Trong nghiên cứu này, khi phân tích nhân tốkhám phá EFA đềtài sửdụng phương pháp phân tích các nhân tốchính (Principal Components) với sốnhân tố (Number of Factor) được xác định từtrước là 5 theo mô hình nghiên cứu đềxuất. Mục đích sửdụng phương pháp này là đểrút gọn dữliệu, hạn chếvi phạm hiện tượng đa cộng tuyến giữa các nhân tốtrong việc phân tích mô hình hồi quy tiếp theo.
Phương pháp xoay nhân tố được chọn là Varimax procedure: xoay nguyên gốc cả nhân tố đểtối thiểu hóa sốlượng biến có hệsốlớn tại cùng một nhân tốnhằm tăng cường khảnăng giải thích nhân tố. Những biến nào có hệsốtải nhân tố< 0.5 sẽbịloại khỏi mô hình nghiên cứu, chỉnhững biến nào có hệsốtải nhân tố> 0.5 mới được đưa vào các phân tích tiếp theo.
Ởnghiên cứu này, hệsốtải nhân tố(Factor Loading) phải thỏa mãnđiều kiện lớn hơn hoặc bằng 0.5. Theo Hair & ctg (1998), Factor Loading là chỉtiêu để đảm bảo mức ý nghĩa thiết thực của EFA, Factor Loading > 0.3 được xem là mức tối thiểu và được khuyên dùng nếu cỡmẫu lớn 350. Factor Loading > 0.4 được xem là quan trọng, Factor Loading > 0.5 được xem là có ý nghĩa thực tiễn, và nghiên cứu này chọn giá trị Factor Loading > 0.5 với cỡmẫu là 120.
Bảng 2. 10: Rút trích nhân tố biến độc lập
Biến quan sát Nhóm nhân tố
1 2 3 4 5 CHAMSOC1 0.906 CHAMSOC2 0.902 CHAMSOC3 0.844 CHAMSOC4 0.728 GIACA2 0.860 GIACA1 0.812 GIACA4 0.771 GIACA3 0.692 THUONGHIEU3 0.866 THUONGHIEU1 0.716 THUONGHIEU2 0.706 THUONGHIEU4 0.618 CHUQUAN4 0.781 CHUQUAN1 0.648 CHUQUAN2 0.638 CHUQUAN3 0.608 CHATLUONG2 0.788 CHATLUONG1 0.759 CHATLUONG3 0.668 HệsốEigenvalue 5.601 3.017 1.645 1.364 1.147
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Thực hiện phân tích nhân tốlần đầu tiên, đưa 19 biến quan sát trong 5 biến độc lậpảnh hưởng đến quyết định mua của khách hàng vào phân tích nhân tốtheo tiêu chuẩn Eigenvalue lớn hơn 1 đã có 5 nhân tố được tạo ra.
Như vậy, sau khi tiến hành phân tích nhân tốkhám phá EFA, sốbiến quan sát vẫn là 19, được rút trích lại còn 5 nhân tố. Không có biến quan sát nào có hệsốtải nhân tố(Factor Loading) bé hơn 0.5 nên không loại bỏbiến, đềtài tiếp tục tiến hành các bước phân tích tiếp theo.
Kết quảphân tích nhân tố được chấp nhận khi Tiêu chuẩn phương sai trích (Variance Explained Criteria) > 50% và giá trịEigenvalue lớn hơn 1 (theo Gerbing & Anderson, 1998). Dựa vào kết quảtrên, tổng phương sai trích là 67.236% > 50% do đó phân tích nhân tốlà phụhợp.
Đặt tên cho các nhóm nhân tố:
- Nhân tố(Factor 1) gồm 4 biến quan sát: THUONGHIEU1, THUONGHIEU2, THUONGHIEU3, THUONGHIEU4. Nghiên cứu đặt tên nhân tốmới nàylà “ Thương hiệu”.
