Cronbach's Alpha = 0,939
iến
quan sát Trung bình của thang đo nếu loại biến Phƣơng sai của thang đo nếu loại biến Hệ số tƣơng quan biến tổng Cronbach's Alpha nếu loại biến
GH1 13,07 2,676 0,881 0,914
GH2 13,07 2,85 0,861 0,919
GH3 13,06 2,924 0,855 0,921
GH4 13,04 3,027 0,833 0,928
Nguồn: Kết quả phân tích SPSS-Phụ lục IV. Trình độ kỹ thuật:
Bảng 3.7 Hệ số Cronbach's Alpha của thang đo tr nh độ kỹ thuật. Cronbach's Alpha = 0,934
iến quan
sát Trung bình của thang đo nếu loại biến Phƣơng sai của thang đo nếu loại biến Hệ số tƣơng quan biến tổng Cronbach's Alpha nếu loại biến
KT1 15,16 5,526 0,857 0,913
KT2 15,07 5,719 0,84 0,917
KT3 15,09 5,674 0,846 0,915
KT4 14,96 5,81 0,761 0,931
KT5 15,21 5,359 0,827 0,92
Nguồn: Kết quả phân tích SPSS-Phụ lục IV. Dịch vụ:
Bảng 3.8 Hệ số Cronbach's Alpha của thang đo dịch vụ Cronbach's Alpha = 0,937 Cronbach's Alpha = 0,937
iến quan
sát Trung bình của thang đo nếu loại biến Phƣơng sai của thang đo nếu loại biến Hệ số tƣơng quan biến tổng Cronbach's Alpha nếu loại biến
DV1 11,81 2,82 0,82 0,928
DV2 11,74 2,947 0,834 0,923
DV3 11,76 2,766 0,88 0,908
DV4 11,74 2,889 0,871 0,911
Nguồn: Kết quả phân tích SPSS-Phụ lục IV. Quyết định mua:
Bảng 3.9 Hệ số Cronbach's Alpha của thang đo quyết định mua Cronbach's Alpha = 0,745 Cronbach's Alpha = 0,745
iến quan
sát Trung bình của thang đo nếu loại biến Phƣơng sai của thang đo nếu loại biến Hệ số tƣơng quan biến tổng Cronbach's Alpha nếu loại biến QD1 15,73 3,244 0,55 0,686 QD2 15,64 3,45 0,465 0,716 QD3 15,56 3,178 0,555 0,683 QD4 15,54 3,034 0,579 0,672 QD5 15,47 3,151 0,419 0,741
Kết quả phân tích EFA
Bảng 3.10 Kiểm định KMO và Bartlett's
Kaiser-Meyer-Olkin Measure of Sampling Adequacỵ ,834 Bartlett's Test of Sphericity Approx. Chi-Square 1438,454 (adsbygoogle = window.adsbygoogle || []).push({});
df 231
Sig. ,000
Nguồn: Kết quả phân tích SPSS-Phụ lục IV.
Bảng 3.11 Tổng phƣơng sai trích
Nhân
tố Eigenvalues ban đầu Tổng bình phƣơng của hệ số tải đã trích xuất Tổng bình phƣơng hệ số tải đã xoay Tổng
cộng phƣơng sai % của dồn % Cộng Tổng cộng phƣơng sai % của dồn % Cộng Tổng cộng phƣơng sai % của Cộng dồn % 1 9,258 42,082 42,082 9,258 42,082 42,082 4,268 19,400 19,400 2 3,825 17,386 59,468 3,825 17,386 59,468 4,049 18,406 37,806 3 2,075 9,434 68,902 2,075 9,434 68,902 3,511 15,957 53,764 4 1,416 6,434 75,336 1,416 6,434 75,336 3,060 13,909 67,673 5 1,143 5,198 80,534 1,143 5,198 80,534 2,829 12,861 80,534 6 ,658 2,990 83,523 7 ,581 2,641 86,164 8 ,446 2,027 88,192 9 ,393 1,788 89,979 10 ,378 1,717 91,697 11 ,342 1,556 93,252 12 ,252 1,144 94,397 13 ,229 1,041 95,437 14 ,203 ,925 96,362 15 ,167 ,757 97,119 16 ,152 ,691 97,810 17 ,127 ,577 98,387 18 ,105 ,476 98,863 19 ,087 ,398 99,261 20 ,068 ,311 99,572 21 ,050 ,226 99,799 22 ,044 ,201 100,000
Bảng 3.12 Ma trận nhân tố sau khi xoay Nhân tố Nhân tố 1 2 3 4 5 KT1 ,835 KT4 ,817 KT5 ,815 KT3 ,795 KT2 ,768 CL4 ,909 CL5 ,887 CL3 ,808 CL2 ,696 CL1 ,685 GH1 ,924 GH3 ,916 GH4 ,910 GH2 ,897 DV4 ,841 DV3 ,830 DV2 ,647 DV1 ,616 GC1 ,787 GC3 ,700 GC2 ,697 GC4 ,691
Phƣơng pháp trích: Principal Component Analysis. Phƣơng pháp xoay: Varimax with Kaiser Normalization.
