Trình độ: Phần lớn là khách hàng có trình độ đại học với 139 mẫu (66%), khách
hàng có trình độ trung cấp – cao đẳng với 39 mẫu (18%) (xem đồ thị).
8% 18% 66% 8% Tỷ trọng số mẫu theo trình độ Phổ thông Trung cấp - Cao đẳng Đại học Trên đại học Đồ thị 4.4: Tỷ trọng số mẫu theo trình độ
4.2 Đánh giá thang đo
4.2.1 Đánh giá thang đo bằng hệ số tin cậy Cronbach’s alpha
Hệ số Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ mà các biến quan sát trong thang đo tương đương với nhau. Bởi vì chúng ta đo lường một khái niệm bằng một tập biến quan sát bao phủ tồn bộ nội dung của khái niệm, vì vậy chúng phải có mối quan hệ với nhau rất cao. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt; từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên cũng có thể chấp nhận được (Nunnally, 1978; Peterson, 1994; Slater, 1995) nhưng nếu Cronbach’s Alpha quá cao (>0,95) thi thang đo cũng khơng tốt vì các biến đo lường gần như là một (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007).
Bảng 4.1: Kết quả kiểm định Cronbach’s Alpha cho thang đo các khái niệm trong mơ hình nghiên cứu về nước mắm truyền thống
Trung bình thang đo nếu loại bỏ biến
Phương sai của thang
đo nếu loại bỏ biến Tương quan biến-tổng
Cronbach’s Alpha nếu loại bỏ biến
Thành phần giá trị chất lượng (Q): Cronbach’s Alpha = 0,901
Q01 27.37 20.406 .902 .869 Q02 27.27 22.248 .695 .888 Q03 27.50 22.042 .641 .893 Q04 27.45 20.239 .837 .874 Q05 27.57 23.436 .403 .916 Q06 27.36 22.973 .647 .892 Q07 27.44 22.295 .623 .894 Q08 27.40 20.793 .819 .876
Thành phần giá trị cảm xúc (E): Cronbach’s Alpha = 0,845
E01 17.76 12.896 .361 .882
E02 17.31 11.900 .762 .796
E03 17.27 12.112 .668 .812
E04 17.41 11.615 .770 .793
E06 17.17 12.682 .627 .821
Thành phần giá trị xã hội (S): Cronbach’s Alpha = 0,879
S01 8.58 8.731 .687 .865
S02 8.68 8.123 .855 .801
S03 8.77 8.443 .717 .854
S04 8.53 8.460 .705 .859
Thành phần giá trị tiền tệ (P): Cronbach’s Alpha = 0,819
P01 11.60 4.346 .692 .750
P02 11.60 4.812 .595 .794
P03 11.73 4.410 .682 .755
P04 11.92 3.947 .622 .792
Thành phần giá cả hành vi (BP): Cronbach’s Alpha = 0,786
BP01 11.88 4.810 .670 .698
BP02 11.93 4.514 .709 .673
BP03 11.93 5.000 .588 .736
BP04 12.22 4.905 .443 .821
Thành phần giá trị cảm nhận tổng thể (PV): Cronbach’s Alpha = 0,733
PV1 14.82 5.764 .450 .704
PV2 15.00 5.795 .485 .691
PV3 14.86 5.332 .656 .628
PV4 15.30 5.727 .358 .749
PV5 14.82 5.536 .570 .660
Nhìn vào bảng 4.1, ta có thể thấy rằng giá trị Cronbach’s Alpha của các thang đo cao nằm trong khoảng từ 0,733 đến 0,901, cho thấy tính nhất quán cao về độ tin cậy (Allen & Bennet, 2012).
