Biến quan sát 1 GT1 0.945 GT2 0.895 GT3 0.894 GT4 0.850 Eigenvalue 3.215 Tổng phương sai trích 80.383 Cronbach alpha 0.918
(Nguồn: Kết quả phân tích SPSS của tác giả)
Sau q trình phân tích nhân tố thì các biến quan sát cịn lại bao gồm 5 nhóm nhân tố độc lập đó là:
- Nhóm 1: CL1, CL2, CL3, CL4, CL5. - Nhóm 2: HM1, HM2, HM3, HM4.
- Nhóm 3: HA1, HA2, HA3, HA4. - Nhóm 4: NB1, NB2, NB3, NB4. - Nhóm 5: TT2, TT3, TT4.
Và một nhóm biến phụ thuộc là: - Nhóm 6: GT1, GT2, GT3, GT4.
Kết quả sau khi phân tích nhân tố (EFA) cho thấy chỉ có biến TT1 bị loại do không đạt yêu cầu hệ số tải nhân tố (>0.5), và các biến còn lại đều đạt yêu cầu cũng như khơng có sự thay đổi giữa các nhóm trong việc nhập tách các biến, chính vì thế tên gọi các nhân tố này tác giả vẫn giữ ngun so với ban đầu và khơng có sự điều chỉnh nào khác.
4.3. Kiểm định mơ hình và giả thuyết nghiên cứu
Mơ hình hồi quy tuyến tính được xây dựng có dạng: Yi = B0 + B1*X1i + B2*X2i +.....+ Bp*Xpi + ei
Trong đó:
Xpi : biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i.
Yi : là giá trị dự đốn ( hay giá trị lí thuyết) thứ i của biến phụ thuộc. ei : Là phần dư.
Bp: là hệ số hồi qui, phương pháp được dùng để xác định Bp là phương pháp OLS – phương pháp bình phương nhỏ nhất.
❖ Mối quan hệ giữa biến độc lập với biến phụ thuộc Phương trình đường thẳng có dạng:
GT = B0 + B1*NB + B2*CL + B3*HA + B4*HM + B5*TT + ei
Tác giả kí hiệu như sau:
- NB: Nhận biết thương hiệu (X1) - CL: Chất lượng cảm nhận (X2) - HA: Hình ảnh thương hiệu (X3)
- HM: Lòng ham muốn thương hiệu (X4) - TT: Sự trung thành thương hiệu (X5)
- GT: Giá trị thương hiệu (Y) - ei : Là phần dư
4.3.1. Kiểm định hệ số tương quan
Để xác định mối quan hệ nhân quả giữa các biến trong mơ hình, bước đầu tiên ta cần phân tích tương quan giữa các biến xem thử có mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc hay không.
Kết quả của phần phân tích này (Bảng 4.14) dù khơng xác định được mối quan hệ nhân quả giữa biến phụ thuộc và biến độc lập nhưng nó đóng vai trị làm cơ sở cho phân tích hồi qui.
Các biến biến phụ thuộc và biến độc lập có tương quan cao với nhau báo hiệu sự tồn tại của mối quan hệ tiềm ẩn giữa hai biến. Đồng thời, việc phân tích tương quan cịn làm cơ sở để dị tìm sự vi phạm giả định của phân tích hồi qui tuyến tính: vì các biến độc lập có tương quan cao với nhau thì hay xảy ra hiện tượng đa cộng tuyến. Bảng 4.14. Ma trận tương quan Gia Tri Nhan Biet Chat Luong Hinh Anh Ham Muon Trung Thanh GiaTri 1.00 .569** .656** .493** .529** .592** NhanBiet 1.00 .510** .447** .363** .514** ChatLuong 1.00 .503** .312** .540** HinhAnh 1.00 0.191* .438** HamMuon 1.00 .426** TrungThanh 1.00
(Nguồn: Kết quả phân tích SPSS của tác giả)
Ta thấy rằng, các hệ số tương quan giữa biến độc lập và biến phụ thuộc đều có ý nghĩa (sig<0.05) (Xem thêm phụ lục 3) nên các nhân tố đưa vào phân tích hồi quy là hợp lí. Bên cạnh đó, kết quả phân tích cũng cho thấy mức tương quan tuyến tính giữa từng biến độc lập trên với biến phụ thuộc là Giá trị thương hiệu, trong đó mối
quan hệ tương quan cao nhất là giữa Chất lượng cảm nhận và giá trị thương hiệu với r = 0.656, cũng như tương quan thấp nhất đó là giữa Hình ảnh thương hiệu và Giá trị thương hiệu với r = 0.493.