Nguồn: Kết quả phân tích SPSS-Phụ lục IV. Kết quả việc đánh giá thang đo sơ bộ là thang đo vẫn đƣợc giữ nguyên nhƣ thang đo nháp sơ bộ.
3.4 Phƣơng pháp phân tích dữ liệụ
Sau khi hoàn thiện, bảng câu hỏi sẽ gởi đến khoảng 270 khách hàng là tổ chức đã từng mua hệ thống chữa cháy FM200 của công ty KIĐẸ Tác giả sử dụng phƣơng
pháp chọn mẫu thuận tiện. Dựa trên thông tin của các khách hàng đã từng làm việc, tác giả gởi bảng câu hỏi đến và yêu cầu đáp viên trả lời cho bảng câu hỏị
3.4.1Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alphạ
Để thực hiện việc phân tích dữ liệu chính xác, thì các thang đo phải đảm bảo đƣợc nó có thể đo lƣờng đƣợc cái cần đo lƣờng. Nhằm xác định thang đó có chính xác hay khơng, có thể sử dụng hệ số Cronbach‟s Alpha để thực hiện việc nàỵ
Để tính Cronbach‟s Alpha cho một thang đo thì thang đo phải có tối thiểu là ba biến đo lƣờng. Hệ số Cronbach‟s Alpha có giá trị biến thiên trong khoảng từ [0,1]. Giá trị Cronbach‟s Alpha càng lớn càng tốt, tuy nhiên nếu nó lớn hơn 0,95 thì cho thấy có nhiều biến có nội dung khơng có khác biệt gì nhau (Nguyễn Đình Thọ, 2013). Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,75;0,95]. Nếu Cronbach‟s Alpha ≥ 0,6 thì thang đo đó chấp nhận đƣợc về mặt độ tin cậy (Nguyễn Đình Thọ, 2013).
Những biến có hệ số tƣơng quan biến tổng nhỏ hơn 0,3 sẽ bị loạị
3.4.2Phân tích nhân tố khám phá EFẠ
Sau khi sử dụng phƣơng pháp Cronbach‟s Alpha để đánh giá độ tin cậy của thang đo, tiếp tục sử dụng phƣơng pháp phân tích nhân tố khám phá EFA để đánh giá giá trị của thang đọ Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phƣơng pháp phân tích nhân tố khám phá nhân tố EFA sẽ giúp đánh giá hai loại giá trị này (Nguyễn Đình Thọ, 2013).
Một số tham số thống kê trong phân tích nhân tố khám phá EFA:
Chỉ số Kaiser-Meyer-Olkin(KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (từ 0,5 đến 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu nhƣ trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định Bartlett: chỉ số Bartlett là một đại lƣợng dùng để xem xét các biến khơng có tƣơng quan trong một tổng thể. Điều kiện cần để phân tích nhân tố đó là các biến phải có tƣơng quan với nhau (các biến đo lƣờng phản ánh các
khía cạnh khác nhau của nhân tố chung). Do đó, nếu kiểm định cho thấy khơng có ý nghĩa thống kê thì khơng nên dùng phân tích nhân tố cho các biến đang xem xét. Lúc đó các biến đo lƣờng có thể đƣợc xem là các nhân tố thực sự ( Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Kiểm định này có ý nghĩa thống kê khi mức ý nghĩa Sig. < 0,05, có thể kết luận các biến có tƣơng quan với nhau trong tổng thể.