Quan sát kết quả phân tích Cronbach’s Alpha đối với nhân tố “giá trị chất lượng”, nếu loại bỏ biến Q05 thì Cronbach’s Alpha tăng từ 0,901 lên 0,916, sự tăng này là không đáng kể. Mặt khác, giá trị 0,901 là rất cao nên ta cũng không làm tăng thêm Cronbach’s Alpha, do đó biến Q05 được giữ lại. Các biến cịn lại cũng được giữ lại, vì nếu loại một trong các biến này sẽ làm Cronbach’s Alpha của thang đo giảm (<0,901). Hơn nữa hệ số tương quan biến – tổng của các biến quan sát đều lớn hơn 0,5,
thấp nhất là 0,403. Do đó, các biến đo lường thành phần “giá trị chất lượng” được sử dụng cho phân tích nhân tố khám phá tiếp theo.
Tương tự đối với thang đo “giá trị cảm xúc”, khi loại bỏ biến E01 sẽ làm cho hệ số Cronbach’s Alpha tăng từ 0.845 lên 0.882 không sai biết nhiều lắm. Đồng thời, hệ số tương quan biến – tổng của biến E01 cũng lớn hơn 0,3 (thấp nhất là 0,361) nên không loại bỏ biến này. Các biến còn lại từ E02 đến E06 được giữ lại vì nếu loại bỏ bất kỳ biến nào cũng sẽ làm giảm Cronbach’s Alpha (< 0.845). Vì vậy, các biến đo lường thành phần “giá trị cảm xúc” được sử dụng cho phân tích nhân tố khám phá tiếp theo.
Đối với kết quả kiểm định Cronbach’s Alpha của thành phần “giá trị xã hội” và “giá trị tiền tệ”, nếu loại bất kỳ biến nào cũng sẽ làm giảm Cronbach’s Alpha so với ban đầu. Ngoài ra, hệ số tương quan biến – tổng của các biến quan sát của hai thành phần này đều lớn 0,3. Do đó, các biến đo lường thành phần “giá trị xã hội” và thành phần “giá trị tiền tệ” được sử dụng cho phân tích nhân tố khám phá tiếp theo.
Trong thang đo “giá cả hành vi”, nếu loại biến BP04 sẽ làm cho giá trị Cronbach’s Alpha tăng từ 0,786 lên 0,821 . Tuy nhiên, giá trị 0,786 là giá trị đã thỏa mãn điều kiện nghiên cứu rồi nên ta không cần làm tăng thêm nữa. Hơn nữa, căn cứ vào nội dung của biến “Dễ dàng biết thông tin khuyến mãi của thương hiệu nước mắm” , ta thấy khơng nên loại biến này. Vì vậy , tạm thời giữ lại biến BP04 và sẽ quyết định loại bỏ biến này hay khơng dựa vào phân tích nhân tố khám phá (EFA) tiếp theo. Mặt khác, nếu loại bất kỳ biến nào từ biến BP01 đến BP03 của thang đo “giá trị hành vi” cũng làm cho Cronbach’s Alpha giảm (< 0,786). Hơn nữa, hệ số tương quan biến - tổng của các biến quan sát đều lớn hơn 0,3. Do đó, các biến đo lường thành phần “giá cả hành vi” được sử dụng cho phân tích nhân tố khám phá tiếp theo.
Cuối cùng, đối với thang đo “giá trị cảm nhận tổng thể”, tương tự nếu ta loại biến PV4 cũng sẽ làm cho giá trị Cronbach’s Alpha tăng từ 0,733 lên 0,749. Tuy nhiên, vì sự tăng thêm khơng đáng kể và giá trị 0,733 là đủ điều kiện tin cậy rồi ta nên không loại biến này. Ngoài ra, Cronbach’s Alpha các biến còn lại đều giảm (<0,733) nếu ta
loại bỏ bất kỳ biến nào và tương quan biến – tổng của các biến đều lớn hơn 0,3. Do đó, các biến đo lường thành phần “giá trị cảm nhận tổng thể” đều được sử dụng cho phân tích nhân tố khám phá tiếp theo.
4.2.2 Đánh giá thang đo bằng phân tích nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố khám phá EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát.