- Nhân tố2 (Factor2) gồm 4 biến quan sát: GIACA1, GIACA2, GIACA3, GIACA4. Nghiên cứu đặt tên nhân tốmới này là“Giá cả”.
- Nhân tố3 (Factor 3) gồm 3 biến quan sát: CHATLUONG1, CHATLUONG2, CHATLUONG3. Nghiên cứu đặt tên nhân tốmới này là“Chất lượng sản phẩm”.
- Nhân tố4 (Factor 4) gồm 4 biến quan sát: CHAMSOC1, CHAMSOC2, CHAMSOC3, CHAMSOC4. Nghiên cứu đặt tên nhân tốmới này là“Chăm sóc khách hàng”.
- Nhân tố5 (Factor 5) gồm 4 biến quan sát: CHUQUAN1, CHUQUAN2, CHUQUAN3, CHUQUAN4. Nghiên cứu đặt tên nhân tốmới này là“Chuẩn chủquan”.
Bảng 2. 11: Kiểm định KM O và Bartlett’ s Test biến phụ thuộc
KMO and Bartlett’s Test
Trịs ố KMO (Kaiser Meyer-Olkin Measure of Sampling Adequacy)
0.781
Đại lượng thống kê Bartlett’s Test
Approx. Chi-Square 217.994
df 6
Sig. 0.000
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Kết quảtừbảng trên cho thấy cơ sởdữliệu này là hoàn toàn phù hợp với phân tích các nhân tốvì giá trịKaiser Meyer-Olkin Measure of Sampling Adequacy là 0.781 tươngứng với 78.1% lớn hơn 0.5 tươngứng với 50% với mức ý nghĩa thống kê là 99%. Ngoài ra, do sốphiếu điều tra khá lớn nên phân tích nhân tốlà hoàn toàn phù hợp.
2.2.4.4. Phân tích nhân tốkhám phá EFA biến phụthuộc
Bảng 2. 12: Rút trích nhân tố biến phụ thuộc
Quyết định mua Hệs ố tải
QUYETDINHMUA1 0.893
QUYETDINHMUA2 0.872
QUYETDINHMUA3 0.843
QUYETDINHMUA4 0.695
Phương sai tích lũy tiến (%) 68.790%
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Kết quảphân tích nhân tốkhám phá rút trích ra được một nhân tố, nhân tốnày được tạo ra từ4 biến quan sát mà đềtài đãđềxuất từtrước, nhằm mục đích rút ra kết
luận vềquyết định mua của khách hàng đối với sản phẩm nội thất tại công ty Wood Park.
Nhận xét:
Qua quá trình phân tích nhân tốkhám phá EFA trên đã xácđịnh được 5 nhân tố ảnh hưởng đến quyết định mua của khách hàng đối với sản phẩm nội thất tại công ty Wood Park, đó là “Thương hiệu”, “Giá cả”, “Chất lượng sản phẩm”, “Dịch vụchăm sóc khách hàng”, “Chuẩn chủquan”.
Như vậy, mô hình nghiên cứu sau khi phân tích nhân tốkhám phá EFA không có gì thayđổi đáng kểso với ban đầu, không có biến quan sát nào bịloại ra khỏi mô hình trong quá trình kiểm định độtin cậy thang đo và phân tích nhân tốkhám phá.
2.2.5. Kiểm định độtin cậy của thang đo sau khi phân tích nhân tốkhám phá EFA EFA
Sau khi phân tích nhân tốkhám phá EFA theo phương pháp rút trích các nhân tố chính (Principal Components), nghiên cứu tiến hành kiểm định lại độtin cậy thang đo của các nhân tốsau khi loại biến với các điều kiện kiểm định như trên, nhằm đảm bảo các nhân tốthu được có ý nghĩa cho các bước phân tích tiếp theo.
