Phân tích nhân tố khám phá EFA

Một phần của tài liệu (LUẬN văn THẠC sĩ) các nhân tố ảnh hưởng đến hành vi mua hàng ngẫu hứng trực tuyến trong thương mại di động (Trang 88)

4. CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU

4.3. Phân tích nhân tố khám phá EFA

Theo Nguyễn Đình Thọ (2013), “Phân tích nhân tố khám phá EFA là tập kỹ thuật phân tích thống kê có liên hệ nhau dùng để rút gọn một tập K biến quan sát thành một tập F (F<K) các nhân tố có ý nghĩa hơn. Để xác định sự phù hợp khi dùng EFA, có thể dùng kiểm định Bartlett hoặc KMO. Kiểm định Bartlett có ý nghĩa thống kê khi p < 5%, khi đó các biến quan sát có mối tương quan với nhau trong tổng thể. Hệ số KMO (Kaiser-Meyer-Olkin) được dùng để xem xét sự thích hợp của phân tích nhân tố. Để sử dụng EFA, KMO phải lớn hơn 0,50.” Theo đề nghị của Kaiser (1974) trích trong Nguyễn Đình Thọ (2013), KMO ≥ 0,90 là rất tốt, KMO ≥ 0,80 là tốt, KMO ≥ 0,70 là

được, KMO ≥ 0,60 là tạm được, KMO ≥ 0,50 là xấu, và KMO <0,50 là không thể chấp nhận được.

Ngoài ra, theo Nguyễn Đình Thọ (2013), để đánh giá thang đo, chúng ta cần xem xét ba thuộc tính quan trọng trong kết quả EFA: (1) số lượng nhân tố trích được, (2) trọng số nhân tố và (3) tổng phương sai trích. Điều kiện phần trăm phương sai trích > 50%, thể hiện mức độ biến thiên của các biến quan sát.

Khi thực hiện EFA, nếu sử dụng phép quay vng góc (phép quay Varimax) và trong đó có biến phụ thuộc thì các nhân tố này khơng có tương quan nhau: nghĩa là các biến độc lập và biến phụ thuộc khơng có quan hệ với nhau (Nguyễn Đình Thọ, 2013). Vì vậy, khơng được đưa biến phụ thuộc vào chung với biến độc lập để xử lý EFA cùng một lúc khi sử dụng phép quay vng góc và sử dụng giá trị nhân tố do EFA tạo ra. Nghiên cứu hiện tại sử dụng phép quay vng góc Varimax trong phân tích đánh giá giá trị thang đo EFA, vì vậy tác giả xử lý EFA cho biến độc lập riêng và biến phụ thuộc riêng. Tuy nhiên nếu làm như vậy, chúng ta không đánh giá được giá trị hội tụ của thang đo khái niệm biến phụ thuộc cũng như giá trị phân biệt giữa biến phụ thuộc và biến độc lập. Vì vậy, phương pháp phù hợp nhất là dùng tổng hoặc giá trị trung bình của các biến đo lường các nhân tố trong mơ hình cho các phân tích tiếp theo.

4.3.1. Phân tích nhân tố khám phá EFA cho nhân tố độc lập.

Sau khi đảm bảo các thang đo đạt được độ tin cậy thông qua phân tích kiểm định độ tin cậy Cronbach’s alpha, 22 biến quan sát dùng để đo lường 7 biến độc lập đưa vào phân tích EFA.

Trước khi thực hiện phân tích nhân tố khám phá, ta cần kiểm định điều kiện thực hiện phân tích này, dựa trên kiểm định KMO và Bartlett’s Test. Kiểm định KMO và Bartlett's cho các nhân tố ảnh hưởng đến hành vi MHNH trên thiết bị di động, cho thấy hệ số KMO = 0,739 > 0,50 và Sig. = 0,000, cho thấy kết quả phù hợp thực hiện EFA cho các nhân tố này.

