kết quả phân tích khám phá, tác giả đã hiệu chỉnh thang đo thành 5 nhân tố trong đó có 2 nhân tố khám phá mới với 22 biến quan sát, bao gồm: Tính sáng tạo (5 biến quan sát), Chiến thuật đặt vị trí quảng cáo (3 quan sát), Tính bất ngờ (5 quan sát), Sự rõ ràng (5 quan sát), Tính hài hước (4 quan sát). Hai nhân tố phụ thuộc bao gồm: Sự yêu thích đối với quảng cáo (4 quan sát) và Hành vi truyền miệng qua mạng xã hội (5 quan sát). Chi tiết được tổng hợp tại Phụ Lục 8.
Bảng 4. 7 Tổng hợp các giả thuyết hiệu chỉnh Giả Giả
thuyết Biến độc lập Biến phụ thuộc
Mối quan hệ kỳ vọng
H1 Tính sáng tạo
Sự yêu thích đối với quảng cáo
+ H2 Chiến thuật đặt vị trí quảng
cáo +
H3 Tính bất ngờ +
H4 Tính hài hước +
H5 Sự rõ ràng +
H6 Sự yêu thích đối với quảng cáo
Hành vi truyền miệng
qua mạng xã hội +
Nguồn: Tác giả tổng hợp
Hình 4. 1 Mơ hình nghiên cứu hiệu chỉnh
Nguồn: Tác giả tổng hợp Hành vi truyền miệng qua mạng xã hội (e-WOM) Tính hài hước Sự rõ ràng Tính bất ngờ Sự yêu thích đối
với quảng cáo Tính sáng tạo
Chiến thuật vị trí quảng cáo
4.6 PHÂN TÍCH HỒI QUI TUYẾN TÍNH
4.6.1 Các nhân tố truyền thơng marketing du kích và sự u thích đối với quảng cáo.
Căn cứ vào mơ hình hiệu chỉnh như trên, các giả thuyết được đặt ra là có tương quan giữa các nhân tố truyền thơng marketing du kích đến sự u thích đối với quảng cáo của người tiêu dùng trẻ tại TPHCM, qua đó, đánh giá tác động của sự u thích đối với quảng đến hành vi truyền miệng qua mạng xã hội của họ. Phương pháp hồi qui được sử dụng để xác định sự tương quan này có tuyến tính hay khơng và mức độ quan trọng của từng nhân tố trong sự tác động đến sự yêu thích đối với quảng cáo. Sau khi trải qua giai đoạn phân tích nhân tố, 5 nhân tố được đưa vào kiểm định mơ hình. Giá trị nhân tố là trung bình cúa các biến thành phần thuộc nhân tố đó. Phân tích tương quan Pearson được sử dụng để xem xét độ phù hợp khi đưa các thành phần vào mơ hình hồi quy.
Phân tích hồi quy đối với năm biến độc lập được đưa vào mơ hình bao gồm: Tính sáng tạo (CT), Chiến thuật đặt vị trí quảng cáo (BC), Tính bất ngờ (SR), Sự rõ ràng (CL), Tính hài hước (HM) và biến phụ thuộc Sự yêu thích đối với quảng cáo (IN).
Phương pháp hồi quy tổng thể các biến (phương pháp Enter) của phần mềm SPSS 18.0 sẽ được sử dụng. Mơ hình hồi quy có dạng như sau:
Y = X0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5
Trong đó các hệ số hồi qui β1, β2, β3, β4, β5.
Biến phụ thuộc Y: Sự yêu thích đối với quảng cáo Biến độc lập bao gồm:
- X0: là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai khơng đổi.
- X4: Sự rõ ràng
- X5: Tính hài hước
4.6.1.1 Phân tích tương quan
Bước đầu tiên khi phân tích hồi qui tuyến tính là sử dụng hệ số tương quan Pearson để xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Hệ số này luôn nằm trong khoảng từ -1 đến +1, lấy giá trị tuyệt đối, nếu lớn hơn 0.6 thì có thể kết luận mối quan hệ là chặt chẽ, và càng gần 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì cho biết mối quan hệ là lỏng lẻo.