Bảng 2. 13: Kiểm địnhđộtin cậy của thang đo sau phân tích EFA HệsốCronbach’s Alpha Biến độc lập Dịch vụchăm sóc khách hàng 0.873 Giá cả 0.854 Thương hiệu 0.764 Chuẩn chủquan 0.745 Chất lượng sản phẩm 0.723
Biến phụthuộc
Quyết đinh mua 0.838
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Nhìn vào bảng tổng hợp phân tích, có thểnhận ra rằng không có sựthayđổi so với ban đầu sau khi phân tích EFA và hệsốCronbach’s Alpha của các nhân tốnày khá cao (đều lớn hơn 0.7), vì vậy các nhân tốnày đảm bảođộtin cậy và mức ý nghĩa trong các phân tích tiếp theo.
2.2.6. Kiểm định phân phối chuẩn
Trong nghiên cứu này, đềtài sửdụng kiểm định Kolmogorov-Smirnov đểkiểm định vềphân phối chuẩn của bộdữliệu. Kết quảthu được như sau:
Bảng 2. 14 Kiểm định Kolmogorov-SmirnovGC TH CL CS CQ QD GC TH CL CS CQ QD N 120 120 120 120 120 120 Normal Parameters Mean 3.8750 4.0042 4.0667 2.9375 3.8688 4.1000 Std. Deviation 0.61409 0.49257 0.64618 1.14232 0.50415 0.66847 Most Extreme Differences Absolute 0.156 0.183 0.160 0.120 0.109 0.224 Positive 0.104 0.090 0.074 0.094 0.093 0.115 Negative -0.156 -0.183 -0.160 -0.120 -0.109 -0.224 Kolmogorov-Smirnov Z 1.705 2.003 1.754 1.313 1.189 2.452
Asymp. Sig. (2-tailed) 0.006 0.001 0.004 0.064 0.118 0.000
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Với giảthuyết H 0 là có phân phối chuẩn, H1 là không có phân phối chuẩn, kết quảkiểm định Kolmogorov-Smirnov cho thấy: các biến “GC”(giá cả), “TH”(thương hiệu), “CL”(chất lượng sản phẩm), “QD” (quyết định mua)có giá trịAsymp. Sig. (2- tailed) bé hơn 0.05, bác bỏgiảthuyết H 0. Như vậy có thểkết luận rằng, những biến
này không có phân phối chuẩn. Các biển “CS”(chăm sóc khác hàng), “CQ”(chuẩn chủquan)có giá trịAsymp. Sig. (2-tailed) lớn hơn 0.05, chấp nhận giảthuyết H 0, nên các biến này có phân phối chuẩn.
2.2.7. Kiểm định sựphù hợp của mô hình
2.2.7.1. Kiểm định mối tương quan giữa biến độc lập và biến phụthuộc
Bảng 2. 15: Phân tích tương quan Pearson
GC TH CL CS CQ QD QD Tương quan Pearson 0.512 0.516 0.680 -0.166 0.555 1 Sig.(2-tailed) 0.000 0.000 0.000 0.070 0.000 N 120 120 120 120 120 120
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Dựa vào kết quảphân tích trên, ta thấy:
- Giá trịSig.(2-tailed) của các nhân tốmới đều bé hơn mức ý nghĩaα= 0.05, cho thấy sựtương quan có ý nghĩa giữa các biến độc lập và biến phụthuộc.
- Hệsốtương quan Pearson cũng khá cao (có 4 nhân tốlớn hơn 0.5 và 1 nhân tố nhỏhơn 0.5) nên ta có thểkết luận rằng các biến độc lập sau khi điều chỉnh có thểgiải thích cho biến phụthuộc “quyết định mua”.
2.2.7.2. Xây dựng mô hình hồi quy
Sau khi tiến hành phân tích nhân tốkhám phá EFA đểkhám phá các nhân tốmới cóảnh hưởng đến biến phụthuộc “quyết định mua”, nghiên cứu tiến hành hồi quy mô hình tuyến tính đểxác định được chiều hướng và mức độ ảnh hưởng của các nhân tố mới này đến quyết định sửdụng.