Ma trận tƣơng quan Correlation Matrix: cho biết hệ số tƣơng quan giữa tất cả các cặp biến trong phân tích. ( Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
Tiêu chí Eigenvalue và tiêu chí điểm gãy: đây là hai tiêu chí thƣờng đƣợc sử dụng để xác định số lƣợng nhân tố. Số lƣợng nhân tố đƣợc xác định tại nhân tố có Eigenvalue tối thiểu bằng 1 đối với tiêu chí Eigenvalue, cịn đối với tiêu chí điểm gãy thì sẽ đƣợc xác định tại điểm thay đổi đột ngột độ dốc. (Nguyễn Đình Thọ, 2013).
3.4.3Phân tích hồi qui tuyến tính và kiểm tra các vi phạm giả định hồi quị
3.4.3.1 Phân tích hồi qui tuyến tính.
Để mơ hình hóa mối quan hệ giữa biến phụ thuộc và các biến độc lập, có thể sử dụng mơ hình hồi qui tuyến tính. Mơ hình này sẽ giúp dự đốn đƣợc hình thức của mối liên hệ và qua đó có thể dự đoán đƣợc mức độ của biến phụ thuộc khi biết đƣợc biến độc lập. Việc thực hiện hồi qui và phân tích có thể bao gồm các bƣớc sau:
ƣ ớc đầu tiên khi tiến hành phân tích hồi qui tuyến tính bội là xem xét mối tƣơng quan tuyến tính giữa tất cả các biến. Nếu giữa biến phụ thuộc và biến độc lập có tƣơng quan thì có thể sử dụng mơ hình hồi qui tuyến tính. Cũng cần chú ý, nếu giữa các biến độc lập có tƣơng quan với nhau chặt chẽ thì có thể ảnh hƣởng lớn đến mơ hình hồi quị
Thực hiện xây dựng mơ hình bằng phần mềm SPSS. (adsbygoogle = window.adsbygoogle || []).push({});
Sử dụng hệ số R2 hiệu chỉnh để đánh giá mức độ phù hợp của mơ hình hồi qui tuyến tính đã đƣợc xây dựng dựa trên số liệu thu thập đƣợc. Hệ số có giá
trị trong khoảng [0,1]. R hiệu chỉnh càng lớn thì mức độ phù hợp của mơ hình càng caọ
Sử dụng kiểm định F để kiểm định mức độ phù hợp của mơ hình hồi qui với giả thuyết các hệ số hồi qui đều bằng 0. Nếu kết quả kiểm định bác bỏ giả thuyết, có thể kết luận mơ hình xây dựng là phù hợp với tập dữ liệụ
3.4.3.2 Kiểm tra các vi phạm giả định hồi qui
Sau khi có đƣợc mơ hình hồi qui tuyến tính, cần thực hiện kiểm tra các vi phạm giả định hồi qui cần thiết. Các giả định hồi qui bao gồm:
1) Giả định liên hệ tuyến tính.
Nội dung của giả định: tất cả các giá trị trung bình đều nằm trên một đƣờng thẳng
– đƣờng hồi qui của tổng thể.
Cách kiểm tra giả định: Vẽ đồ thị giữa các phần dƣ và các giá trị dự đốn mà mơ
hình hồi qui tuyến tính cho rạ Nếu giả định liên hệ tuyến tính và phƣơng sai bằng nhau đƣợc thỏa mãn, thì ta sẽ khơng thấy có liên hệ gì giữa các giá trị dự đốn và phần dƣ, chúng sẽ phân tán rất ngẫu nhiên.(Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
2) Giả định phƣơng sai của sai số không đổị
Nội dung của giả định: Các sai số ngẫu nhiên trong hàm hồi qui tổng thể có phƣơng sai khơng thay đổi và bằng σ2.
Cách kiểm tra giả định: Có nhiều phƣơng pháp để kiểm tra phƣơng sai của sai số
không đổi nhƣ dùng kiểm định Park, kiểm định White, … hoặc vẽ đồ thị. Trong nghiên cứu này tác giả dùng kiểm định White, đây là một kiểm định tổng quát về sự thuần nhất của phƣơng saị
Để phù hợp với mơ hình nghiên cứu, xét hàm hồi qui với 5 biến độc lập và 1 biến phụ thuộc có dạng:
Yi = β0 + β1X1i+ β2X2i+…+β5X5i+Ui (3.1)
Trong đó: βj (j= 1,2,...k) là các hệ số hồi qui riêng Ui: Sai số ngẫu nhiên.
