Biến quan sát Thành phần 1 BI1 0.798 BI2 0.767 BI3 0.788 BI4 0.749 BI5 0.741 Eigen Value 2.956 Phƣơng sai trích 59.129
Từ bảng 4.6 cho thấy các nhân tố rút ra có hệ số tải nhân tố đều lớn hơn 0.5. Hệ số tải nhân tố đều cực kỳ cao, các biến trong cùng một nhóm đều thực sự tải mạnh trên nhân tố mà nó đo lƣờng, nhỏ nhất là 0.741. Do đó, khơng có một yếu tố thành phần nào bị bỏ đi.
Tổng phƣơng sai trích đƣợc là 59.129% > 50%, chứng tỏ phần giải thích đƣợc rất cao.
Kết quả cũng cho thấy có 1 nhân tố đƣợc rút ra và Eigen value > 1. Khơng có sự tách ra hay dịch chuyển của các nhân tố nên khơng có thay đổi về số nhân tố.
Tóm lại, kết quả phân tích nhân tố khám phá cho phép ta rút ra 1 nhân tố. Nhân tố này đƣợc đo lƣờng bởi 5 biến quan sát:
BI1: Thƣơng hiệu an toàn BI2: Thƣơng hiệu đáng tin cậy BI3: Thƣơng hiệu có chất lƣợng tốt BI4: Thƣơng hiệu hấp dẫn
Các yếu tố thành phần này đo lƣờng hình ảnh thƣơng hiệu trong tâm trí khách hàng nên nhân tố này đƣợc gọi là Hình ảnh thương hiệu, ký hiệu BI
4.4.4. Phân tích nhân tố khám phá biến Ý định mua hàng
Ta đặt giả thuyết H0: giữa các biến quan sát của thang đo sự tin tƣởng vào eWOM khơng có mối quan hệ. Kiểm định KMO đƣợc đính kèm trong phần phụ lục 8 cho thấy: giá trị sig. < 0.05, hệ số KMO là 0.820 > 0.5; do đó bác bỏ H0. Nhƣ vậy,
giữa các biến quan sát có mối quan hệ đủ lớn cần cho việc phân tích nhân tố khám phá.
Bảng 4.7. Kết quả phân tích nhân tố khám phá biến BI Biến quan sát Thành phần Biến quan sát Thành phần 1 IP1 0.775 IP2 0.776 IP3 0.754 IP4 0.814 IP5 0.814 Eigen Value 3.095 Phƣơng sai trích 61.903
Từ bảng 4.7 cho thấy các nhân tố rút ra có hệ số tải nhân tố đều lớn hơn 0.5. Hệ số tải nhân tố đều cực kỳ cao, các biến trong cùng một nhóm đều thực sự tải mạnh trên nhân tố mà nó đo lƣờng, nhỏ nhất là 0.714. Do đó, khơng có một yếu tố thành phần nào bị bỏ đi.
Tổng phƣơng sai trích đƣợc là 61.903% > 50%, chứng tỏ phần giải thích đƣợc rất cao.
Kết quả cũng cho thấy có 1 nhân tố đƣợc rút ra và Eigen value > 1. Khơng có sự tách ra hay dịch chuyển của các nhân tố nên khơng có thay đổi về số nhân tố.
Tóm lại, kết quả phân tích nhân tố khám phá cho phép ta rút ra 1 nhân tố. Nhân tố này đƣợc đo lƣờng bởi 5 biến quan sát:
IP1: muốn mua sản phẩm IP2: xem xét việc mua hàng IP3: dùng thử sản phẩm IP4: tìm kiếm sản phẩm IP5: mua sản phẩm
Các yếu tố thành phần này đo lƣờng ý định mua hàng của khách hàng nên nhân tố này đƣợc gọi là Ý định mua hàng, ký hiệu IP.
