Phân tích nhân tố khám phá EFA

CHƯƠNG 4 PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ

4.3 ĐÁNH GIÁ THANG ĐO

4.3.2 Phân tích nhân tố khám phá EFA

hội tụ và giá trị phân biệt của thang đo. Vì vậy, các biến quan sát đạt yêu cầu về hệ số tin cậy ở mục 4.3.1 sẽ được tiếp tục đánh giá về giá trị hội tụ và giá trị phân biệt.

Phương pháp EFA là phương pháp đánh giá liên kết - đánh giá thang đo của khái niệm này trong mối quan hệ của nó với thang đo các khái niệm khác, nên nếu chúng ta sử dụng EFA cho từng thang đo riêng lẻ thì kết quả tương tự như phân tích Cronbach alpha và phân tích này hầu như khơng có giá trị (Nguyễn Đình Thọ, 2011).

4.3.2.1 Kết quả phân tích khám phá nhân tố

Theo mơ hình nghiên cứu đề xuất có tất cả bảy khái niệm cần đo lường với 31 biến quan sát. Sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax (Gerbing và Erson, 1988) với hệ số tải ≥ 0,5 (Hair và cộng sự, 1998) đối với cả biến độc lập và biến phụ thuộc. Thực hiện kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát (Hoàng Trọng, 2008).

Dựa vào kết quả phân tích trong mục 11.1 của Phụ lục11 và tiêu chuẩn Eigenvalue lớn hơn 1 thì có 6 nhân tố được trích ra. Giá trị Cumulative % cho biết 5 nhân tố đầu giải thích 75.499 % biến thiên của dữ liệu. Theo Hairvà cộng sự (1998), phương sai trích phải từ 50% trở lên mơ hình mới phù hợp. Việc thực hiện phân tích nhân tố đưa ra kết quả cho thấy hồn tồn có đủ các điều kiện để phân tích nhân tố.

Với kết quả đã có, hệ số KMO là 0.966 nằm trong khoảng tiêu chuẩn cho phép tối thiểu (0.5<KMO<1) và Sig Bartlett’s = 0.000 cho biết các biến quan sát có tương quan với nhau trên tổng thể (Sig<0.05). Như vậy, các hệ số nói trên cho phép kết luận rằng việc phân tích EFA là hồn tồn phù hợp.

Kết quả lần xoay thứ nhất trong bảng Pattern Matrix cho biết, một số biến quan sát có giá trị < 0,5, một số biến thể hiện giá trị ở hai nhân tố, do vậy, nhóm nghiên cứu tiến hành loại các biến đó ra để tiến hành lần phân tích tiếp theo.

Danh sách các biến còn lại và các biến bị loại lần đầu bao gồm:

Bảng 4.4: Kết quả phân tích Cronbach alpha

T biến Cịn lại Bị loại 1 Tâm lý khi mua hàng PB PB1,PB2,PB3 PB4 2 Sự kích thích ST ST2, ST3, ST4, ST5, ST6, ST7 ST1 3 Sự tin tưởng T R TR2,TR3,TR4,TR5,TR6 TR1 4

Sự hịa hợp HA HA1, HA2,HA3,HA4

HA5 5 Tính tương hỗ RE RE1,RE2,RE3,RE4 7 Quyết định lựa chọn sàn thương mại điện tử theo đám đông

DC DC1, DC2, DC3, DC4, DC5

4.3.2.2 Kết quả phân tích khám phá nhân tố lần tiếp theo

Dựa vào kết quả phân tích trong mục 11.2 của Phụ lục 11 và tiêu chuẩn Eigenvalue lớn hơn 1 thì có 6 nhân tố được trích ra. Giá trị Cumulative % cho biết 5 nhân tố đầu giải thích 74.152 % biến thiên của dữ liệu. Theo Hairvà cộng sự (1998), phương sai trích phải từ 50% trở lên mơ hình mới phù hợp. Việc thực hiện phân tích nhân tố đưa ra kết quả cho thấy hồn tồn có đủ các điều kiện để phân tích nhân tố.

