(Nguồn: Kết quả xử lý dữ liệu của tác giả)
Hệ số KMO (Kaiser-Meyer-Olkin) bằng 0.806 lớn hơn 0.5 nên phân tích nhân tố thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett ( Bartlett’s test of sphericity) có ý nghĩa thống kê (sig Bartlett’s Test = 0.00 bé hơn 0.05), chứng tỏ các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
Tổng phương sai trích (Total Variance Explained) có giá trị phương sai cộng dồn của các yếu tố là: 75.059% , cho thấy 75.059% thay đổi của các nhân tố được giải thích bởi các biến quan sát , giá trị này lớn hơn 50% đáp ứng tiêu chuẩn.
39
Bảng 3.8: Kết quả KMO và kiểm định Bartlett’s
(Nguồn: Kết quả xử lý số liệu của tác giả)
Như vậy các thành phần quan sát của các biến độc lập cũng như biến phụ thuộc đều được giữ nguyên so với ban đầu. Vì vậy, các thành phần này sẽ được tiếp tục sử dụng trong nghiên cứu chính thức.
3.1.2. Nghiên cứu chính thức
3.1.2.1. Cách thức thu thập số liệu và cỡ mẫu:
Phương pháp thu thập số liệu bằng cách khảo sát trực tiếp bằng bảng câu hỏi tại các siêu thị trên địa bàn TP.HCM.
Kiểm định phƣơng sai
Nhân tố
Eigenvalues khởi tạo Tổng phương sai trích
Tổng biến thiên tải trọng bình phương Tổng % phương sai Tổng phương sai trích % Total % phương sai Tổng phương sai trích % Total % phương sai Tổng phương sai trích % 1 5.152 32.200 32.200 5.152 32.200 32.200 3.680 23.001 23.001 2 3.001 18.755 50.956 3.001 18.755 50.956 3.115 19.468 42.469 3 2.134 13.337 64.293 2.134 13.337 64.293 2.688 16.799 59.268 4 1.723 10.766 75.059 1.723 10.766 75.059 2.527 15.791 75.059 5 .786 4.910 79.968 6 .538 3.364 83.332 7 .486 3.035 86.367 8 .396 2.475 88.842 9 .360 2.249 91.090 10 .296 1.848 92.939 11 .260 1.625 94.563 12 .244 1.528 96.091 13 .219 1.366 97.457 14 .161 1.006 98.463 15 .144 .900 99.363 16 .102 .637 100.000
40
Về kích thước mẫu, ngồi việc xác định cỡ mẫu đủ đại diện cho một nghiên cứu nói chung thì chúng ta cũng cần lưu ý đến phương pháp phân tích số liệu để xác định cỡ mẫu cho phù hợp. Phân tích nhân tố cần có ít nhất 200 quan sát (Gorsuch, 1983); cịn Hachter (1994) cho rằng kích cỡ mẫu bằng ít nhất 5 lần biến quan sát (Hair & ctg, 1998).
Trong phân tích hồi quy tuyến tính bội, theo Tabachnick & Fidell (1991), để phân tích hồi quy đạt được kết quả tốt nhất, thì kích cỡ mẫu phải thỏa mãn công thức n ≥ 8m + 50. Trong đó: n là kích cỡ mẫu – m là số biến độc lập của mơ hình.
Những quy tắc kinh nghiệm khác trong xác định cỡ mẫu cho phân tích nhân tố EFA là thơng thường thì số quan sát (kích thước mẫu) ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố. (Hồng Trọng và Chu Nguyễn Mộng Ngọc – phân tích dữ liệu nghiên cứu với SPSS, NXB Thống kê 2005). Do đó để có tính đại diện cao và phù hợp với quy tắc trong phân tích nhân tố, tác giả chọn kích thước mẫu là 300.
Thời gian khảo sát: Bài khảo sát được tiến hành từ ngày 1/01/2019 đến
ngày 30/01/2019.