Tóm lại, sau khi phân tích nhân tố khám phá chúng ta có đƣợc số nhân tố nhƣ ban đầu, do đó mơ hình nghiên cứu đề xuất khơng có thay đổi. Lin, Wu & Chen (2013) không sử dụng phân tích nhân tố khám phá mà sử dụng phân tích nhân tố khẳng định (CFA). CFA phù hợp hơn trong trƣờng hợp nghiên cứu này vì đã có sẵn mơ hình. Tuy nhiên, trong khuôn khổ của luận văn, giá trị hội tụ và phân biệt của thang đo chỉ đƣợc xác định bằng EFA. Đây đƣợc coi nhƣ là một trong những hạn chế của nghiên cứu này.
Kết luận lại, kiểm định độ tin cậy và phân tích nhân tố khám phá đã cho phép đánh giá đƣợc độ tin cậy và giá trị của đo lƣờng đƣợc đảm bảo cho việc tiến hành các phân tích tiếp theo.
4.5. PHÂN TÍCH HỒI QUY
Căn cứ vào kết quả phân tích nhân tố khám phá EFA nhƣ trên, nghiên cứu tiến hành phân tích hồi quy. Các giả thuyết đƣợc đặt ra là có sự tƣơng quan giữa các yếu tố của truyền miệng qua mạng đến ý định mua hàng điện thoại di động của khách hàng tại Tp. HCM. Phƣơng pháp hồi qui đƣợc sử dụng để xác định sự tƣơng quan này có tuyến tính hay khơng và mức độ quan trọng của từng nhân tố trong sự tác động đến ý định mua hàng của khách hàng. Sau khi qua giai đoạn phân tích nhân tố, có 3 nhân tố
đƣợc đƣa vào kiểm định mơ hình. Giá trị nhân tố là trung bình của các biến quan sát thành phần thuộc nhân tố đó.
Nghiên cứu cũng sử dụng mơ hình hồi quy đa biến để phát hiện tác động của hai biến điều tiết sự gắn kết sản phẩm và hình ảnh thƣơng hiệu đến mối quan hệ của biến độc lập và biến phụ thuộc. Để xem xét sự tác động của biến điều tiết trong mơ hình hồi quy, ta tạo biến chuẩn hóa của các biến độc lập và điều tiết, sau đó tạo biến mới là tích của biến chuẩn hóa các biến độc lập và biến chuẩn hóa của biến điều tiết.
Ba biến độc lập đƣợc đƣa vào mơ hình bao gồm: Chất lƣợng eWOM (EWOM1), số lƣợng eWOM (EWOM2), chuyên môn của ngƣời gửi (EWOM3)
Hai biến điều tiết đƣợc đƣa vào mơ hình bao gồm: Sự gắn kết sản phẩm (PI), Hình ảnh thƣơng hiệu (BI).
Một biến phụ thuộc đƣợc đƣa vào mơ hình lad Ý định mua hàng (IP)
Phƣơng pháp hồi qui tổng thể các biến (phƣơng pháp Enter) sẽ đƣợc sử dụng trên phần mềm SPSS 20.0. Nghiên cứu thực hiện năm mơ hình hồi quy có dạng sau:
Hồi quy 1: IPi = 0 + 1EWOM1i + 2EWOM2i + 3EWOM3i + 1i
Hồi quy 2: IPi = 0 + 1EWOM1i + 2EWOM2i + 3EWOM3i + 0PIi + 2i
Hồi quy 3: IPi = 0 + 1EWOM1i + 2EWOM2i + 3EWOM3i+ 0PIi +
1(EWOM1 * PI)i + 2(EWOM2 * PI)i + 3(EWOM3 * PI)i + 3i
Hồi quy 4: IPi = 0 + 1EWOM1i + 2EWOM2i + 3EWOM3i +0BIi + 4i
Hồi quy 5: IPi = 0 + 1EWOM1i + 2EWOM2i + 3EWOM3i +0BIi +
1(EWOM1 * BI)i + 2(EWOM2 * BI)i + 3(EWOM3 * BI)I + 5i Trong đó:
0: hằng số hồi qui
Biến phụ thuộc: IPi: ý định mua hàng điện thoại di động tại quan sát thứ i, i=1,2,…n (n= kích thƣớc mẫu)
Biến độc lập bao gồm:
EWOM1i: Chất lƣợng eWOM tại quan sát thứ i. EWOM2i: Số lƣợng eWOM tại quan sát thứ i.