Mô hình hồi quy được xây dựng gồm biến phụthuộc là“quyết định mua”(QD)và các biến độc lập được rút trích từnhân tốkhám phá EFA gồm 5 biến: “chất lượng sản phẩm”(CL), “thương hiệu”(TH),“chuẩn chủquan”(CQ),“giá cả”(GC),“Dịch vụ chăm sóc khách hàng”(CS)với các hệsốBê-ta tươngứng lần lượt làβ1, β2, β3, β4, β5
QD= β0 + β1CL + β2TH + β3CQ + β4GC +β5CS + ei
Dựa vào hệsốBê-ta chuẩn hóa với mức ý nghĩa Sig. tươngứng đểxác định các biến độc lập nào cóảnh hưởng đến biến phụthuộc trong mô hình vàảnh hưởng với mức độra sao, theo chiều hướng nào. Từ đó, làm căn cứ đểkết luận chính xác hơn và đưa ra giải pháp mang tính thuyết phục cao. Kết quảcủa mô hình hồi quy sẽgiúp ta xác định được chiều hướng, mức độ ảnh của các nhân tố ảnh hưởng đến quyết định mua của khách hành đối với sản phẩm nội thất tại công ty Wood Park.
2.2.7.3. Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽgiúp chúng ta biết được chiều hướng và cường độ ảnh hưởng của các biến độc lập lên biến phụthuộc. Trong giai đoạn phân tích hồi quy, nghiên cứu chọn phương pháp Enter, chọc lọc dựa trên tiêu chí chọn những nhân tốcó mức ý nghĩa Sig. < 0.05. Những nhân tốnào có giá trịSig. > 0.05 sẽbịloại khỏi mô hình và không tiếp tục nghiên cứu nhân tố đó.
Kết quảphân tích hồi quy được thểhiện qua các bảng sau:
Bảng 2. 16: Hệ số phân tích hồi quy
Hệsốchưa chuẩn hóa chuẩn hóaHệs ố
t Sig. VIF BĐộlệch chuẩn Beta Hằng số -0.283 0.414 -0.684 0.495 GC 0.163 0.079 0.149 2.056 0.042 1.477 TH 0.263 0.096 0.194 2.741 0.007 1.401 CL 0.454 0.076 0.439 5.999 0.000 1.497 CS -0.042 0.036 -0.073 -1.182 0.240 1.053 CQ 0.253 0.098 0.191 2.579 0.011 1.531
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Giá trịSig. tại các phép kiểm định của các biến độc lập được đưa vào mô hình:
0.05 chứng tỏcác biến độc lập này có ý nghĩa thống kê trong mô hình. Riêngđối với biến độc lập “dịch vụchăm sóc khách hàng”có giá trịSig. là 0.240 > 0.05 nên bịloại khỏi mô hình hồi quy. Ngoài ra, hằng sốtrong mô hình có giá trịSig. là 0.495 > 0.05 nên cũng sẽbịloại.
Nhưvậy, phương trình hồi quy được xác định như sau:
QD= 0.439CL + 0.194TH + 0.191CQ + 0.149GC + ei
Nhìn vào mô hình hồi quy, ta có thểxác định rằng: có 4 nhân tố đó là“chất lượng sản phẩm”,“thương hiệu” , “chuẩn chủquan”,“giá cả”ảnh hưởng đến “quyết định mua”của khách hàng tại Thành phốHuế đối với sản phẩm nội thất của công ty Nội Thất Wood Park.