̂= ̂ + ̂ X1i + ̂X2i+…+ ̂X5i + ei (3.2) ̂… ̂ là ƣớc lƣợng điểm của β0…βk
ei là ƣớc lƣợng điểm của Ui
Giả thuyết cần kiểm định H0: Phƣơng sai của sai số ngẫu nhiên của mơ hình (3.1) khơng đổị
Ƣớc lƣợng mơ hình sau :
ei2 = α0 + α1 X1i + α2 X2i + … + α5 X5i + α6 X1i2+ α7 X2i2 +…+α10 X5i2 + α11 X1i X2i X3i X4i X5i + Vi (3.3)
R2 là hệ số xác định của mơ hình (3.3). n là số quan sát.
m là giá trị chi bình phƣơng tại với k bậc tự do (k là hệ số của mơ hình khơng kể hệ số chặn) với mƣc ý nghĩa 0,05.
So sánh nR2 với m. Nếu nR2 > m: bác bỏ H0, ngƣợc lại chấp nhận H0.
3) Giả định về phân phối chuẩn của phần dƣ.
Nội dung của giả định : phần dƣ có phân phối chuẩn.
Cách kiểm tra giả định: xây dựng biểu đồ tần số của phần dƣ. Nếu biểu đồ có dạng
hình chng thì có thể kết luận phần dƣ có phân phối chuẩn ( hoặc xấp xỉ chuẩn). Ngồi ra có thể xây dựng biểu đồ Q-Q plot hoặc P-P plot. Nếu dữ liệu có phân phối chuẩn (hoặc xấp xỉ chuẩn) thì các điểm quan sát thực tế sẽ tập trung sát đƣờng chéọ
4) Giả định về tính độc lập của sai số (khơng có tƣơng quan giữa các phần dƣ). (adsbygoogle = window.adsbygoogle || []).push({});
Nội dung của giả định : giả định về sai số thực ei cho nó là biến độc lập hay là giữa
các phần dƣ khơng có mối tƣơng quan.
Cách kiểm tra giả định : sử dụng đại lƣợng thống kê Durbin-Watson(d). Nếu các
5) Giả định khơng có mối tƣơng quan giữa các biến độc lập (đo lƣờng đa cộng tuyến).
Nội dung của giả định: Đa cộng tuyến là trạng thái trong đó các biến độc lập có
tƣơng quan chặt chẽ với nhaụ Giả định giữa các biến độc lập khơng có tƣơng quan chặt chẽ với nhaụ
Cách kiểm tra giả định: kiểm tra các tham số ƣớc lƣợng nhƣ độ chấp nhận của biến(Tolerance). Nếu độ chấp nhận của biến lớn thì khơng có dấu hiệu của đa cộng tuyến. Hoặc có thể sử dụng hệ số phóng đại phƣơng sai ( VIF) là nghịch đảo của tham số ƣớc lƣợng Tolerancẹ Nếu VIF lớn vƣợt quá 10 thì đó là dấu hiệu của đa cộng tuyến.
Tóm tắt chƣơng 3
Chƣơng 3 trình bày phƣơng pháp nghiên cứu của đề tàị Thực hiện nghiên cứu định tính và kết hợp với lý thuyết để xác định các quan sát cho các biến độc lập. Dựa vào kết quả nghiên cứu định tính và kết quả kiểm tra thang đo sơ bộ, xây dựng bảng câu hỏi chính thức để thực hiện nghiên cứụ
4 CHƢƠNG 4:PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.1 Mơ tả mẫu nghiên cứụ
H nh 4.1 Tỉ lệ về mục đích mua sản phẩm FM200.(Đơn vị %).