Đối tƣợng khảo sát: Đối tượng bài luận văn tiến hành khảo sát là những
khách hàng đang tham gia mua sắm tại 4 hệ thống siêu thị lớn và có doanh thu cao nhất trên địa bàn thành phố Hồ Chí Minh là Vinmart, Big C, Coopmart, Aeon Mall, trên mỗi hệ thống siêu thị tác giả sẽ phân bố đều số lượng bảng câu hỏi khoảng từ 70 đến 80 bảng câu hỏi trên một hệ thống siêu thị. Và khách hàng là những người đã từng mua hàng ngẫu hứng hoặc có ý định mua hàng ngẫu hứng khi mua sắm tại siêu thị, và có độ tuổi từ 18 trở lên.
3.1.2.2. Thiết kế bảng câu hỏi
Bảng câu hỏi đƣợc thiết kế theo các đặc tính sau:
Hình thức câu hỏi: Dạng câu hỏi đóng
41
Phần gạn lọc: Dùng kiểm tra xem người trả lời khảo sát đã từng mua sắm
tại siêu thị chưa. Nếu có thì trả lời tiếp câu hỏi tiếp theo, nếu chưa sẽ dừng lại. Tiếp theo là gạn lọc đáp viên đã từng có ý định hay từng mua hàng ngẫu hứng chưa (mua những món hàng khơng có trong kế hoạch từ trước mà do bị yếu tố khách quan thúc giục). Nếu có thì tiếp tục bài phỏng vấn, nếu chưa thì dừng lại.
Phần chính: Thu thập, đánh giá các yếu tố bên trong cửa hàng tác động đến thúc giục mua hàng ngẫu hứng bằng thang đo Likert 7 điểm.
Phần thông tin cá nhân: Thu thập thơng tin cá nhân như giới tính, độ tuổi,
nghề nghiệp, thu nhập để hỗ trợ thêm thơng tin cho q trình nghiên cứu được đầy đủ và chặt chẽ hơn.
3.1.3. Phƣơng pháp phân tích dữ liệu
Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha:
Kiểm định độ tin cậy Cronbach’s Alpha để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha cho biết các đo lường có liên kết với nhau hay khơng, nhưng không cho biết quan sát nào cần bỏ đi và quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến tổng sẽ loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy của thang đo:
Loại các biến có hệ số tương quan biến tồng nhỏ hơn 0.3; tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0.6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Các biến quan sát có tương quan biến tổng nhỏ hơn 0.4 được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu ( lớn hơn 0.7).
42
Sau khi loại bỏ các biến khơng đảm bảo độ tin cậy qua việc phân tích Cronbach’s Alpha. Phương pháp phân tích nhân tố khám phá được sử dụng để kiểm định giá trị hội tụ và phân biệt, đồng thời gôm các tham số theo từng nhóm biến. Trong EFA cần đánh giá các thông số sau:
Hệ số KMO (Kaiser- Meyer- Olkin): Là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn hơn hoặc bằng 0.5, bé hơn hoặc bằng 1 là phù hợp (Nguyễn Đình Thọ, 2011).
Kiểm định Bartlett có ý nghĩa thống kê (Sig bé hơn 0.05): Dùng để xem xét các
biến quan sát trong nhân tố có tương quan với nhau hay khơng. Nếu kiểm định này có ý nghĩa thống kê (Sig.<0.05) thì các biến quan sát có mối tương quan với nhau trong nhân tố.
Tổng phƣơng sai trích (Total Variance Explained): Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu phần trăm (Nguyễn Đình Thọ, 2011). Giá trị này đạt từ 50% trở lên là đạt yêu cầu.
Trị số Eigenvalue: Dùng để xác định số lượng nhân tố trong phân tích nhân tố
khám phá EFA. Chỉ có những nhân tố nào có Eigenvalue lớn hơn hoặc bằng một mới được giữ lại trong mơ hình phân tích.
Hệ số tải nhân tố (Factor loading): Hay còn gọi là trọng số nhân tố trong phân tích khám phá EFA, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại.