Trong phân tích nhân tố khám phá, tiêu chuẩn để chọn các biến phải có hệ số tải nhân tố lớn hơn 0,5 (Hair & ctg, 1998) và thang đo đạt yêu cầu khi tổng phương sai trích thấp nhất là 50% (Gerbing & Anderson, 1988).
Trong phân tích EFA, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, cịn nếu trị số này nhỏ hơn 0,5 thì phân tích khơng thích hợp với các dữ liệu đưa vào.
Dựa vào Eigenvalue đê xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố. Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số này biểu diễn tương quan giữa các nhân tố với các biến. Hệ số này lớn cho biến nhân tố và biến có quan hệ chặt chẽ với nhau. Các hệ số này được dùng để giải thích các nhân tố.
Mặc dù ma trận nhân tố ban đầu (ma trận nhân tố không xoay) cho thấy được mối quan hệ giữa các nhân tố và từng biến một, nhưng nó ít khi tạo ra những nhân tố có thể giải thích được một cách dễ dàng, bởi vì các nhân tố có tương quan với nhiều
biến. Để giải quyết điều này, các nhân tố sẽ được xoay. Khi xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản và dễ giải thích hơn. Trong nghiên cứu này, tác giả sử dụng phương pháp xoay Varimax.
4.2.2.1. Kết quả phân tích EFA cho các biến độc lập
Kết quả phân tích EFA cho các biến độc lập có 26 biến quan sát thuộc 5 khái niệm tương ứng với 5 biến độc lập trong mơ hình nghiên cứu được đưa vào phân tích nhân tố khám phá EFA, kết quả phân tích EFA cho các biến độc lập được thực hiện 2 lần và có 2 biến quan sát bị loại khỏi bước phân tích EFA này. Sau khi phân tích EFA cịn lại 24 biến quan sát hội tụ vào 5 khái niệm tương ứng với 5 biến độc lập trong mơ hình nghiên cứu ( 2 biến quan sát bị loại đó là biến Q05 và E01).
Bảng 4.2: Tóm tắt kết quả phân tích EFA cho các biến độc lập
Các thông số EFA lần 1 EFA lần 2
KMO 0,822 0,818
Giá trị Sig – Bartlett’s Test 0,000 0,000
Số lượng nhân tố rút trích 5 5
Tổng phương sai trích 65,349% 69,068%
Eigeinvalue 1,845 1,830
Số biến bị loại 2 0
(Nguồn: Tác giả tự tổng hợp, 2018)
Kết quả phân tích EFA lần 1:
Trong bước phân tích nhân tố EFA cho các biến độc lập lần 1 ta thấy hệ số KMO có giá trị bằng 0,822 là khá tốt (>0,5 so với yêu cầu), đồng thời giá trị kiểm định Sig – Bartlett’s Test bằng 0,000 (<0,05) nên ở độ tin cậy 95% ta có thể kết luận rằng
Bartlett với giả thuyết H0 là: ma trận hệ số tương quan giữa các biến quan sát là ma trận đơn vị, nghĩa là khơng có tương quan, với giá trị sig 0.00 < 0.05 nên ta có thể bác bỏ giả thuyết này và kết luận rằng các biến quan sát có tương quan thích hợp để phân tích nhân tố khám phá).
Ở bước phân tích EFA lần 1 này có 5 nhân tố được rút trích tại điểm có hệ số Eigeinvalue là 1,845 (>1), và tổng phương sai trích là 65,349% (>50%) đạt yêu cầu. Như vậy, ở lần phân tích EFA này có 5 nhân tố được rút trích tương ứng với các khái niệm:
Nhân tố 1 gồm các biến: Q01, Q02, Q03, Q04, Q05, Q06, Q07, Q08 (biến Q05 vi phạm hệ số tải nhân tố vì có hệ số tải nhân tố là 0,484).