Kết quả trong bảng hệ số tương quan ở Phụ lục 6 cho thấy hệ số tương quan giữa nhân tố Sự yêu thích đối với quảng cáo (IN) với các biến độc lập CT, BC, SR, CL, HM đều lớn hơn 0.30 và có giá trị lần lượt là 0.655; 0.619; 0.607; 0.609, 0.664 và các sig đều có giá trị nhỏ 0.000 < 0.05. Như vậy, các biến độc lập đều tương quan khá chặt với biến phụ thuộc IN và có thể đưa vào mơ hình để giải thích cho biến IN biến phụ thuộc có mối quan hệ tương quan tuyến tính với cả 5 biến độc lập. Ngồi ra, hệ số tương quan giữa các biến độc lập cũng đều lớn hơn 0.30 vì thế mối quan hệ giữa các biến này cần xem xét kỹ hơn trong phân tích hồi quy tuyến tính bội dưới đây nhằm tránh hiện tượng đa cộng tuyến giữa các biến độc lập.
4.6.1.2 Đánh giá độ phù hợp của mơ hình hồi qui tuyến tính bội
Theo Hồng Trọng & Chu Nguyễn Mộng Ngọc (2008), hệ số xác định R2
được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm biến độc lập vào mơ hình R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng khơng phải phương trình càng có nhiều biến sẽ phù hợp hơn với dữ liệu. Hệ số xác định R2 hiệu chỉnh được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi quy tuyến tính bội. R2 hiệu chỉnh khơng nhất thiết tăng lên khi nhiều biến độc lập được thêm vào phương trình, nó là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó khơng phụ thuộc vào độ phóng đại của R2. Từ đó, người ta sử dụng R2 làm thông số đo lường độ thích hợp của
đường hồi quy theo quy tắc R2 càng gần 1 thì mơ hình đã xây dựng càng thích hợp, R2 càng gần 0 thì mơ hình càng kém phù hợp với tập dữ liệu mẫu.
Bảng 4. 8 Đánh giá độ phù hợp của mơ hình 1.
Mơ hình R R2 R2 hiệu chỉnh Độ lệch chuẩn của ước lượng
1 .828a .686 .680 .25018
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Kết quả trên cho thấy hệ số R2 = .686 và R2 hiệu chỉnh = .680 điều này cho thấy mơ hình hồi qui tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 68.6%.
Tiếp theo, kiểm định F là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này nhằm xem xét mơ hình hồi quy tuyến tính mẫu với các hệ số đã tìm được bằng phương pháp OLS có ý nghĩa gì khi suy diễn cho mơ hình thực tế của tổng thể hay khơng. Để kiểm định độ phù hợp của mơ hình hồi quy tổng thể chúng ta đặt giả thuyết hệ số H0: R2 của tổng thế = 0 (tức là β1=β2 =β3=β4=β5 =0). Đại lượng F được sử dụng cho kiểm định này. Nếu xác suất F nhỏ hơn 0.05 thì giả thuyết H0 bị bác bỏ.
Bảng 4. 9 Kết quả phân tích kiểm định F mơ hình 1
Mơ hình
Thống kê sự thay đổi
Durbin- Watson R2 điều chỉnh F Change df1 df2 Sig. F Change 1 .686 128.675 5 295 .000 1.979
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Theo kết quả thể hiện ở bảng 4. 9, giá trị F tương ứng với mức ý nghĩa quan sát sig. = .000 <0.05, ta an toàn bác bỏ giả thuyết H0 và kết luận mơ hình hồi qui tuyến tính xây dựng được phù hợp với tổng thế.
4.6.1.3 Ý nghĩa hệ số hồi qui
Kết quả phân tích hồi qui cho thấy, trong số 5 nhân tố tác động đến sự yêu thích đối với quảng cáo, cả 5 nhân tố đều có ảnh hưởng đến sự yêu thích đối với quảng cáo. Theo kết quả, các biến này đều có ảnh hưởng dương đến sự yêu thích đối với quảng cáo (do hệ số beta đều dương). Điều này có nghĩa là khi tính sáng tạo trong quảng cáo càng cao, hay chiến thuật vị trí đặt quảng cáo càng hiệu quả, hay tính bất ngờ trong quảng cáo càng cao, hay tính hài hước trong quảng cáo càng cao, hay sự rõ ràng trong quảng cáo càng cao thì đều khiến cho sự yêu thích đối với quảng cáo càng cao và ngược lại.