Danh sách các biến còn lại và các biến bị loại lần hai bao gồm:

Bảng 4.5: Kết quả phân tích Cronbach alpha

T T Nhân tố Tê n biến Biến quan sát Còn lại Bị loại 1 Tâm lý khi mua hàng PB PB1,PB2,PB3 PB1 2 Sự kích thích ST ST3, ST4, ST5 ST1,ST2,ST6,ST7 3 Sự tin tưởng T R TR2,TR3,TR4,TR5,TR6 TR3 4 Sự hòa hợp HA HA1, HA2,HA3,HA4 HA5 5 Tính tương hỗ RE RE1,RE2,RE3,RE4 7 quyết định lựa chọn sàn thương mại điện tử theo đám đông DC DC1, DC2, DC3, DC4, DC5

4.3.2.3 Kết quả phân tích khám phá nhân tố lần cuối cùng

Dựa vào kết quả phân tích trình bày trong mục 11.3 của Phụ lục 11 và tiêu chuẩn Eigenvalue lớn hơn 1 thì có 5 nhân tố được trích ra. Giá trị Cumulative % cho biết 5 nhân tố đầu giải thích 74.444 % biến thiên của dữ liệu. Theo Hairvà cộng sự (1998), phương sai trích 58.318 % lớn hớn 50% nên khẳng định mơ hình mới phù hợp. Việc

thực hiện phân tích đưa ra kết quả cho thấy hồn tồn có đủ các điều kiện để phân tích nhân tố.

Với kết quả đã có, hệ số KMO là 0.963 nằm trong khoảng tiêu chuẩn cho phép tối thiểu (0.5<KMO<1) và Sig Bartlett’s = 0.00 cho biết các biến quan sát có tương quan với nhau trên tổng thể (Sig<0.05). Như vậy, các hệ số nói trên cho phép kết luận rằng việc phân tích EFA là hoàn toàn phù hợp.

Đến đây, sau khi xác định được 6 nhóm nhân tố thì sẽ sử dụng 6 nhóm nhân tố theo kết quả phân tích nhóm vẫn giữ 6 nhân tố như giả thuyết ban đầu, gồm 5 biến độc lập và 1 biến phụ thuộc. Nhóm chỉ dựa vào kết quả lần xoay cuối cùng để nhóm lại các nhân tố của từng biến cho phù hợp

- Sự kích thích : TR4, TR6, HA4, HA5, ST4, ST5 Tâm lý khi mua hàng: PB2, PB3, TR5

Sự tin tưởng: TR2, ST3, HA2 Tính tương hỗ: RE1, RE2, RE3, Sự hịa hợp: HA1, HA3, RE4

Sự lựa chọn STMDT theo đám đông : DC1, DC2, DC3, DC4, DC5

Qua các dữ liệu kết xuất được cùng với việc xem xét xu hướng phụ thuộc chung theo dạng hàm, ta có thể xác định được mối quan hệ giữa các nhân tố và biến quan sát là dạng hàng tuyến tính. Kết quả này dùng để phối hợp đưa ra đánh giá, kết luận ở phần tiếp theo.

4.3.3 Điều chỉnh mơ hình nghiên cứu 4.3.3.1 Mơ hình nghiên cứu mới

Sau khi kiểm định thang đo tạ các yếu tố của hiệu ứng đám đông ảnh hưởng tới quyết định lựa chọn mua sắm tại các sàn thương mại điện tửm, chúng ta có mơ hình nghiên cứu được điều chỉnh ( xem hình 4.1)

Hình 4.3: Mơ hình nghiên cứu lí thuyết đề xuất

Danh sách biến thang đo cho mơ hình nghiên cứu mới trình bày trong Phụ lục 12

4.3.3.2 Giả thuyết nghiên cứu sau khi điều chỉnh mơ hình

Mơ hình nghiên cứu được điều chỉnh và giả thuyết nghiên cứu cũng được điều chỉnh cho phù hợp. Các giả thuyết được điều chỉnh lần hai như sau:

H1: Yếu tố của sự kích thích từ đám đơng ảnh hưởng thuận chiều tới quyết định lựa chọn mua hàng tại các sàn thương mại điện tử

H2: Yếu tố của tâm lý đám đông ảnh hưởng thuận chiều tới quyết định mua hàng tại các sàn thương mại điện tử

H3: Yếu tố thuộc nội hàm doanh nghiệp ảnh hưởng thuận chiều tới quyết định lựa chọn mua hàng tại các sàn thương mại điện tử theo đám đông

H4: Các yếu tố của sự tin tưởng từ đám đông ảnh hưởng thuận chiều tới quyết định lựa chọn mua hàng tại các sàn thương mại điện tử

H5: Các yếu tố thuộc về tính tương hỗ ảnh hưởng thuận chiều tới quyết định lựa chọn mua hàng tại các sàn thương mại điện tử theo đám đông của khách hàng.

Nhóm giả thuyết bổ sung

H01: Khơng có sự khác nhau về ảnh hưởng của hiệu ứng đám đông tới quyết định lựa chọn mua hàng tại các sàn thương mại điện tử theo giới tính

H02: Khơng có sự khác nhau về ảnh hưởng của hiệu ứng đám đông tới quyết định lựa chọn mua hàng tại các sàn thương mại điện tử theo độ tuổi

H03: Khơng có sự khác nhau về ảnh hưởng của hiệu ứng đám đông tới quyết định lựa chọn mua hàng tại các sàn thương mại điện tử theo nghề nghiệp

Sử dụng một số thống kê có thể là hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối quan hệ tuyến tính giữa các biến định lượng. Nếu hai biến có sự tương quan chặt chẽ thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy.