Nhân tố 2 gồm các biến: E01, E02, E03, E04, E05, E06 (E01 vi phạm hệ số tải nhân tố vì có hệ số tải nhân tố là 0,457).
Nhân tố 3 gồm các biến: S01, S02, S03, S04 Nhân tố 4 gồm các biến: P01, P02, P03, P04
Nhân tố 5 gồm các biến: BP01, BP02, BP03, BP04
Nhìn nào bảng ma trận xoay nhân tố ta thấy có biến Q05 và E01 vi phạm về hệ số tải nhân tố (<0,5) do đó hai biến này sẽ bị loại trước khi phân tích nhân tố EFA lần 2.
Bảng 4.3: Bảng ma trận xoay nhân tố lần 1
Biến quan sát
Hệ số tải nhân tố của các thành phần
1 2 3 4 5 Q03 .703 Q01 .930 Q05 .484 Q04 .873 Q02 .802 Q08 .855 Q07 .647 Q06 .746 E01 .457 E02 .882 E04 .862 E06 .758 E05 .781 E03 .761 S01 .799 S02 .920 S04 .827 S03 .848 P01 .760 P02 .678 P03 .846 P04 .812 BP01 .841 BP02 .869 BP04 .618 BP03 .776
Kết quả phân tích EFA lần 2:
Kết quả phân tích EFA cho các biến độc lập ở lần 2 cũng là lần phân tích cuối cùng, ở lần phân tích EFA này giá trị hệ số KMO là 0.818 (>0,5 so với yêu cầu), giá trị của kiểm định Bartlett có sig là 0,000 (<0,05) như vậy ở mức ý nghĩa 5% ta có thể nói rằng dữ liệu này thích hợp để phân tích EFA. Bên cạnh đó, tại điểm dừng có hệ số Eigeinvalue là 1,830 (>1) ta rút trích được 5 nhân tố tương tự với lần phân tích EFA lần 1 với tổng phương sai trích là 69,068% và 5 nhân tố rút trích này cũng tương ứng với 5 khái niệm của 5 biến độc lập trong bài nghiên cứu.
Nhân tố 1 gồm các biến: Q01, Q02, Q03, Q04, Q06, Q07, Q08 (tương thích khái niệm giá trị chất lượng)
Nhân tố 2 gồm các biến: E02, E03, E04, E05, E06 (tương thích khái niệm giá trị cảm xúc)
Nhân tố 3 gồm các biến: S01, S02, S03, S04 (tương thích khái niệm giá trị xã hội) Nhân tố 4 gồm các biến: P01, P02, P03, P04 (tương thích khái niệm giá trị tiền tệ) Nhân tố 5 gồm các biến: BP01, BP02, BP03, BP04 (tương thích khái niệm giá cả hành vi)
Bảng 4.4: Bảng ma trận xoay nhân tố cho phân tích EFA lần 2
Biến quan sát
Hệ số tải nhân tố của các thành phần
1 2 3 4 5 Q03 .710 Q01 .935 Q04 .875 Q02 .812 Q08 .850 Q07 .660 Q06 .752 E02 .903 E04 .865
E05 .778 E03 .751 S01 .806 S02 .922 S04 .827 S03 .846 P01 .761 P02 .684 P03 .848 P04 .812 BP01 .842 BP02 .872 BP04 .622 BP03 .773
(Nguồn: Trích kết quả phân tích SPSS của tác giả, 2018)
4.2.2.2. Kết quả phân tích EFA cho biến phụ thuộc giá trị cảm nhận tổng thể đối với sản phẩm nước mắm truyền thống đối với sản phẩm nước mắm truyền thống
Từ kết quả phân tích EFA cho biến phụ thuộc ta thấy hệ số KMO có giá trị là 0,732 (>0,5), giá trị sig của kiểm định Bartlett’s Test là 0,000 < 0,05 nên dữ liệu đạt yêu cầu để phân tích nhân tố khám phá EFA. Đồng thời, tại điểm dừng có hệ số Eigeinvalue là 2,509 (>1) do đó có 1 nhân tố được rút trích tương ứng với 1 khái niệm giá trị cảm nhận tổng thể với tổng phương sai trích là 50,178% (>50%) và các hệ số tải nhân tố của các biến quan sát lên nhân tố mà nó hội tụ đều lớn hơn 0.5