Phân tích hồi qui được thực hiện với 5 biến độc lập gồm: Tính sáng tạo (CT), Chiến thuật đặt vị trí quảng cáo (BC), Tính bất ngờ (SR), Sự rõ ràng (CL), Tính hài hước (HM) và biến phụ thuộc Sự yêu thích đối với quảng cáo (IN).
Kết quả phân tích hồi qui được trình bày trong bảng 4.10 (chi tiết được trình bày ở Phụ lục 7a: Phân tích hồi qui).
Bảng 4. 10 Kết quả phân tích hồi qui mơ hình 1.
Nhân tố Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Thống kê đa cộng tuyến B Độ lệch chuẩn Beta Dung sai VIF 1 (Consta nt) .621 .132 4.697 .000 CT .213 .035 .259 6.086 .000 .588 1.701 BC .148 .033 .198 4.491 .000 .549 1.820 SR .228 .035 .252 6.502 .000 .711 1.407 CL .178 .035 .206 5.076 .000 .645 1.551 HM .124 .034 .172 3.623 .000 .473 2.112
Kết quả cho thấy tất cả các nhân tố trong mơ hình đều có với Sig. = .000 <0.05, có ý nghĩa thống kê và ảnh hưởng đến biến phụ thuộc.
Phương trình hồi qui đối với các biến đã chuẩn hóa có dạng như sau: IN= 0.259*CT + 0.198*BC + 0.252*SR + 0.206*CL + 0.172*HM.
Qua phương trình cho thấy sau khi kiểm định và phân tích nhân tố khám phá, kết quả hồi qui bội cho thấy tính sáng tạo và tính bất ngờ có tác động nhiều nhất đến sự hài lịng của khách hàng và nhân tố tính hài hước có ảnh hưởng ít nhất.
4.6.2 Sự u thích đối với quảng cáo và hành vi truyền miệng qua mạng xã hội
Căn cứ vào mơ hình nghiên cứu và các giả thuyết được đặt ra là có sự tương quan giữa sự yêu thích đối với quảng cáo và hành vi truyền miệng qua mạng xã hội. Biến độc lập được đưa vào mơ hình là : Sự yêu thích đối với quảng cáo (IN)
Biến phụ thược đưa vào mơ hình là hành vi truyền miệng của khách hàng qua mạng xã hội (WO).
Phương pháp hồi qui tổng thể các biến (phương pháp Enter) sẽ được sử dụng trên phần mềm SPSS 18.0. Mơ hình hồi qui có dạng sau:
Y = X0 + β1X1;
Trong đó: Hệ số hồi qui β1
Biến phụ thuộc Y: Hành vi truyền miệng của khách hàng qua mạng xã hội Biến độc lập bao gồm:
- X0: là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai khơng đổi.
Đánh giá độ phù hợp của mơ hình hổi qui tuyến tính Bảng 4. 11 Đánh giá độ phù hợp của mơ hình 2
Mơ hình R R2 R2 hiệu chỉnh Độ lệch chuẩn của ước lượng
1 .818a .670 .669 .24591
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Kết quả trên cho thấy hệ số R2 = .828 và R2 hiệu chỉnh = .680 điều này cho thấy mơ hình hồi qui tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 68%. Tiếp theo, kiểm định F là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này nhằm xem xét mơ hình hồi quy tuyến tính mẫu với các hệ số đã tìm được bằng phương pháp OLS có ý nghĩa gì khi suy diễn cho mơ hình thực tế của tổng thể hay không. Để kiểm định độ phù hợp của mơ hình hồi quy tổng thể chúng ta đặt giả thuyết hệ số H0: R2 của tổng thế = 0 (tức là β1=0). Đại lượng F được sử dụng cho kiểm định này. Nếu xác suất F nhỏ hơn 0.05 thì giả thuyết H0 bị bác bỏ chúng ta có thể kết luận là kết hợp của các biểu hiện có trong mơ hình có thể giải thích được thay đổi của biến phụ thuộc, điều này cũng có nghĩa là mơ hình được xây dựng phù hợp với tập dữ liệu.