Theo Hair & ctg (2009, 116), Multivariate Data Analysis, 7th Edition thì:
Factor Loading ở mức cộng trừ 0.3: Điều kiện tối thiểu để biến quan sát được giữ lại
Factor Loading ở mức cộng trừ 0.5: Biến quan sát có ý nghĩa thống kê tốt. Factor Loading ở mức cộng trừ 0.7: Biến quan sát có ý nghĩa thống kê rất tốt. Vì vậy trong bài nghiên cứu tác giả sẽ lựa chọn những biến có hệ số tải nhân tố từ 0.3 trở lên để các biến quan sát có ý nghĩa thống kê
43
Phân tích hệ số tƣơng quan Pearson (Correlations):
Phân tích hệ số tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập với nhau. Hệ số tương quan Pearson (r) sẽ nhận giá trị từ +1 đến -1. Điều kiện để tương quan có ý nghĩa là giá trị Sig.< 0.05 r <0 cho biết một sự tương quan nghịch biến giữa hai biến, nghĩa là nếu giá trị
của biến này tăng thì sẽ làm giảm giá trị của biến kia. r = 0 cho thấy khơng có sự tương quan
r >0 cho biết một sự tương quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia.
Ngoài ra cần nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau ( kiểm tra hệ số VIF khi phân tích hồi quy).
Phân tích hồi qui:
Nếu kết luận được là hai biến có liên hệ tương quan tuyến tính chặt chẽ với nhau qua hệ số tương quan r, đồng thời giả định rằng chúng ta đã cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa hai biến, và xem như đã xác định đúng hướng của một mối quan hệ nhân quả có thật giữa chúng (bởi vì có quan hệ tương quan tuyến tính chưa chắc đã có quan hệ nhân quả) thì ta có thể mơ hình hóa mối quan hệ nhân quả của chúng bằng mơ hình hồi quy tuyến tính trong đó một biến được gọi là biến phụ thuộc và biến kia là biến độc lập. Mơ hình này sẽ mơ tả hình thức của mối liên hệ và qua đó giúp ta dự đốn được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, giáo trình phân tích dữ liệu nghiên cứu với SPSS, NXB Hồng Đức, 2008).
Yêu cầu của hồi quy
Giá trị Sig. nhỏ hơn 0.05 là điều kiện để các biến được đưa vào mơ hình nghiên cứu.
VIF <2 đảm bảo không vi phạm đa cộng tuyến. Một biến độc lập được xem là khơng có hiện tượng đa cộng tuyến khi hệ số phóng đại phương sai (Variance inflation factor- VIF) không lớn hơn 10 (Hair & ctg 2006). Tuy nhiên do bài nghiên cứu sử dụng thang đo Likert nên VIF < 2 sẽ khơng có đa cộng tuyến,
44
trường hợp lớn hơn hoặc bằng 2 thì khả năng đang có đa cộng tuyến giữa các biến độc lập.
Hiện tượng tự tương quan ( Durbin- Watson): Dùng để kiểm định tự tương quan của các sai số kề nhau có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số khơng có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 ( từ 1 đến 3); nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch.
R- squared hiệu chỉnh ( Adjust Coeficient of Determination) : Là hệ số đo lường phần phương sai của biến phụ thuộc được giải thích bởi các biến độc lập trong mơ hình hồi quy có tính đến ảnh hưởng của số lượng biến độc lập và kích thước mẫu, được sử dụng để đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội. R2 điều chỉnh có giá trị từ 0 đến 1, hệ số này càng gần 1 thì mơ hình được đánh giá là càng phù hợp.
Kiểm định Anova:
Đặt giả thuyết H0: Trung bình bằng nhau
Sig.<0.05: Bác bỏ H0: Đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc.
Sig.>0.05: Chấp nhận H0: Chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc.
Xác định hệ số hồi quy và kiểm định ý nghĩa của hệ số hồi quy trong mơ hình: Hệ số hồi quy chuẩn hóa Beta: Hệ số này là hệ số hồi quy trong mơ hình. Hệ
số hồi quy chuẩn hóa của một biến độc lập đo lường sự biến thiên của biến phụ thuộc khi biến độc lập thay đổi một đơn vị, trong điều kiện các biến độc lập khác không thay đổi.
Kiểm định giả thuyết về hệ số hồi quy chuẩn hóa Beta: Sử dụng kiểm định T để đánh giá mức ý nghĩa thống kê của các hệ số Beta trong mơ hình hồi quy. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0.05, ta có thể kết luận hệ số Beta có ý nghĩa trong mơ hình về mặt thống kê.
45
TÓM TẮT CHƢƠNG 3
Nội dung chương 3 trình bày quy trình nghiên cứu được thực hiện theo một tiến trình cụ thể. Từ các cơ sở lý thuyết và các nghiên cứu liên quan tác giả đưa ra mơ hình nghiên cứu đề xuất và các giả thuyết nghiên cứu.
