ số VIF 1 Hằng số -.537 .369 -1.454 .147 X1 .284 .068 .208 4.185 .000 .714 1.401 X2 .640 .053 .589 12.125 .000 .751 1.332 X3 .121 .059 .090 2.044 .042 .915 1.093 X4 .263 .066 .181 3.996 .000 .859 1.164 X5 -.148 .065 -.104 -2.288 .023 .865 1.157 Phần mềm xử lý số liệu cho ra phƣơng trình hồi quy tuyến tính nhƣ sau:
Y = - 0.537 + 0.284X1 + 0.640X2 + 0.121X3 + 0.263X4 – 0.148X5 + eT Trong đó, Y : Ý định mua lặp lại. X1 : Hình ảnh thƣơng hiệu. X2 : Chất lƣợng sản phẩm. X3 : Chất lƣợng dịch vụ. X4 : Tính tiện lợi. X5 : Giá bán. e : Sai số ƣớc lƣợng.
b) Đánh giá độ phù hợp của mô hình
Để đánh giá độ phù hợp của mô hình, ta sẽ dùng các công cụ nhƣ hệ số xác định R2, kiểm định F và kiểm định t.
Trƣớc tiên, ta xem xét hệ số R2 hiệu chỉnh của mô hình, R2 hiệu chỉnh = 0.604 (Bảng trên 4.11) thể hiện năm biến độc lập trong mô hình này giải thích đƣợc 60.4%
biến thiên của biến phụ thuộc ý định mua lặp lại. Với giá trị này thì độ phù hợp của mô hình này là khá cao. Tuy nhiên, sự phù hợp đó mới chỉ thể hiện giữa mô hình xây dựng đƣợc với tập dữ liệu của mẫu. Rất có thể mô hình hồi quy tuyến tính này với các hệ số tìm đƣợc không có giá trị suy diễn cho mô hình thực của tổng thể. Vì vậy, ta cần phải kiểm định F thông qua phân tích phƣơng sai. Dựa bảng kết quả phân tích phƣơng sai sau đây, ta có sig.F < 0.05, cho thấy ta có thể bác bỏ giả thuyết Ho cho rằng các hệ số hồi quy bằng 0 (ngoại trừ hằng số). Do đó, mô hình hồi quy tuyến tính bội đang xem xét phù hợp với tập dữ liệu và có thể sử dụng đƣợc.
Bảng 4.13: Kết quả phân tích phƣơng sai
Mô hình Tổng bình phƣơng df Bình phƣơng trung bình F Mức ý nghĩa 1 Hồi quy 57.734 5 11.547 69.267 .000 Phần dƣ 36.507 219 .167 Tổng 94.241 224
Cuối cùng, để đảm bảo các biến độc lập đều thực sự có ảnh hƣởng đến biến phụ thuộc, ta tiến hành kiểm định t. Với giả thuyết Ho là hệ số hồi quy của các biến độc lập
k
= 0 và với độ tin cậy 95% thì ta có thể bác bỏ giả thuyết Ho đối với tất cả các k. Điều này có nghĩa là năm nhân tố trong phƣơng trình đều có ảnh hƣởng đến ý định mua lặp lại (Bảng 4.12).