Đa cộng tuyến là trạng thái các biến độc lập có sự tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp những mơ hình thơng tin giống nhau, khó tách rời và ảnh hưởng của từng biến độc lập đến biến phụ thuộc.

Cần xem xét hiện tượng đa cộng tuyến khi phân tích hồi quy nếu hệ số tương quan Person > 0.3.

Bảng 4.6 Bảng tương quan Pearson

(Nguồn: Kết quả phân tích dữ liệu nghiên cứu)

Từ những kết quả từ bảng tương quan ta thấy các nhân tố ST có tương quan với

Correlations PB ST TR HA RE DC PB Pearson Correlation 1 ,814** ,776** ,790** ,749** ,728** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 180 180 180 180 180 180 ST Pearson Correlation ,814** 1 ,872** ,890** ,853** ,846** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 180 180 180 180 180 180 TR Pearson Correlation ,776** ,872** 1 ,885** ,810** ,816** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 180 180 180 180 180 180 HA Pearson Correlation ,790** ,890** ,885** 1 ,825** ,821** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 180 180 180 180 180 180 RE Pearson Correlation ,749** ,853** ,810** ,825** 1 ,818** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 180 180 180 180 180 180 DC Pearson Correlation ,728** ,846** ,816** ,821** ,818** 1 Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 180 180 180 180 180 180

biến phụ thuộc DC với mức ý nghĩa 1%. Còn nhân tố TR; RE có mối tương quan với DC với mức ý nghĩa 5%. Cả 5 nhân tố trên đều có tương quan thuận chiều với nhân tố phụ thuộc DC.

4.4.2 Phân tích hồi quy

Sau khi tiến hành phân tích nhân tố khám phá, trong đó các biến đã được nhóm phân tích theo từng nhân tố, nghiên cứu được nhóm thực hiện nghiên cứu phân tích hồi quy. Mơ hình hồi quy được nghiên cứu sử dụng là mơ hình hồi quy tuyến tinh đa biến để giải thích mối quan hệ giữa biến phụ thuộc và các biến độc lập. Q trình phân tích hồi quy, kết quả sẽ thể hiện được lý thuyết hành vi dự định ứng dụng kiếm tiền trực tuyến trên website, đồng thời cho biết mức độ ảnh hưởng của các yếu tố và tầm quan trọng ý nghĩa của chúng.

Cụ thể, phân tích hồi quy được thực hiện với 5 biến độc lập là (1) Sự kích thích , (2) sự hịa hợp, (3) sự tin tưởng, (4) tính tương hỗ , (5) tâm lý ki mua hàng. Phương pháp đưa vào một lượt (phương pháp Enter) được dùng để phân tích hồi quy.

Trong mơ hình hồi quy, Biến phụ thuộc là biến “ quyết định lựa chọn mua hàng tại các sàn thương mại điện tử”. Giá trị của các yếu tố được dùng để chạy hồi quy là giá trị trung bình của các biến quan sát. Mơ hình được viết như sau:

DC = β0 + β1*PB + β2*ST + β3*TR + β4*HA + β5*RE + ε

Trong đó:

Biến phụ thuộc DC

Biến độc lập là 5 nhóm nhân tố: PB: Tâm lý khi mua hàng ST: Sự kích thích

TR: Sự tin tưởng HA: Sự hịa hợp RE : Tính tương hỗ β0 : Hằng số.

βi : Các hệ số hồi quy (0 < i < 5). (β0 ,β1, β2,β3) ε : sai số

ST,TR, HA, RE, là biến độc lập, là biến tác động lên biến khác. β0 là hằng số hồi quy, còn gọi là hệ số chặn. Chỉ số β0 nói lên giá trị của BE sẽ là bao nhiêu nên tất cả các biến độc lập cùng bằng 0. Hay chỉ số này cho biết giá trị của biến phụ thuộc DC là bao nhiêu nếu khơng có các biến độc lập. Khi biểu diễn trên đồ thị Oxy, β0 là điểm trên trục Oy

mà đường hồi quy cắt qua. βi là hệ số hồi quy (hệ số góc), chỉ số này cho biết về mức thay đổi của Y gây ra bởi X tương ứng. Chỉ số này nói lên có bao nhiêu đơn vị biến phụ thuộc sẽ thay đổi nếu các biến độc lập tăng hoặc giảm 1 đơn vị. Sai số e, chỉ số này càng lớn càng khiến cho khả năng dự đốn của hồi quy trở nên kém chính xác hơn sai lệch nhiều hơn so với thực tế, sai số hồi quy trong hồi quy tổng thể hay phần dư trong hồi quy mẫu đại diện cho hai giá trị: Một là các biến độc lập ngồi mơ hình, hai là các sai số ngẫu nhiên.