Bảng 4.5: Hệ số KMO và kiểm định bartlett’s Test
KMO and Bartlett's Test
Giá trị KMO (Kaiser-Meyer-Olkin) .732
Kiểm định Bartlett
Giá trị Chi bình phương xấp xỉ 265.665
df 10
Sig. .000
Bảng 4.6: Phân tích nhân tố khám phá của biến phụ thuộc
Tổng phương sai trích
Nhân tố Eigenvalues khởi tạo Extraction Sums of Squared
Loadings Tổng Phần trăm phương sai Phần trăm tích lũy Tổng Phần trăm phương sai Phần trăm tích lũy 1 2.509 50.178 50.178 2.509 50.178 50.178 2 .867 17.332 67.510 3 .703 14.051 81.560 4 .636 12.715 94.276 5 .286 5.724 100.000
(Nguồn: Trích kết quả phân tích SPSS của tác giả, 2018) Bảng 4.7: Kết quả EFA của biến phụ thuộc
Nhân tố 1 PV01 .642 PV02 .683 PV03 .845 PV04 .531 PV05 .797
(Nguồn: Trích kết quả phân tích SPSS của tác giả, 2018)
Như vậy, thơng qua phân tích EFA cho biến phụ thuộc ta thấy có 1 nhân tố được rút trích tương ứng với biến phụ thuộc trong mơ hình nghiên cứu, khơng có biến quan sát nào trong thang đo bị loại khỏi trong q trình phân tích EFA.
Kết quả phân tích EFA cho biến độc lập và biến phụ thuộc có tổng cộng 31 biến quan sát được đưa vào phân tích và có hai biến quan sát bị loại khỏi thang đo còn lại 29 biến quan sát tương ứng với 6 khái niệm trong mơ hình nghiên cứu được đưa vào phân tích EFA.
4.3 Phân tích hồi quy
4.3.1 Xem xét ma trân tương quan giữa các biến trong mơ hình
Bảng 4.8: Ma trận hệ số tương quan
QT ET ST PT BPT PVT
QT
Tương quang Pearson 1 .215** .070 .350** -.001 .257**
Sig. .002 .310 .000 .987 .000
N 211 211 211 211 211 211
ET
Tương quang Pearson .215** 1 .188** .171* .027 .265**
Sig. .002 .006 .013 .693 .000
N 211 211 211 211 211 211
ST
Tương quang Pearson .070 .188** 1 -.077 -.003 .238**
Sig. .310 .006 .267 .962 .000
N 211 211 211 211 211 211
PT
Tương quang Pearson .350** .171* -.077 1 .187** .248**
Sig. .000 .013 .267 .006 .000
N 211 211 211 211 211 211
BPT
Tương quang Pearson -.001 .027 -.003 .187** 1 .233**
Sig. .987 .693 .962 .006 .001
N 211 211 211 211 211 211
PVT
Tương quang Pearson .257** .265** .238** .248** .233** 1
Sig. .000 .000 .000 .000 .001
N 211 211 211 211 211 211
(Nguồn: Trích kết quả phân tích SPSS của tác giả, 2018)
Nhìn vào bảng ma trận hệ số tương quan ta thấy ma trận này không phải là ma trận đơn vị, các hệ số tương quan giữa các biến đều tồn tại và giá trị sig về mối quan hệ giữa các biến có ý nghĩa thống kê để kết luận các biến này có mối tương quan với nhau từ đây ta sẽ mơ hình hóa mối quan hệ này thơng qua phân tích hồi quy.