Nguồn: Kết quả phân tích SPSS-Phụ lục IV. Trong số 216 doanh nghiệp trong mẫu nghiên cứu, có 70,3% doanh nghiệp mua hệ thống FM200 của cơng ty KIĐE với mục đích sử dụng cho chính cơng tỵ 25,5% doanh nghiệp dùng để kinh doanh bán lại cho các đơn vị khác. 4,2% doanh nghiệp có sử dụng sản phẩm và bán lại cho các doanh nghiệp khác. Có chênh lệch lớn về tỉ lệ giữa nhóm khách hàng đầu cuối và nhóm khách hàng là nhà phân phối là do đặc điểm của kinh doanh sản phẩm chữa cháy FM200. Thứ nhất đây là sản phẩm không phổ biến trên thị trƣờng, thông tin về sản phẩm khá ít nên khơng nhiều doanh nghiệp tham gia kinh doanh. Thứ hai: phần lớn các khách hàng đầu cuối thƣờng muốn mua sản phẩm trực tiếp từ nhà cung cấp mà không phải làm qua các đại lý để đảm bảo nhận đƣợc dịch vụ tốt nhất.
25,5%
70,3% 4,2%
Mua đi bán lại Sử dụng Cả hai ý trên
H nh 4.2 Tỉ lệ nghề nghiệp của ngƣời tham gia trả lời bảng câu hỏi (Đơn vị %).
Nguồn: Kết quả phân tích SPSS-Phụ lục IV. Trong 216 ngƣời tham gia trả lời bảng câu hỏi, có 39,4% là nhân viên thuộc bộ phận IT. 20,4% thuộc bộ phận kinh doanh. Bộ phận mua hàng chiếm 11,6%. Bộ phận hành chánh nhân sự và kế tốn chiếm 9,7%. Cịn lại bộ phận quản lý chung và ban giám đốc chiếm 5,1% và 4,2%.
Số lƣợng ngƣời thuộc bộ phận IT trả lời phỏng vấn cao hơn nhiều so với các bộ phận khác là do đặc điểm của sản phẩm thƣờng đƣợc dùng cho các phòng server và data center. Bộ phận IT là ngƣời chịu trách nhiệm quản lý các thiết bị trong khu vực nàỵ Họ thƣờng sẽ là ngƣời đề xuất trang bị hệ thống chữa cháy FM200 trong doanh nghiệp. Ngồi ra, họ cịn là ngƣời có khả năng kỹ thuật, nắm bắt đƣợc các hệ thống phức tạp. Do đó họ thƣờng sẽ đƣợc giao nhiệm vụ tìm kiếm nhà cung cấp và ra quyết định sử dụng sản phẩm của nhà cung cấp nào là phù hợp. Phân tích sâu hơn qua bảng chéo sau:
4,2 9,7 39,4 9,7 20,4 11,6 5,1 Ban Giám Đốc Bộ phận Hành Chánh- Nhân sự Bộ phận IT Bộ phận Kế toán Bộ phận Kinh doanh Bộ phận Mua hàng Bộ phận Quản lý chung
Bảng 4.1 Tỉ lệ phần trăm ngành nghề trả lời bảng câu hỏi theo mục đích sử dụng mục đích sử dụng
Mục đích
Mua đi bán lại Sử dụng Cả hai ý trên Count Column N % Count Column N % Count Column N %
Nghề nghiệp an Giám Đốc 3 5,50% 6 3,90% 0 0,00% ộ phận Hành Chánh-Nhân sự 0 0,00% 21 13,80% 0 0,00% ộ phận IT 6 10,90% 78 51,30% 1 11,10% ộ phận Kế toán 1 1,80% 20 13,20% 0 0,00% ộ phận Kinh doanh 37 67,30% 1 0,70% 6 66,70% ộ phận Mua hàng 8 14,50% 15 9,90% 2 22,20% ộ phận Quản lý chung 0 0,00% 11 7,20% 0 0,00%
Nguồn: Kết quả phân tích SPSS-Phụ lục IV. Trong nhóm khách hàng mua hệ thống chữa cháy FM200 cho mục đích sử dụng của chính doanh nghiệp thì có 51,3% ngƣời trong bộ phận IT tham gia trả lời bảng câu hỏị Đây cũng là những ngƣời đã liên hệ và ra quyết định chọn mua sản phẩm FM200 của KIĐẸ Tỉ lệ này cao vƣợt trội so với tỉ lệ tại hai nhóm mục đích cịn