4.4.2.1 Đánh giá sự phù hợp của mơ hình hồi quy

Dựa vào bảng các nhân tố độc lập khảo sát trong mơ hình ảnh hưởng 7.6% đến nhân tố phụ thuộc. Hệ số R2 hiệu chỉnh là .760. Nghĩa là 7.6% biến thiên của biến phụ thuộc được giải thích bởi 5 nhân tố độc lập. Điều này cho thấy mơ hình hồi quy tuyến tính này phù hợp với tập dữ liệu ở mức 7.6%, tức là các biến độc lập giải thích được 7.6% biến thiên của biến phụ thuộc. Một con số rất thấp vì chưa đạt tới ngưỡng một nữa là 50%.

Bảng 4.7: Đánh giá sự phù hợp của mơ hình

Tóm tắt mơ hình M ơ hình R R2 R2 hiệu chỉnh Std. Lỗi ước lượng 1 .875 a .76 6 .760 .39847

(Nguồn: Kết quả phân tích dữ liệu nghiên cứu)

4.4.2.2 Kiểm định sự phù hợp của mơ hình

định t. Để có thể suy mơ hình này thành mơ hình của tổng thể ta cần phải tiến hành kiểm định F thơng qua phân tích phương sai.

Ta có Sig. của F = 0.00 < 0.05. Như vậy, điều này có nghĩa là kết hợp của các biến thể hiện có trong mơ hình có thể giải thích được thay đổi của biến phụ thuộc hay nói cách khác có ít nhất một biến độc lập nào đó có ảnh hưởng đến biến phụ thuộc.

Để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t với độ tin cậy là 95%

Bảng 4.8: ANOVA ANOVAa Mơ hình Tổng các bình phương df Trun g bình bình phương F Sig. 1 Hồi quy 90.683 5 18.13 7 114.22 6 .000 b Phầ n dư 27.627 17 4 .159 Tổn g 118.31 0 17 9 a: Biến phụ thuộc: BE

b: Biến dự đoán: (Constant), AT, SN, NT, AW

(Nguồn: Kết quả phân tích dữ liệu nghiên cứu)

Dựa vào bảng kết quả hồi quy sử dụng phương pháp Enter, ta có mức giá trị Sig.F của 5 yếu tố là (1) Sự kích thích , (2) sự hịa hợp, (3) sự tin tưởng, (4) tính tương hỗ , (5) tâm lý ki mua hàng đều bé hơn 0.05, nghĩa là hồi quy khơng có nhân tố nào bị loại

bỏ, phù hợp với tổng thể.

Kiểm định giả thuyết về độ phù hợp với tổng thể của mơ hình, giá trị F = 114.226 với Sig. = 0.000 < 0.05. Chứng tỏ R2 của tổng thể khác 0. Đồng nghĩa với việc mơ hình hồi quy tuyến tính xây dựng phù hợp với tổng thể (chi tiết hơn là R2 tổng thể khơng thể tính cụ thể, nhưng ta biết chắc chắn sẽ khác 0, mà khác 0 thì chức tỏ là các biến độc lập có tác động đến biến phụ thuộc).

4.4.2.3 Kiểm định đa cộng tuyến

Hệ số phóng đại phương sai (VIF) là một chỉ số đánh giá hiện tượng cộng tuyến trong mơ hình hồi quy. VIF càng nhỏ, càng ít khả năng xảy ra cộng tuyến. Hair và cộng sự (2009) cho rằng, ngưỡng VIF từ 10 trở lên sẽ xảy ra đa cộng tuyến mạnh. Do đó nhóm nghiên cứu đã cố gắng đưa VIF ở mức thấp nhất có thể, thể hiện rõ trong bảng 4.8. Theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2010), trên thực tế, nếu VIF > 2, chúng ta cần cẩn thận bởi vì đã có thể xảy ra sự đa cộng tuyến gây sai lệch các ước lượng hồi quy.

Cụ thể trong trường hợp bài nghiên cứu của nhóm thì hệ số VIF của các biến độc lập đều nhỏ hơn 10, thậm chí nhỏ hơn 2, do vậy dữ liệu không vi phạm giả định đa cộng tuyến. Bảng 4.9: Hệ số phóng đại VIF Mơ hình Hệ thống cộng gộp Toleran ce VIF (Consta nt) CLT 1 1 TDU 1 1

Sự khác biệt về độ tuổi

Sự khác biệt về nghề nghiệp