4.3.2. Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đưa vào mơ hình theo phương pháp Enter.
Tiêu chuẩn kiểm định là tiêu chuẩn được xây dựng vào phương pháp kiểm định giá trị thống kê F và xác định xác suất tương ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2.
Cơng cụ chẩn đốn giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm sai lệch tham số ước lượng là: Hệ số phóng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Bảng 4.15. Hệ số R-Square từ kết quả phân tích hồi quy Tổng kết mơ hình Tổng kết mơ hình Mơ hình R R2 R2 hiệu chỉnh sai số ước lượng Durbin-Watson 1 .784a .614 .601 .396 1.529
a. Biến độc lâp: TrungThanh, HamMuon, HinhAnh, NhanBiet, ChatLuong b. Biến phụ thuộc: GiaTri
(Nguồn: Kết quả phân tích SPSS của tác giả)
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mơ hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích giá trị phù hợp của hồi quy tuyến tính cho các biến số được thể hiện thông qua Bảng 4.15. So sánh hai giá trị R2 và R2 hiệu chỉnh có thể thấy R
an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mơ hình nghiên cứu. Độ
phù hợp của mơ hình được kiểm định bằng trị thống kê F được tính từ R2 của mơ hình tương ứng với mức ý nghĩa sig, với sig càng nhỏ (<0.05) thì mơ hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
Hệ số xác định hiệu chỉnh R2 hiệu chỉnh là 0.601, điều này cho thấy mối quan
hệ giữa biến độc lập với biến phụ thuộc có ý nghĩa, cụ thể là cả 5 biến độc lập trên góp phần giải thích 60.1% sự khác biệt của giá trị thương hiệu. Như vậy, mức độ phù hợp của mơ hình được chấp nhận. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mơ hình cho tổng thể thực hay khơng ta phải kiểm định độ phù hợp của mơ hình.
Bảng 4.16. ANOVA ANOVAa ANOVAa Mơ hình Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi Quy 36.949 5 7.390 47.083 .000b Phần dư 23.229 148 0.157 Tổng 60.177 153
a. Biến phụ thuộc: GiaTri
b. Biến độc lập: TrungThanh, HamMuon, HinhAnh, NhanBiet, ChatLuong
(Nguồn: Kết quả phân tích SPSS của tác giả)
Theo Bảng 4.16 ANOVA, kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F có giá trị là 47.083 với Sig. = 0.00, chứng tỏ mơ hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được để dự đoán cho tổng thể.
phụ thuộc. Theo Bảng 4.17 Phân tích hồi quy, kết quả thống kê cho thấy các hệ số hồi quy chuẩn hóa của phương trình hồi quy đều khác 0 và Sig. <0.05 chứng tỏ cả 5 biến độc lập đều tham gia tác động tới giá trị của thương hiệu.
So sánh giá trị của hệ số chưa chuẩn hóa ở cột B cho thấy: tác động theo thứ tự từ mạnh đến yếu của các thành phần: Chất lượng cảm nhận, nhận biết thương hiệu, ham muốn thương hiệu, trung thành thương hiệu, và cuối cùng là hình ảnh thương hiệu. Tuy nhiên, theo Nguyễn Đình Thọ (2014) nếu chúng ta dùng hệ số hồi quy chưa chuẩn hóa thì chúng ta khó có thể so sánh mức độ tác động của các biến độc lập vì thang đo lường chúng thường khác nhau.
