thương hiệu Biến quan sát 1 2 3 4 5 CL5 0,858 CL4 0,830 CL3 0,787 CL1 0,785 CL2 0,730 NT4 0,979 NT3 0,904 NT1 0,842 NT2 0,794 LT1 0,858 LT4 0,833 LT3 0,787 LT2 0,774 TT1 0,843 TT4 0,837 TT2 0,815 TT3 0,728 NB2 0,824 NB3 0,765 NB4 0,671 Eigenvalue 6,995 3,181 1,840 1,767 1,288 Tổng phương sai trích 75,356 Cronbach Alpha .901 .914 .875 .874 .776
Nguồn: Kết quả từ xử lý dữ liệu điều tra của tác giả
Kết quả phân tích EFA lần 2 cho thấy, tại mức Eigenvalues = 1.288(>1), phân tích EFA đã rút trích được 5 nhân tố từ 20 biến quan sát với tổng phương sai trích là 75.356% (>50%) và khơng có nhóm nhân tố mới nào được hình thành so với mơ hình nghiên cứu đề xuất ban đầu.
4.3.2.1. Phân tích EFA đối với ý định lựa chọn ngân hàng giao dịch để giao dịch
Kết quả phân tích nhân tố đối với ý định lựa chọn được thể hiện trong Bảng 4.15, kết quả phân tích cho thấy hệ số KMO = 0.720 (>0.5) và kiểm định Barlett có Sig= 0.00 (<0.05) cho thấy phân tích EFA là thích hợp.
Tại mức Eigenvalues = 2.361 (>1), tất cả các biến quan sát của nhân tố ý định
lựa chọn đều thuộc 1 nhóm như ban đầu. Phương sai trích bằng 78.706% thỏa mãn với
điều kiện lớn hơn 50% cho thấy phân tích nhân tố là hợp lí.
Bảng 4.15 Phân tích nhân tố Ý định lựa chọn
YD3 0,911 YD2 0,898 YD1 0,852 Phương sai trích 78.706 Mức Eigenvalues 2,361 Conbach Alpha 0.862
Nguồn: Kết quả từ xử lý dữ liệu điều tra 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: NT1, NT2, NT3, NT4. Nhóm 3: LT1, LT2, LT3, LT4. Nhóm 4: TT1, TT2, TT3, TT4. Nhóm 5: NB2, NB3, NB4. Và một nhóm biến phụ thuộc là: Nhóm 6: YD1, YD2, YD3.
Kết quả sau khi phân tích nhân tố (EFA) cho thấy chỉ có biến NB1 bị loại do khơng 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 nguyên so với ban đầu và khơng có sự điều chỉnh nào khác.
4.4. Phân tích hồi quy tuyến tính
Mơ hình hồi quy tuyến tính được xây dựng có dạng:
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:
YD = B0 + B1*NB + B2*CL + B3*LT + B4*TT+ B5*NT Trong đó:
- NB: Nhận biết thương hiệu. - CL: Chất lượng cảm nhận. - LT: Liên tưởng thương hiệu. - TT: Trung thành thương hiệu. - NT: Niềm tin thương hiệu. - YD: Ý định lựa chọn.
4.4.1. Phân tích tương quan
Trước khi đưa các biến vào mơ hình phân tích hồi quy, tác giả tiến hành kiểm định tương quan giữa các biến với nhau thông qua kiểm định tương quan Pearson.
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 khơng. Kết quả của phần phân tích này (Bảng 4.16) 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 (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Bảng 4.16 Bảng hệ số tương quan Pearson giữa các biến trong mơ hình
YD NB CL LTu NT TT YD 1 ,541** ,636** ,481** ,411** ,531** NB 1 ,505** ,414** ,216** ,366** CL 1 ,440** ,182* ,427** LTu 1 0,08883 ,331** NT 1 ,308** TT 1.00
Nguồn: Kết quả từ xử lý dữ liệu điều tra 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) 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 thang đo trên với thang đo ý định lựa chọn, trong đó mối quan hệ tương quan cao nhất là giữa thang đo chất lượng cảm nhận với r = 0.636.
4.4.2. Phân tích hồi quy
Để đánh giá mức độ tác động của các nhân tố thành phần giá trị thương hiệu đến ý định lựa chọn ngân hàng để giao dịch, tác giả tiến hành đưa nhân tố vào phân tích hồi quy bội. Để đánh giá độ phù hợp của mơ hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square) để đánh giá mức độ phù hợp của mơ hình nghiên cứu, hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình,
tuy nhiên khơng phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có một biến giải thích trong mơ hình.
Như vậy, trong hồi quy tuyến tính bội thường dùng hệ số R-square điều chỉnh để đánh giá độ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp của mộ hình. Bên cạnh đó, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin-Watson (1< Durbin-Waison < 3) và khơng có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF < 2). Hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào ý định lựa chọn ngân hàng để giao dịch càng cao (Hoàng Trọng và Mộng Ngọc, 2008).
Bảng 4.17 Hệ số R-Square từ kết quả phân tích hồi quy Tổng kết mơ hình Tổng kết mơ hình Mơ hình R R R hiệu chỉnh sai số ước lượng Durbin-Watson 1 .772a 0,596 0,582 0,389 1,605
a. Biến độc lâp: NB, CL, LTu, TT, NT b. Biến phụ thuộc: YD
Nguồn: Kết quả từ xử lý dữ liệu điều tra của tác giả
Hệ số xác định hiệu chỉnh R hiệu chỉnh là 0.582, 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 58.2% sự khác biệt về ý định lựa chọn của khách hàng. Như vậy, mức độ phù hợp của mơ hình tương đối tốt. 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.