Theo kết quả trong bảng 4. 12, giá trị F tương ứng với mức ý nghĩa quan sát sig. < 0.05 cho thấy sẽ an toàn khi bác bỏ giả thuyết H0 cho rằng tất cả các hệ số hồi qui bằng 0 (ngồi trừ hằng số), mơ hình hồi qui tuyến tính trên được xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4. 12 Kết quả phân tích kiểm định F mơ hình 2
Mơ hình
Thống kê sự thay đổi
Durbin- Watson R2 điều chỉnh F Change df1 df2 Sig. F Change 1 .669 606.388 .669 .24591 .000 606.388 Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Ý nghĩa hệ số hồi qui
Bảng 4. 13 Kết quả phân tích hồi qui mơ hình 2
Nhân tố Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Thống kê đa cộng tuyến B Độ lệch
chuẩn Beta Dung sai VIF
1 (Constant) 1.016 .126 8.080 .000
IN .790 .032 .818 24.625 .000 1.000 1.000
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Kết quả phân tích hồi qui trong bảng 4.13 cho thấy, hệ số hồi qui tuyến tính β=0.818 với mức ý nghĩa Sig. =.000 < .05, nghĩa là 81.8% hành vi truyền miệng của khách hàng qua mạng xã hội được giải thích bằng sự yêu thích đối với quảng cáo. Xét về phương diện thống kê, chấp nhận giả thuyết sự yêu thích đối với quảng cáo có tác động cùng chiều đến hành vi truyền miệng qua mạng xã hội.
Phương trình hồi qui tuyến tính dạng chưa chuẩn hóa được viết như sau: WO = 1.016 + 0.79*IN
Hay phương trình hồi qui tuyến tính được trích theo hệ số Beta chuẩn hóa có dạng như sau: WO = 0.818*IN
Qua phương trình cho thấy sau khi kiểm định, phân tích nhân tố khám phá và chạy hồi qui có thể kết luận được rằng nhân tố sự yêu thích đối với quảng cáo có tác động đến hành vi truyền miệng qua mạng xã hội.
4.7 DỊ TÌM CÁC VI PHẠM GIẢ ĐỊNH CẦN THIẾT 4.7.1 Giả định liên hệ tuyến tính và phương sai bằng nhau
Kiểm định giả định liên hệ tuyến tính bằng đồ thị phân tán giữa các phần dư và giá trị dự đốn chuẩn hóa (standardized) mà mơ hình hồi quy tuyến tính cho ra.
Hình 4. 2 Đồ thị Scatterplot
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
Đồ thị Scatterplot cho thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh tọa độ 0, khơng tạo thành một hình dạng nào. Do đó, giả định về liên hệ tuyến tính và phương sai bằng nhau cúa các phần dư không bị vi phạm. Vậy dữ liệu khảo sát là phù hợp với mơ hình hồi qui.
4.7.2 Giả định về phân phối chuẩn của phần dư
Phần dư có thể khơng tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải hằng số, số lượng các phần dư không đủ nhiều để phân tích,.. Có hai cách thường được sử dụng để kiểm tra phân phối chuẩn của phần dư. Cách thứ nhất sử dụng đồ thị P-Plot, đồ thị này thể hiện các giá trị của các điểm phân vị của phân phối biến phần dư theo các phân vị của phân phối chuẩn. Cách thứ hai sử dụng đồ thị Histogram của phần dư chuẩn hóa, nếu đồ thị có dạng đường cong phân phối chuẩn nằm chồng lên biểu đồ tần số và có trung bình Mean xấp xỉ bằng 0 và giá trị độ lệch chuẩn xấp xỉ bằng 1 thì xem như phần dư có phân phối chuẩn.
Hình 4. 3 Đồ thị Histogram
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
Trong bài nghiên cứu này, biểu đồ tần số của các phần dư chuẩn hóa (hình 4.6) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Thật không hợp lý khi chúng ta kỳ vọng rằng các phần dư quan sát có phân phối hồn tồn chuẩn vì ln ln có những chênh lệch do lấy mẫu. ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong mẫu quan sát cũng chỉ xấp xỉ chuẩn mà thơi. Ở đây ta có thể nhận định phân phối của phần dư xấp xỉ chuẩn (trung bình Mean xấp xỉ bằng 0.00, và độ lệch chuẩn Std Dev. = 0.992 tức là gần bằng 1). Do đó có thể kết luận rằng giả thiết phân phối chuẩn khơng bị vi phạm.
4.7.3 Giả định khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến) cộng tuyến)
các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi qui và làm giảm giá