Vì vậy, chúng ta phải sử dụng trọng số hồi quy β chuẩn hóa để có những so sánh chính xác hơn. Bảng 4.17. Bảng hệ số hồi quy Mơ hình Hệ số chưa chuẩn hóa Hệ số chẩn hóa t Sig. Phân tích đa cộng tuyến B Sai số chuẩn Beta Độ chấp nhận VIF 1 (Hằng số) -.168 .278 -.604 .547 NhanBiet .192 .079 .158 2.423 .017 .615 1.625 ChatLuong .369 .072 .342 5.103 .000 .80 1.723 HinhAnh .131 .062 .131 2.107 .037 .677 1.477 HamMuon .204 .043 .275 4.767 .000 .785 1.274 TrungThanh .177 .079 .152 2.253 .026 .571 1.751
a. Biến phụ thuộc: GiaTri
Phương trình hồi quy của mơ hình theo hệ số β đã chuẩn hóa như sau:
GT = 0.158*NB + 0.342*CL + 0.131*HA + 0.275*HM + 0.152*TT+ ei
- NB: Nhận biết thương hiệu (X1) - CL: Chất lượng cảm nhận (X2) - HA: Hình ảnh thương hiệu (X3)
- HM: Lòng ham muốn thương hiệu (X4) - TT: Sự trung thành thương hiệu (X5) - GT: Giá trị thương hiệu (Y)
- ei : Là phần dư
❖ Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Phân tích hồi khơng chỉ là việc mô tả các dữ liệu quan sát được trong mẫu nghiên cứu, mà cịn phải mở rộng dự đốn cho tổng thể. Chính vì vậy để đảm bảo độ tin cậy trong phân tích hồi quy tuyến tính thì phải dị tìm các vi phạm giả định, mà nếu các giả định bị vi phạm thì các kết quả ước lượng trong phân tích hồi quy ở trên khơng đáng tin cậy.
Về dị tìm các giả định bao gồm: Các phần dư khơng có liên hệ tuyến tính, phương sai phần dư khơng đổi, phần dư có phân phối chuẩn, khơng có tương quan giữa các phần dư, và cuối cùng là hiện tượng đa cộng tuyến giữa các biến độc lập.
• Kiểm tra liên hệ tuyến tính và giả định phương sai của phần dư không đổi
Giả định liên hệ tuyến tính giữa phần dư và giá trị dự đoán bị vi phạm khi đồ thị phân tán mơ tả phần dư cùng giá trị dự đốn, mà thấy phần dư của chúng thay đổi theo một trật tự nào đó (có thể là đường cong bậc 2 parabol, cong bậc 3 cubic…) thì mơ hình đường thẳng là không phù hợp với các dữ liệu này (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Kết quả đồ thị phân tán được thể hiện trên Hình 4.1.
Qua quan sát đồ thị phân tán giữa phần dư và giá trị dự đoán, chúng ta thấy phần dư phân tán một cách ngẫu nhiên xung quang tung độ 0, vì vậy giả định liên hệ tuyến tính khơng bị vi phạm (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hình 4.1. Đồ thị phân tán
(Nguồn: Kết quả phân tích SPSS của tác giả)
Mặt khác, thì đồ thị phân tán cũng đồng thời kiểm tra về hiện tượng phương
sai của phần dư thay đổi: là hiện tượng độ lớn của phần dư tăng hay giảm cùng
với các giá trị dự đoán hay giá trị của biến độc lập mà ta nghi ngờ, đây là hiện tượng làm cho các ước lượng của các hệ số hồi quy không hiệu quả, làm cho việc kiểm định các giả thuyết mất hiệu lực, đánh giá nhầm chất lượng của mơ hình hồi quy. Vì thế cần phải kiểm định phương sai của phần dư không đổi. Và cũng như trên, phương sai của phần dư khơng đổi vì theo đồ thị phân tán của phần dư chuẩn hóa ta thấy phần dư tán ngẫu xung quang đường nằm ngang đi qua hoành độ 0 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Giả định về phân phối chuẩn của phần dư: Có nhiều nguyên nhân dẫn đến
phần dư có thể khơng tn theo phân phối chuẩn vì những lí do như sử dụng sai mơ hình, phương sai khơng bằng hằng số, số lượng phần dư không đủ nhiều để phân tích (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Vì vậy cần phải khảo sát phân phối chuẩn của phần dư bằng cách xây dựng biểu đồ tần số.
Hình 4.2. Biểu đồ Histogram
(Nguồn: Kết quả phân tích SPSS của tác giả)
Theo Hình 4.2 cho thấy một đường cong xấp xỉ phân phối chuẩn đặt chồng lên biểu đồ tần số, với giá trị trung bình gần bằng 0, và độ lệch chuẩn 0.984 (gần bằng 1). Vì vậy giả định về phân phối chuẩn của phần dư không bị vi phạm.