Đềtài tiến hành giải thích ý nghĩa các hệsốbê-ta như sau:
Hệsốβ1 = 0.439có nghĩa là khi biến “Chất lượng sản phẩm”thay đổi 1 đơn vị trong khi các biến khác không đổi thì“Quyết định mua”biến động cùng chiều 0.439 đơn vị. Tương tựvới các biến còn lại cũng giải thích như vậy. Hệsốβ2 = 0.194có nghĩa là khi biến“Thương hiệu”thay đổi 1 đơn vịtrong khi các biến khác không đổi thì“Quyết định mua”biến động cùng chiều 0.191đơn vị. Hệsốβ3 = 0.191có nghĩa là khi biến“Chuẩn chủquan”thay đổi 1 đơn vịtrong khi các biến khác không đổi thì
“Quyết định mua”biến động cùng chiều 0.194đơn vị. Hệsốβ4 = 0.149có nghĩa là khi biến“Giá cả”thay đổi 1 đơn vịtrong khi các biến khác không đổi thì“Quyết định mua”biến động cùng chiều 0.149đơn vị. Có một điểm chung của các biến độc lập này là đềuảnh hưởng thuận chiều với biến phụthuộc là“Quyết định mua”,quyết định mua của khách hàng đối với sản phẩm nội thất sẽ được nâng cao khi những yếu tố ảnh hưởng này tăng. Điều này cho thấy công ty TNHH MTV Nội Thất Wood Park cần phải có những động thái nhằm kiểm soát các yếu tốnày một cách cẩn thận hơn.
Dựa trên mô hình hồi quy, ta có hệsốBê-ta chuẩn hóa của biến“Chất lượng sản phẩm”có giá trịlà 0.439. Đây là nhân tố ảnh hưởng mạnh nhất đến quyết định mua của khách hàng tại thành phốHuế đối với sản phẩm nội thất của Wood Park, ngoài ra biến“Thương hiệu”và biến“Chuẩn chủquan”cũng có mứcảnh hưởng khá lớn với hệsốBê-ta tươngứng là 0.194 và 0.191. Biến còn lại là“Giá cả”cũng sẽ được khách
hàng xem xét khi quyết định mua với hệsốBê-ta là 0.149. Kết quảphân tích hồi quy cũng khá hợp lý so với thực tếkhi mà xu hướng phát triển của sản phẩm nội thất trên thịtrường ngày càng có quy mô lớn, người dùng ngày càng có nhiều nhu cầu cao hơn về đồnội thất, đặt biệt là nội thất thông minh đểcó thểthõa mãnđược các điều kiện về sựthoáng mát, tiện nghi, trang trí cho không gian sống của họ. Họcó xu hướng cân nhắc kĩ lưỡng hơn vềcác yếu tốnày để đa hóa lợi ích của họkhi mua sản phẩm nội thất đó.
2.2.7.4. Đánh giá độphù hợp của mô hình
Bảng 2. 17: Đánh giá độ phù hợp của mô hình
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin – Watson 1 0.770 0.593 0.575 0.43591 2.065
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Dựa vào bảng kết quảphân tích, mô hình 4 biến độc lập có giá trịR Square hiệu chỉnh là 0.575 tức là: độphù hợp của mô hình là 57.5%. Hay nói cách khác, 57.5% độbiến thiên của biến phụthuộc“quyết định mua”được giải thích bởi 4 yếu tố được đưa vào mô hình. Bên cạnh đó, ta nhận ra giá trịR Square hiệu chỉnh là 0.575 khá là cao (>50%), nghĩa là mối quan hệgiữa biến độc lập và biến phụ thuộc được coi là gần chặt chẽ.
2.2.7.5. Kiểm định sựphù hợp của mô hình
Bảng 2. 18: Kiểm định ANOVAANOVA ANOVA Model Sum of Squares df Mean Square F Sig.
1 Regression 31.513 5 6.303 33.168 0.000
Residual 21.662 114 0.190 Total 53.175 119
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Kết quảtừbảng ANOVA cho thấy giá trịSig. = 0.000 rất nhỏ, cho phép nghiên cứu bác bỏgiảthiết răng “Hệsốxác định R bình phương = 0” tức là mô hình hồi quy phù hợp. Như vậy mô hình hồi quy thu được rất tốt, các biến độc lập giải thích được khá lớn sựthay đổi của biến phụthuộc“quyết định mua”.