Bảng 4.4: Kết quả phân tích nhân tố EFA cho các nhân tố độc lập

STT Tên nhân tố Biến quan

sát Hệ số tải nhân tố Số lượng biến 1 Tính bốc đồng IMP2 0,900 3 IMP1 0,872 IMP3 0,755 2 Ảnh hưởng giữa các cá nhân II2 0,779 4 II3 0,778 II1 0,754 II4 0,627 3 Tính di động PB3 0,775 3 PB2 0,722 PB1 0,521 4 Sự hấp dẫn trực quan VA1 0,813 3 VA2 0,745 VA3 0,597 5 Tính dễ sử dụng EOU2 0,819 3 EOU1 0,817 EOU3 0,737 6 Sản phẩm sẵn có PA1 0,895 3 PA2 0,810 PA3 0,692 7 Thuộc tính giá PRA2 0,779 3 PRA1 0,730 PRA3 0,699

Phương sai trích = 68,756% và Eigenvalues >1

(Nguồn: Kết quả xử lý dữ liệu)

Tiêu chuẩn chấp nhận về độ hội tụ của thang đo là tổng phương sai trích ≥ 50% (Gerbing và Anderson, 1988). Sau khi phân tích nhân tố khám phá EFA, kết quả tổng phương sai trích đạt 68,756%. Điều này chứng tỏ 68,756% biến thiên của dữ liệu được giải thích bởi 7 nhân tố trên. Bên cạnh đó, Bảng kiểm định mức ý nghĩa của các nhân tố rút trích ra cho thấy hệ số Eigenvalues = 1,941 > 1 đại diện cho phần biến thiên

Theo Hair & cộng sự (2006), Hệ số tải nhân tố là chỉ tiêu giúp đảm bảo mức ý nghĩa của EFA: FL > 0,3 là đạt mức tối thiểu, và FL > 0,5 là có ý nghĩa thực tiễn. Nghiên cứu hiện tại chọn tiêu chuẩn Factor Loading ≥ 0,5 để bảo đảm độ hội tụ thang đo khái niệm. Bảng 4.4 trình bày kết quả phân tích nhân tố khám phá EFA, cho thấy 22 biến quan sát được gom thành 7 nhân tố, tất cả các biến số có hệ số Factor Loading > 0,5 cho nên khơng có biến nào bị loại.

4.3.2. Phân tích nhân tố khám phá EFA cho nhân tố phụ thuộc.

Tương tự kỹ thuật phân tích EFA cho các nhân tố độc lập, nghiên cứu cũng tiến hành kiểm tra hệ số KMO và Bartlett’s Test. Kiểm định KMO và Bartlett's cho nhân tố hành vi MHNH, kết quả cho thấy hệ số KMO = 0,789 > 0,50 và Sig. = 0,000, cho thấy kết quả phù hợp thực hiện EFA cho nhân tố hành vi MHNH này. Sau khi phân tích nhân tố khám phá EFA, kết quả tổng phương sai trích đạt 61,370%. Bảng 4.5 trình bày kết quả phân tích nhân tố khám phá EFA cho nhân tố phụ thuộc “hành vi mua hàng ngẫu hứng”, cho thấy 4 biến quan sát được gom thành 1 nhân tố duy nhất, tất cả các biến số có hệ số Factor Loading > 0,5 nên tất cả các biến đều được chấp nhận.

Bảng 4.5: Kết quả phân tích nhân tố EFA cho nhân tố phụ thuộc

STT Tên nhân tố Biến quan

sát

Hệ số tải

nhân tố Số lượng biến

1 Hành vi mua hàng ngẫu hứng IPB1 0,805 4 IPB3 0,805 IPB4 0,772 IPB2 0,750

Phương sai trích = 61.370% và Eigenvalues >1

4.4. Kiêm định mơ hình và giả thuyết nghiên cứu.

4.4.1. Phân tích tương quan.

Sau bước phân tích nhân tố EFA, tất cả các nhân tố đểu đủ điều kiện thực hiện phân tích tiếp theo là bước phân tích hồi quy tuyến tính bội. Theo Nguyễn Đình Thọ (2013), phương pháp phù hợp nhất để tính giá trị nhân tố trích là dùng tổng hoặc giá trị

trung bình của các biến đo lường các nhân tố trong mơ hình cho các phân tích tiếp theo.

Trước khi kiểm định mơ hình và giả thuyết nghiên cứu bằng kỹ thuật phân tích hồi quy tuyến tính bội, chúng ta cần xem xét mối tương quan tuyến tính giữa các biến độc lập và biến phụ thuộc, cũng như các biến độc lập với nhau.

Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), “người ta sử dụng một số thống kê có tên là hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Nhìn chung hệ số tương quan Pearson được sử dụng để kiểm tra liên hệ giữa những biến định lượng. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Hệ số tương quan Pearson được xem là có ý nghĩa khi đạt giá trị sig ≤ 0,05.”

Cũng theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), trong SPSS có thể kiểm định các giả thuyết ở mức ý nghĩa nhỏ hơn 0,05 (SPSS phân biệt bằng cách đánh một dấu * ở cạnh giá trị thống kê tính được trên mẫu) và ở mức ý nghĩa < 0,01 (phân biệt bằng hai dầu **).

Đặt giả thuyết Ho: khơng có sự tương quan giữa biến phụ thuộc và các biến độc lập và H1: có sự tương quan giữa biến phụ thuộc và các biến độc lập. Theo kết quả từ bảng phân tích tương quan giữa các biến độc lập và biến phụ thuộc (phụ lục 7), tất cả các biến đều có giá trị sig < 0,05, cho thấy chúng đều có ý nghĩa thống kê, nghĩa là bác bỏ giả thuyết Ho, chấp nhận giả thuyết H1, và kết luận tất cả các biến độc lập đều có tương quan với biến phụ thuộc.

Tóm lại, sau kỹ thuật phân tích tương quan với hệ số tương quan Pearson, tất cả 7 nhân tố (1) Tính bốc đồng, (2) Ảnh hưởng giữa các cá nhân, (3) Tính di động, (4) Sự hấp dẫn trực quan, (5) Tính dễ sử dụng, (6) Sản phẩm sẵn có, (7) Thuộc tính giá đều có tương quan với nhân tố phụ thuộc là Hành vi mua ngẫu hứng trực tuyến trên thiết bị di động. Kết quả này tiếp tục được đưa vào phân tích hồi qui tuyến tính bội.

4.4.2. Phân tích hồi quy tuyến tính bội.

Dựa phần kết quả phân tích tương quan, các biến độc lập sẽ được đưa vào phân tích hồi quy tuyến tính. Các biến được đưa vào phân tích bằng phương pháp đồng thời (Enter). Theo Nguyễn Đình Thọ (2013), phương pháp Enter trong SPSS có thể xem là phương pháp khẳng định trong nghiên cứu khoa học. Kết quả tóm tắt mơ hình hồi quy tuyến tính bội được trình bày trong bảng 4.6.

Bảng 4.6: Tóm tắt mơ hình hồi quy (lần 1)

Mơ hình R R2 R2 hiệu chỉnh Sai lệch

chuẩn SE

Hệ số Durbin-Watson

1 0,757a 0,573 0,560 0,27305 1,964

Biến phụ thuộc: Hành vi mua hàng ngẫu hứng

Mơ hình hồi qui thể hiện sự tác động của các nhân tố độc lập đến nhân tố phụ thuộc “Hành vi mua hàng ngẫu hứng” có hệ số R2 hiệu chỉnh = 0,560 thể hiện các nhân tố độc lập trog mơ hình giải thích được 56.0% sự biến thiên của biến phụ thuộc “Hành vi mua hàng ngẫu hứng” trên thiết bị di động. Ngồi ra, mơ hình hồi quy trên khơng vi phạm giả thuyết về hiện tượng tương quan chuỗi bậc nhất trong mơ hình vì hệ số kiểm định Durbin-Watson = 1,964 thuộc trong khoảng từ 1 ➔ 3. Kiểm định F sử dụng trong phân tích phương sai (ANOVA) là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Trong trường hợp này, ta thấy trị thống kê F được tính từ giá trị R2 đầy đủ khác 0 (F = 46,336) (bảng phân tích ANOVA - Phụ lục 8) với giá trị Sig. rất nhỏ =0,000 (<0,05) cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt được tiêu chuẩn chấp nhận.

Chuẩn đoán hiện tượng đa cộng tuyến Collinearity diagnostics với hệ số phóng đại phương sai VIF (Variance inflation factor) của các biến độc lập trong mơ hình đều nhỏ, thể hiện tính đa cộng tuyến của các biến độc lập là không đáng kể và các biến độc lập trong mơ hình chấp nhận được.