EWOM3i: Chuyên môn của ngƣời gửi tại quan sát thứ i. Biến điều tiết bao gồm:
PIi: Sự gắn kết sản phẩm tại quan sát thứ i. BIi: Hình ảnh thƣơng hiệu tại quan sát thứ i.
(EWOM1 x PI)i: tích của biến chuẩn hóa EWOM1 và biến chuẩn hóa PI tại quan sát thứ i.
(EWOM2 x PI)i: tích của biến chuẩn hóa EWOM2 và biến chuẩn hóa PI tại quan sát thứ i.
(EWOM3 x PI)i: tích của biến chuẩn hóa EWOM3 và biến chuẩn hóa PI tại quan sát thứ i.
(EWOM1 x BI)i: tích của biến chuẩn hóa EWOM1 và biến chuẩn hóa BI tại quan sát thứ i.
(EWOM2 x BI)i: tích của biến chuẩn hóa EWOM2 và biến chuẩn hóa BI tại quan sát thứ i.
(EWOM3 x BI)i: tích của biến chuẩn hóa EWOM3 và biến chuẩn hóa BI tại quan sát thứ i.
1i,2i,3i, 4i, 5i là sai số tại quan sát thứ i của các mơ hình
4.5.1. Kiểm định các giả định của phƣơng pháp hồi quy
nghĩa hay khơng phụ thuộc vào việc ƣớc lƣợng có vững (ƣớc lƣợng không chệch) và hiệu quả không.
Điều đó phụ thuộc vào dữ liệu mẫu thu thập đƣợc có đáp ứng đƣợc 5 giả định của hồi quy OLS hay khơng. Chính vì vậy, để đảm bảo một ƣớc lƣợng có vững và hiệu quả hay khơng, ta sẽ kiểm định các giả định đó.
Các giả định này bao gồm:
Thứ nhất: Khơng có sự tƣơng quan giữa các biến độc lập trong mơ hình (đa cộng tuyến).
Thứ hai: Mối quan hệ giữa biến phụ thuộc và biến độc lập là tuyến tính.
Thứ ba: Các phần dƣ có phƣơng sai khơng thay đổi, tức biên độ biến động xung quanh giá trị trung bình phải nhƣ nhau.
Thứ tƣ: Các phần dƣ có phân phối chuẩn
Thứ năm: Giữa các phần dƣ khơng có mối quan hệ tƣơng quan với nhau.
Thực hiện kiểm định năm giả thuyết trên ở hồi quy thứ nhất: EWOM1, EWOM2, EWOM3 -> IP, hồi quy thứ hai: EWOM1, EWOM2, EWOM3, PI -> IP, hồi quy thứ ba: EWOM1, EWOM2, EWOM3, PI, EWOM1 x PI, EWOM2 x PI, EWOM3 x PI -> IP, hồi quy thứ tƣ: EWOM1, EWOM2, EWOM3,BI -> IP, hồi quy thứ năm: EWOM1, EWOM2, EWOM3, BI, EWOM1 x BI, EWOM2 x BI, EWOM3 x BI -> IP.
4.5.1.1. Giả định khơng có đa cộng tuyến
Đối với hồi quy bội, nếu xảy ra đa cộng tuyến thì ƣớc lƣợng vẫn vững nhƣng kiểm định hệ số hồi quy (kiểm định t) không đáng tin cậy, dấu của các ƣớc lƣợng hệ số hồi quy có thể sai. Thực hiện kiểm tra đa cộng tuyến thông qua hệ số phóng đại phƣơng sai.