Theo Bảng 4.18 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 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 43,114 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. Bảng 4.18 ANOVA ANOVAa Mơ hình Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi Quy 32,571 5 6,514 43,114 .000b Phần dư 22,060 146 0,151 Tổng 54,631 151 a. Biến phụ thuộc: YD b. Biến độc lập: TT, NT, LTu, NB, CL
Nguồn: Kết quả từ xử lý dữ liệu điều tra của tác giả
Theo Bảng 4.19 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 ý định lựa chọn của khách hàng.
Bảng 4.19 Bảng kết quả hồi quy
Mơ hình
Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa t Sig. Phân tích đa cộng tuyến B Sai số
chuẩn Beta Độ chấp nhận VIF
1 (Hằng số) -0,255 0,287 -0,890 0,375 CL 0,372 0,070 0,350 5,298 0,000 0,635 1,574 NB 0,175 0,065 0,172 2,691 0,008 0,673 1,485 LTu 0,164 0,058 0,173 2,830 0,005 0,740 1,351 NT 0,169 0,040 0,237 4,244 0,000 0,889 1,124 TT 0,219 0,072 0,188 3,055 0,003 0,727 1,376 a.Biến phụ thuộc: YD
Nguồn: Kết quả từ xử lý dữ liệu điều tra của tác giả
Hệ số hồi quy mang dấu dương thể hiện các yếu tố trong mơ hình hồi quy trên đều ảnh hưởng thuận chiều đến ý định lựa chọn ngân hàng để giao dịch.
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, trung thành thương hiệu, nhận biết thương hiệu, niềm tin thương hiệu, và cuối cùng là liên tưởng thương hiệu. Tuy nhiên, theo Nguyễn Đình Thọ (2014) nếu chúng ta dùng hệ số hồi quy 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.
Phương trình hồi quy của mơ hình theo hệ số β đã chuẩn hóa như sau:
YD = 0.350*CL + 0.237*NT + 0.188*TT + 0.73*LT + 0.172*NB
Kiểm định giả thuyết
Kết quả kiểm định giả thuyết cũng như mức độ tác động và mức ý nghĩa cụ thể của từng biến độc lập đối với biến phụ thuộc được trình bày trong bảng 4.20
Bảng 4.20: Kiểm định giả thuyết
Giả thuyết Phát biểu
Hệ số β chuẩn hóa Giá trị p Kết luận H1 Có sự tác động tích cực của nhận biết thương hiệu đến ý định lựa
chọn ngân hàng để giao dịch 0,172 0,008 Chấp nhận H2 Có sự tác động tích cực của chất lượng cảm nhận đến ý định lựa chọn ngân hàng để giao dịch 0,35 0.000 H3 Có sự tác động tích cực của liên tưởng thương hiệu đến ý định lựa
chọn ngân hàng để giao dịch
0,173 0,005
H4
Có sự tác động tích cực của trung thành thương hiệu đến ý định lựa
chọn ngân hàng để giao dịch.
0,188 0,003
H5
Có sự tác động tích cực của niềm tin thương hiệu đến ý định lựa
chọn ngân hàng để giao dịch.
0,237 0.000
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
β 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 4.20.
*Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Mơ hình hồi quy tuyến tính bằng phương pháp Enter được thực hiện với một số giả định và mơ hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy, để đảm bảo cho độ tin cậy của mơ hình, đề tài cịn phải thực hiện một loạt các dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính(Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
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).
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.
Ngồi ra đồ thị phân tán cũng đồng thời kiểm tra về hiện tượng phương sai của phần dư thay đổi, 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, theo đồ thị phân tán của phần dư chuẩn hóa ta thấy phần dư tán ngẫu xung quang đường nằm ngang đi qua tung độ 0, do đó phương sai của phần dư không đổi. Kết quả đồ thị phân tán được thể hiện trên Hình 4.1.
Hình 4.1. Đồ thị phân tán
Nguồn: Kết quả từ xử lý dữ liệu điều tra của tác giả
Giả định về phân phối chuẩn của phần dư: 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 khơng đủ nhiều để phân tích (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hình 4.2. Biểu đồ Histogram
Theo Hình 4.2 cho thấy một đương cong xấp xỉ phân phối đặt chồng lên biểu đồ tần số, với giá trị trung bình gần bằng 0, và độ lệch chuẩn 0.983. Vì vậy chấp nhận giả định rằng phần dư có tuân theo phân phối chuẩn, tức là giả định khơng 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 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Đại lượng thống kê Durbin-Waston (d) dùng để kiểm định tương quan của các 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 = 1.605 (Bảng 4.17). 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.
Giả định khơng có mối tương quan giữa các biến độc lập (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 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Dựa vào Bảng 4.19 ta có thể thấy hệ số VIF 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.
4.5. Phân tích sự khác biệt về ý định lựa chọn của khách hàng giữa các biến định tính định tính
4.5.1. Giới tính
Để kiểm định sự khác biệt về ý định lựa chọn của khách hàng giữa các nhóm giới tính khác nhau nên tác giả sử dụng phương pháp kiểm định Independence Samples T – Test. Và giả thuyết được đặt ra như sau:
H6: Có sự khác biệt giữa nam và nữ về mức độ tác động đến Ý định lựa chọn ngân hàng để giao dịch của khách hàng.
Bảng 4.21 Kiểm định khác biệt về giới tính
Kiểm định Levene của
các biến
t-test giá trị trung bình
F Sig. t Df Sig. (2-tailed)
Giả định phương sai
bằng nhau 0,179 0,673 -2,719 150 0,007
Giả định phương sai