2.2.8. Xem xét tựtương quan
Đại lượng Durbin – Watson được dùng đểkiểm định tương quan của các sai số kềnhau. Dựa vào kết quảthực hiện phân tích hồi quy cho thấy, giá trịDurbin – Watson là 2.065 thuộc trong khoảng chấp nhận (1.6 đến 2.6). Vậy có thểkết luận là mô hình không xảy ra hiện tượng tựtương quan.
2.2.9. Xem xét đa cộng tuyến
Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trịhệsốphóng đại phương sai (VIF – Variance Inflation Factor) lớn hơn hay bằng 10.
Từhết quảphân tích hồi quyởtrên, ta có thểthấy rằng giá trịVIF của mô hình nằm trong khoản 1.053 đến 1.531, nên nghiên cứu kết luận rằng mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến.
2.2.10.Kiểm định phân phối chuẩn của phần dư
Phần dư có thểkhông tuân theo phân phối chuẩn vì những lý do như: sửdụng sai mô hình, phương sai không phải là hằng số, sốlượng các phần dư không đủnhiều để phân tích. Vì vậy chúng ta phải tiến hành kiểm định phân phối chuẩn của phần dư để xem xét sựphù hợp của mô hìnhđưa ra.
Từbiểu đồtrích từkết quảphân tích hồi quy, ta có thểthấy rằng phần dư tuân theo phân phối chuẩn. Với giá trịMean xấp xỉ-1.35E-15 và giá trịStd.Dev gần bằng 1 (0.979).
Biểu đồ 2. 1: Biểu đồ tần số Histogram của phần dư chuẩn hóa
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
2.2.11.Kiểm định sựkhác biệt trong quyết định mua của khách hàng đối với sản phẩm nội thất của công ty TNHH MTV Nội thất Wood Park
2.2.11.1 Kiểm định Mann-Whitney
Kiểmđịnh Mann-Whitney được dùng đểkiểm định các giảthiết về2 mẫu độc lập không có phân phối. Tiến hành kiểm định Mann-Whitney đểkiểm tra xem có sự khác biệt nào hay không vềgiới tính đến quyết định mua của khách hàng đối với sản phẩm nội thất của công ty TNHH MTV Nội thất Wood Park.
Giảthuyết:
+ H0: Không có sựkhác biệt vềquyết định mua của khách hàng theo giới tính. + H1: Có sựkhác biệt vềquyết định mua của khách hàng theo giới
tính. Với độtin cậy sửdụng trong các kiểm định làα = 0.05
+ Nếu Sig. < 0.05 thì chấp nhận giảthuyết H 1, bác bỏgiảthuyết H 0. Bảng 2. 19 Kết quả kiểm định Mann-Whitney Quyết định mua Mann-Whitney U 1607.500 Wilcoxon W 3752.500 Z -0.962
Asymp. Sig. (2-tailed) 0.336
(Nguồn: Kết quả điều tra xửlý của tác giảnăm 2020)
Theo kết quảphân tích vềquyết định mua của khách hàng theo giới tính, giá trị Sig.= 0.336 > 0.05 nên bác bỏgiảthuyết H1, tức là quyết định mua của khách đối với sản phẩm nội thất của công ty Wood Park không có sựkhác nhau theo giới tính.
2.2.11.2 Kiểm định Kruskall-Wallis
Kiểm định Kruskall-Wallis được sửdụng đểkiểm định sựkhác biệt vềgiá trị trung bình của một biến phụthuộc vềphân phối giữa ba (hoặc nhiều hơn ba) nhóm của biến độc lập, nhưng không yêu cầu biến phụthuộc phải có phân phối chuẩn. Trong đề tài này tiến hành kiểm định Krushall-Wallis đểkiểm tra xem có sựkhác biệt nào hay không về độtuổi, nghềnghiệp và thu nhập đến quyết định mua của khách hàng đối với sản phẩm của công ty TNHH MTV Nội thất Wood Park.
Giảthuyết:
+ H0: Không có sựkhác biệt giữa các đối tượng khách hàng vềquyết định mua