c) Giải thích tầm quan trọng của các biến trong mô hình
Phƣơng trình hồi quy tuyến tính trên giúp ta rút ra kết luận từ mẫu nghiên cứu rằng ý định mua lặp lại phụ thuộc vào năm yếu tố chính, đó là hình ảnh thƣơng hiệu, chất lƣợng sản phẩm, chất lƣợng dịch vụ, tính tiện lợi, và giá bán. Nghiên cứu này sử dụng thang đo mức độ Likert (năm mức độ) nên từ phƣơng trình hồi quy này ta cũng
thấy đƣợc tầm quan trọng của từng nhân tố đối với ý định mua lặp lại. Trong đó, nhân tố chất lƣợng sản phẩm có ảnh hƣởng mạnh nhất, kế đến là nhân tố hình ảnh thƣơng hiệu, tính tiện lợi, giá bán, và có ảnh hƣởng thấp nhất là nhân tố chất lƣợng dịch vụ. Nếu nhân tố chất lƣợng sản phẩm tăng lên một bậc sẽ giúp cho ý định mua lặp lại tăng lên trung bình 0.589 bậc. Tƣơng tự, sự tăng lên một bậc của nhân tố hình ảnh thƣơng hiệu sẽ làm gia tăng ý định mua lặp lại lên trung bình 0.208 bậc. Và sự tăng lên một bậc của nhân tố tính tiện lợi sẽ làm gia tăng ý định mua lặp lại lên trung bình 0.181 bậc. Cũng nhƣ vậy, sự tăng lên một bậc của nhân tố chất lƣợng dịch vụ sẽ làm gia tăng ý định mua lặp lại lên trung bình 0.09 bậc. Tuy nhiên, nếu nhân tố giá bán tăng lên một bậc sẽ làm cho ý định mua lặp lại giảm 0.104 bậc.
d) Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Kiểm tra hiện tượng đa cộng tuyến
Đây là công cụ kiểm tra sự tồn tại mối tƣơng quan giữa các biến độc lập. Sự tƣơng quan chặt chẽ giữa các biến độc lập có thể gặp phải vấn đề đa cộng tuyến. Trong phân tích tƣơng quan Pearson ở bảng 5.10 ta thấy các biến độc lập có mối tƣơng quan với nhau, nghiên cứu nghi ngờ có hiện tƣợng đa cộng tuyến nên tiến hành kiểm tra để đảm bảo không vi phạm mô hình hồi quy. Việc kiểm tra đƣợc thực hiện bằng cách tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phƣơng sai (Variance inflation factor – VIF). Độ chấp nhận trong trƣờng hợp này của năm biến trong mô hình khá cao, đều lớn hơn 0.5 trong khi hệ số VIF khá thấp dƣới 2. Hệ số VIF nhỏ hơn 10 là ta đã có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến (Bảng 4.12).
Kiểm tra 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 đoán chuẩn hóa trên trục hoành. Nhìn vào đồ thị, ta thấy phần dƣ không thay đổi theo một trật tự nào đó đối với giá trị dự đoán. Vậy giả thuyết về liên hệ tuyến tính không bị vi phạm.
Hình 4.1: Đồ thị phân tán Scatterplot Kiểm tra phương sai của phần dư không đổi
Để thực hiện kiểm định này, chúng ta sẽ tính hệ số tƣơng quan hạng Spearman của giá trị tuyệt đối phần dƣ và các biến độc lập. Với mức ý nghĩa sig.> 0.05 cho thấy không đủ cơ sở bác bỏ giả thuyết Ho là giá trị tuyệt đối của phần dƣ độc lập với các biến độc lập. Nhƣ vậy, giả định về phƣơng sai của phần dƣ không đổi không bị vi phạm.
Bảng 4.14: Ma trận hệ số tƣơng quan hạng Spearman’s rho ABScuare X1 X2 X3 X4 X5 ABScuare 1.000 .033 .056 .035 -.052 -.055 . .621 .406 .606 .434 .408 X1 .033 1.000 .471** .189** .316** .325** .621 . .000 .004 .000 .000 X2 .056 .471** 1.000 .172** .269** .281** .406 .000 . .010 .000 .000 X3 .035 .189** .172** 1.000 .214** -.053 .606 .004 .010 . .001 .431 X4 -.052 .316 ** .269** .214** 1.000 .151* .434 .000 .000 .001 . .024 X5 -.055 .325** .281** -.053 .151* 1.000 .408 .000 .000 .431 .024 .
** Tương quan ở mức ý nghĩa 1% (kiểm định 2 phía) * Tương quan ở mức ý nghĩa 5% (kiểm định 2 phía)
Kiểm tra phương sai của phần dư có phân phối chuẩn
Để dò tìm sự vi phạm giả định phân phối chuẩn của phần dƣ, ta sẽ dùng hai công cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot. Nhìn vào biểu đồ Histogram ta thấy phần dƣ có phân phối chuẩn với giá trị trung bình gần bằng 0 và