Nhân tố tác động

Hệ số hồi quy chưa chuẩn hóa

Hệ số hồi quy chuẩn

hóa

t Sig. Đa cộng tuyến

Trọng số hồi quy B

Sai lệch

chuẩn β chuẩn hóa

Hệ số Tolerance VIF 1 (Constant) 0,420 0,209 2,010 0,046 imp 0,143 0,025 0,245 5,778 0,000 0,984 1,016 ii 0,099 0,039 0,122 2,563 0,011 0,773 1,293 pb 0,212 0,040 0,287 5,311 0,000 0,607 1,648 va 0,208 0,039 0,271 5,358 0,000 0,691 1,448 eou 0,139 0,035 0,182 3,912 0,000 0,817 1,224 pa -0,061 0,033 -0,088 -1,852 0,065 0,780 1,281 pra 0,137 0,039 0,172 3,473 0,001 0,719 1,391

Bảng kết quả hệ số hồi quy cho ta thấy các nhân tố (1) Tính bốc đồng, (2) Ảnh hưởng giữa các cá nhân, (3) Tính di động, (4) Sự hấp dẫn trực quan, (5) Tính dễ sử dụng, và (7) Thuộc tính giá có ý nghĩa thống kê với mức ý nghĩa sig < 0.05 (tương ứng độ tin cậy 95%). Riêng đối với nhân tố (6) Sản phẩm sẵn có khơng có ý nghĩa thống kê trong mơ hình hồi quy vì giá trị Sig.= 0,065 > 0,05.

Sau khi loại bỏ biến (6) Sản phẩm sẵn có ra khỏi mơ hình, ta tiến hành xử lý phân tích lại hồi quy tuyến tính lần 2 với sáu nhân tố độc lập và một nhân tố phụ thuộc là “Hành vi mua hàng ngẫu hứng” trên thiết bị di động.

Bảng 4.8: Tóm tắt mơ hình hồi quy (lần 2)

Mơ hình R R2 R2 hiệu chỉnh Sai lệch

chuẩn SE

Hệ số Durbin-Watson

1 0,753a 0,567 0,556 0,27441 1,958

Kết quả phân tích hồi quy lần 2 trong bảng 4.8 cho thấy hệ số R2 hiệu chỉnh (Adjusted R Square = 0,556) thể hiện các nhân tố độc lập trong mơ hình giải thích được 55,6% sự biến thiên của biến phụ thuộc “Hành vi mua hàng ngẫu hứng” trên thiết bị di động. Ngồi ra, mơ hình hồi quy khơng vi phạm giả thuyết về hiện tượng tương

quan chuỗi bậc nhất trong mơ hình vì hệ số kiểm định Durbin-Watson = 1,958. Kiểm định F sử dụng trong phân tích phương sai (ANOVA) với giá trị Sig. rất nhỏ =0,000 (<0,05) cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt được tiêu chuẩn chấp nhận.

Bảng 4.9: Kết quả hệ số hồi quy tuyến tính bội (lần 2)

Nhân tố tác động

Hệ số hồi quy chưa chuẩn hóa

Hệ số hồi quy chuẩn

hóa

t Sig. Đa cộng tuyến

Trọng số hồi quy B

Sai lệch

chuẩn β chuẩn hóa Tolerance Hệ số VIF

1 (Constant) 0,309 0,201 1,535 0,126 imp 0,143 0,025 0,245 5,755 0,000 0,984 1,016 ii 0,100 0,039 0,124 2,587 0,010 0,774 1,292 pb 0,188 0,038 0,254 4,955 0,000 0,678 1,474 va 0,197 0,039 0,257 5,119 0,000 0,705 1,418 eou 0,144 0,036 0,188 4,047 0,000 0,822 1,216 pra 0,132 0,040 0,166 3,341 0,001 0,722 1,385

Bảng 4.9 trình bày hệ số hồi quy lần 2, cho thấy khơng có hiện tượng đa cộng tuyến giữa các biến độc lập với VIF <10. Sáu nhân tố độc lập đều tác động thuận chiều đến nhân tố phụ thuộc “Hành vi mua hàng ngẫu hứng” trên thiết bị di động. Dựa vào kết quả tương quan và hồi quy tuyến tính, các nhân tố ảnh hưởng đến “Hành vi mua hàng ngẫu hứng” trong thương mại di động đợc thể hiện ở phương trình hồi quy như sau:

IPB = 0,143*imp + 0,100*ii + 0,188*pb + 0,197*va + 0,144*eou + 0,132*pra

Phương trình hồi qui tương quan trên cho thấy nhân tố “Sự hấp dẫn trực quan” tác động mạnh nhất đến “Hành vi mua hàng ngẫu hứng” vì hệ số β của nhân tố này cao nhất (β = 0,197); tiếp theo là “Tính di động” tác động đến “Hành vi mua hàng ngẫu hứng” khá mạnh với hệ số β = 0,188; mức độ tác động thứ ba là “Tính dễ sử dụng” của

người mua hàng với β = 0,144; “Tính bốc đồng”, “Thuộc tính giá” và “Sự ảnh hưởng giữa các cá nhân” tác động ít hơn với các hệ số β lần lượt là 0,143, 0,132 và 0,100.

4.4.3. Kiểm định giả thuyết nghiên cứu.

Từ bảy giả thuyết nghiên cứu đã trình bày trong chương 2, tiến hành kiểm định từng giả thuyết nghiên cứu, ta có kết quả kiểm định trình bày trong bảng 4.10. Trong bảy giả thuyết đã đưa ra để dự đoán về sự tác động của các nhân tố (1) Tính bốc đồng, (2) Ảnh hưởng giữa các cá nhân, (3) Tính di động, (4) Sự hấp dẫn trực quan, (5) Tính dễ sử dụng, (6) Sản phẩm sẵn có, (7) Thuộc tính giá đến “Hành vi mua ngẫu hứng trực tuyến” trên thiết bị di động, có sáu giả thuyết được chấp nhận và một giả thuyết bị bác bỏ do khơng đạt điều kiện có ý nghĩa thống kê trong mơ hình.

Bảng 4.10: Kết quả kiểm định giả thuyết nghiên cứu

Giả thuyết Trị thống

kê (lần 1)

Trị thống

kê (lần 2) Kết quả Giả thuyết H1: Tính bốc đồng có ảnh hưởng

thuận chiều đến hành vi mua hàng ngẫu hứng trên thiết bị di động.

0,000 0,000 Chấp nhận

Giả thuyết H2: Sự ảnh hưởng giữa các cá

nhân có ảnh hưởng thuận chiều đến hành vi mua hàng ngẫu hứng trên thiết bị di động.

0,011 0,010 Chấp nhận

Giả thuyết H3: Tính di động có ảnh hưởng

thuận chiều đến hành vi mua hàng ngẫu hứng trên thiết bị di động.

0,000 0,000 Chấp nhận

Giả thuyết H4: Sự hấp dẫn trực quan có ảnh

hưởng thuận chiều đến hành vi mua hàng ngẫu hứng trên thiết bị di động.

0,000 0,000 Chấp nhận

Giả thuyết H5: Tính dễ sử dụng có ảnh

hưởng thuận chiều đến hành vi mua hàng ngẫu hứng trên thiết bị di động.

0,000 0,000 Chấp nhận

Giả thuyết H6: Sản phẩm sẵn có có ảnh

hưởng thuận chiều đến hành vi mua hàng ngẫu hứng trên thiết bị di động.

Giả thuyết H7: Thuộc tính giá có ảnh hưởng

thuận chiều đến hành vi mua hàng ngẫu hứng trên thiết bị di động.

0,001 0,001 Chấp nhận

Với kết quả kiểm định trên, ta có mơ hình nghiên cứu điều chỉnh như hình 4.3.

Hình 4.3: Mơ hình nghiên cứu sau khi kiểm định

(Nguồn: Kết quả phân tích)

4.5. Kiểm định sự khác biệt giữa các nhóm nhân tố nhân khẩu học.

Với mục tiêu kiểm định sự khác biệt về hành vi MHNH giữa các nhóm đặc điểm NTD (giới tính, độ tuổi, trình độ học vấn, tình trạng hơn nhân, nhóm nghề nghiệp và thu nhập trung bình), nghiên cứu hiện tại thực hiện kỹ thuật phân tích Independent Sample T-test để so sánh giá trị trung bình của hai nhóm giới tính nam - nữ và tình

Một phần của tài liệu (LUẬN văn THẠC sĩ) các nhân tố ảnh hưởng đến hành vi mua hàng ngẫu hứng trực tuyến trong thương mại di động (Trang 88)

Tải bản đầy đủ (PDF)

(154 trang)