• Giả định khơng có tương quan giữa các phần dư: Một số lý do tồn tại
phần dư đó là các biến có ảnh hưởng khơng được đưa hết vào mơ hình do giới hạn và mục tiêu của nghiên cứu, chọn dạng tuyến tính cho mối quan hệ lẽ ra là phi tuyến, sai số trong đo lường các biến....Các lý do này dẫn đến tương quan chuỗi trong sai số và tương quan chuỗi cũng gây ra những tác động sai lệch nghiêm trọng đến mơ hình hồi quy tuyến tính giống như hiện tượng phương sai thay đổi (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Vì vậy, tiến hành kiểm định mối tương quan của các phần dư bằng đại lượng thống kê Durbin-Waston.
sai số kề nhau (tương quan chuỗi bậc nhất) với nguyên tắc: - Nếu 1 < d < 3: Mơ hình khơng có tự tương quan. - Nếu 0 < d< 1: Mơ hình có tự tương quan dương. - Nếu 3 < d < 4: Mơ hình có tự tương quan âm.
Đại lượng thống kê Durbin-Waston (d) trong nghiên cứu này có giá trị d = 1.529 (Bảng 4.15). Do hệ số Durbin-Waston nằm trong miền chấp nhận (1 < d < 3). Vì vậy, chấp nhận giả định khơng có tương quan giữa các phần dư.
• Đo lường đa cộng tuyến: Đây là hiện tượng mà các biến độc lập có tương quan chặt chẽ với nhau, hiện tượng này làm tăng độ lệch chuẩn của các hệ số hồi quy, làm giá trị kiểm định kém ý nghĩa hơn.
Theo Bảng 4.17 ta có thể thấy hệ số VIF của tất cả các biến đều nhỏ hơn 2. Vì vậy, có thể kết luận trong phương trình hồi quy này giả định về đo lường đa cộng tuyến được chấp nhận tức là khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
4.3.3. Kết quả kiểm định giả thuyết
Kết quả kiểm định giả thuyết được trình bày trong Bảng 4.18.
Dựa trên kết quả phân tích hồi quy sẽ giải thích, kiểm định các giả thuyết đã đưa ra. Kết quả này cho thấy các giả thuyết từ H1 đến H5 đều được chấp nhận do các hệ số Beta chuẩn hóa đều khác khơng, tức là các biến độc lập trong mơ hình đề xuất của tác giả đều có ảnh hưởng đến biến phụ thuộc với mức độ tác động được trình bày như trong Bảng 4.18.
Bảng 4.18. Kiểm định giả thuyết
(Nguồn: Kết quả phân tích SPSS của tác giả)
4.4. Phân tích sự khác biệt về đánh giá giá trị thương hiệu theo biến định tính
4.4.1. Sự khác biệt trong đánh giá theo giới tính
Phương pháp kiểm định Independence Samples T - Test được sử dụng để xác định xem có sự khác nhau giữa khách hàng nam và nữ về mức độ đánh giá giá trị thương hiệu hay khơng.
Giả thuyết được đặt ra như sau:
H6: Có sự khác biệt giữa nam và nữ về mức độ đánh giá tới giá trị thương hiệu.
Kết quả kiểm định Levene đối với phương sai giữa hai nhóm Nam và Nữ cho hệ số Sig= 0.240>0.05, vì thế trung bình giá trị phương sai giữa hai nhóm là như nhau, kiểm định Sig đối với điều kiện phương sai bằng nhau cho giá trị bằng 0.006<0.05, do đó kết luận có sự khác biệt có ý nghĩa giữa hai nhóm giới tính trong đánh giá về giá trị thương hiệu.
Giả thuyết Phát biểu Hệ số β chuẩn hóa Giá trị p Kết luận
H1 Nhận biết thương hiệu có tác động cùng
chiều đến giá trị thương hiệu. 0.158 0.017 H2 Chất lượng cảm nhận có tác động cùng
chiều đến giá trị thương hiệu. 0.342 0.000 H3 Hình ảnh thương hiệu có tác động cùng
chiều đến giá trị thương hiệu. 0.131 0.037 Chấp nhận H4 Lịng ham muốn thương hiệu có tác động
cùng chiều đến giá trị thương hiệu. 0.275 0.000
H5 Lịng trung thành thương hiệu có tác động
Bảng 4.19. Kiểm định T – Test Giới Giới tính N Trung bình Độ lệch chuẩn Trung bình sai số chuẩn Giá trị thương hiệu Nam 43 4.0698 0.57042 0.08699 Nữ 111 3.7635 0.62961 0.05976
Kiểm tra mẫu độc lập
Levene's Test t-test for Equality of Means
F Sig. t Df Sig. (2-tailed)
Giả định phương sai bằng nhau 1.390 0.240 2.778 152 0.006 Giả định phương sai không bằng nhau 2.902 83.867 0.005