Tiếp theo là bước nghiên cứu sơ bộ, ở bước này sẽ tiến hành nghiên cứu sơ bộ định tính và định lượng. Nghiên cứu sơ bộ định tính được thực hiện thông qua phỏng vấn tay đôi với số lượng mẫu là n=20. Sau đó lấy kết quả nghiên cứu sơ bộ định tính làm căn cứ thực hiện nghiên cứu sơ bộ định lượng bằng phân tích Cronbach Alpha và EFA với n= 150. Từ kết quả nghiên cứu sơ bộ định lượng tác giả tiến hành điều chỉnh thang đo cho phù hợp và xây dựng bảng câu hỏi.
Sau khi xây dựng bảng câu hỏi chính thức tác giả tiến hành nghiên cứu chính thức định lượng với mẫu n= 300.
Nghiên cứu chính thức tác giả kiểm định lại độ tin cậy của các thang đo bằng hệ số Cronbach’s Alpha, kiểm định giá trị thang đo bằng EFA, phân tích hồi quy để kiểm tra mối liên hệ giữa biến độc lập và biến phụ thuộc.
Đối tượng nghiên cứu là những khách hàng tham gia mua sắm tại 4 hệ thống siêu thị lớn trên địa bàn Thành Phố Hồ Chí Minh là Vinmart, Coopmart, Big C, Aeon Mall và đã từng mua hoặc có ý định mua sắm ngẫu hứng.
Các số liệu thu thập được xử lý bằng phần mềm SPSS 23.0. Các kết quả phân tích được trình bày ở chương tiếp theo.
46
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU 4.1. Mô tả về mẫu nghiên cứu
Như đã trình bày trong chương 3, mẫu được chọn theo phương pháp thuận tiện. Mẫu nghiên cứu có kích thước n=275. Ban đầu có 300 mẫu được phát ra, trong vịng 20 ngày điều tra, nhập liệu thì kết quả có 275 mẫu hợp lệ. Có 25 mẫu bị loại do người được khảo sát không đánh đầy đủ thông tin hay bị loại do người điều tra đánh cùng một lựa chọn ở các câu hỏi khác nhau.
Mẫu có những đặc trƣng sau:
Về giới tính: Mẫu có 99 nam, chiếm 36% và 176 nữ, chiếm 64% .
Về độ tuổi: Có 50 người từ 18 đến dưới 25 tuổi, chiếm 18.2%; 94 người từ 25 tuổi đến dưới 35 tuổi, chiếm 34.2%; từ 35 tuổi đến 50 tuổi là 99 người, chiếm 36 %, trên 50 tuổi có 32 người, chiếm 11.6%.
Nghề nghiệp: Học sinh, sinh viên là 27 người, chiếm 9.8%; lao động phổ thông và công nhân là 23 người, chiếm 8.4%; tiểu thương 32 người chiếm 11.6%; nhân viên văn phòng 30 người, chiếm 10.9%; viên chức nhà nước 38 người, chiếm 13.8%; chủ doanh nghiệp và quản lý 24 người, chiếm 8.7%; Nội trợ 29 người, chiếm 10.5%; đã về hưu 32 người, chiếm 11.6%; Nghề nghiệp khác 40 người, chiếm 14.5%.
Về thu nhập: ít hơn 5 triệu trên tháng là 11 người, chiếm 4%; từ 5 triệu đến dưới 10 triệu trên tháng là 132 người, chiếm 48%; từ 10 triệu đến dưới 15 triệu trên tháng là 88 người, chiếm 32%; Từ 15 triệu đến dưới 25 triệu: 30 người, chiếm 30%; từ trên 25 triệu trên tháng là 14 người, chiếm 5.1%.
Qua thông tin có được từ mẫu nghiên cứu chúng ta thấy được rằng đa số những người tham gia mua sắm tại các siêu thị là nữ có độ tuổi từ trên 25 tuổi là chiếm tỷ lệ cao nhất, họ chủ yếu là tiểu thương, nhân viên văn phòng là chiếm phần đơng và có thu nhập từ trên 5 triệu đồng trên tháng.