Khu vực Số đáp viên được chọn (người)
Số đáp viên hồi đáp đạt yêu cầu (người) Quận 1 – 3 - 5 50 45 Quận 6 – 10 – 11 – Bình Tân 50 44 Quận 4 – 7 - 8 50 44 Quận 2 - 9 – Thủ Đức 50 42
Quận Tân Bình – Tân Phú - 12 50 40
Quận Phú Nhuận – Bình Thạnh – Gị Vấp 50 43
Tổng 300 258
(Nguồn: tác giả tổng hợp trong quá trình nghiên cứu)
Nghiên cứu được thực hiện bằng bảng câu hỏi (xem Phụ lục 2), trong đó bao gồm 25 biến quan sát và các câu hỏi về giới tính, nhóm tuổi, nhóm nghề nghiệp, nhóm thu nhập, nhóm trình độ, thơng tin các nhân như họ và tên, email của đáp viên. Mỗi câu hỏi về biến quan sát được đo lường dựa trên thang đo Likert 5 điểm: (1) Rất không đồng ý, (2), Không đồng ý, (3) Trung lập, (4) Đồng ý, (5) Rất đồng ý.
Cuộc khảo sát được thực hiện từ ngày 01/10/2015 đến 30/03/2015.
3.3.4. Phương pháp xử lý số liệu
Dữ liệu được xử lý thông qua phần mềm thống kê SPSS 16.0, sử dụng hệ số tin cậy Cronbach’s Alpha, phân tích các nhân tố khám phá EFA, phân tích hồi qui tuyến tính.
3.3.4.1. Kiểm định thang đo:
Các thang đo các thành phần giá trị thương hiệu sẽ được kiểm định tin cậy và giá trị hiệu dụng của chúng theo hai bước:
Đánh giá độ tin cậy thông qua hệ số Cronbach’s Alpha: từng thang đo sẽ được đánh giá độ tin cậy bằng hệ số Cronbach’s Alpha để loại bỏ các biến khơng phù hợp. Các số quan sát có hệ thống tương quan biến tổng nhỏ hơn 0.3 sẽ bị loại và thang đo được chọn khi hệ số Cronbach’s Alpha từ 0.6 trở lên.
Phân tích nhân tố EFA (Exploratory Factor Analysis): Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm đánh giá giá trị thang đo và rút gọn các biến quan sát thành các nhân tố có ý nghĩa. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Các thang đo của từng khái niệm sẽ được phân tích EFA riêng để xem xét độ hội tụ. Sau đó tất cả các khái niệm sẽ được kiểm tra lại bằng cách phân tích chúng cùng một lúc để kiểm tra độ phân biệt giữa các nhân tố. Phương pháp phân tích từng bước này nhằm mục đích loại một số biến quan sát có thể tạo nên nhân tố giả, bên cạnh đó cịn giúp phát hiện được các trường hợp một thang đo của một khái niệm không đạt yêu cầu về phương sai trích.
Trong phân tích nhân tố phương pháp rút trích các thành phần chính (Principal components analysis) đi cùng với phép xoay nhân tố Varimaxprocedure (xoay nguyên các gói nhân tố để tối thiểu hóa lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cƣờng khả năng giải thích các nhân tố) thường được sử dụng. Phân tích nhân tố phải thỏa mãn 5 điều kiện như sau:
(1) Hệ số KMO ≥ 0.5 và mức ý nghĩa của Kiểm định Bartlet ≤ 0.05. (Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
(2) Hệ số tải nhân tố (Factor Loading) ≥ 0.5 để tạo giá trị hội tụ- Theo Hair và Anderson (1998, 111). Hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu thì cỡ mẫu ít nhất phải là 350; hệ số tải nhân tố> 0.4 được xem là quan trọng; và ≥ 0.5 được xem là có ý nghĩa thực tiễn. Nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải nhân tố > 0.55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố > 0.75. Trong phần phân tích nhân tố này, tác giả chấp nhận hệ số tải nhân tố từ 0.5 trở lên, nếu các biến quan sát không đạt u cầu này thì khơng phải là biến quan trọng trong mơ hình và bị loại để chạy tiếp phân tích nhân tố. (3) Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%.
(4) Hệ số eigenvalue >1 (Hair và Anderson, 1998). Số lượng nhân tố được xác định dựa trên chỉ số đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.
(5) Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003).
3.3.4.2. Phân tích hồi quy tuyến tính kiểm định mối quan hệ giữa các thành phần giá trị thương hiệu với ý định mua: phần giá trị thương hiệu với ý định mua:
Kiểm định này sẽ được thực hiện bằng phương pháp phân tích hồi qui tuyến tính nhằm xác định nhân tố, tác động của các nhân tố thành phần giá trị thương hiệu đến ý định mua sản phẩm gia dụng Lock&Lock của khách hàng tại TPHCM. Trước khi tiến hành phân tích hồi quy, ma trận hệ số tương quan Pearson sẽ được xem xét để tìm mối liên hệ giữa các biến.
Phân tích tương quan Pearson: được sử dụng để xem xét mối quan hệ tương quan giữa các biến độc lập và biến phụ thuộc, giữa các biến độc lập với nhau. Hệ số Pearson luôn nằm trong khoảng từ -1 đến 1. Nếu giá trị tuyệt đối của hệ số này nhỏ hơn 0.3 thì mối quan hệ giữa các biến là không chặt chẽ. Ngược lại, nếu lớn hơn 0.6 thì mối quan hệ giữa các biến là chặt chẽ, và càng gần 1 thì càng chặt chẽ.
Phân tích hồi qui: nhằm phân tích mối quan hệ giữa các biến độc lập và biến phụ thuộc. Các hệ số với ý nghĩa như sau khi phân tích hồi qui:
Hệ số khẳng định R2: đánh giá độ chính xác của mơ hình. Hệ số thay đổi từ 0 đến 1, hệ số càng cao thể hiện mơ hình càng chính xác, khả năng dự báo của các biến độc lập càng chính xác.
Hệ số Beta: hệ số hồi qui chuẩn hóa cho phép so sách trực tiếp giữa hệ số dự trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Kiểm định mức ý nghĩa của hệ số Beta: giá trị thống kê t được sử dụng để kiểm định mức ý nghĩa của hệ số Beta, hệ số Beta có ý nghĩa về mặt thống kê nếu giá trị này nhỏ hơn 0.05.
Dị tìm các vi phạm giả định hồi qui (giả định hệ tuyến tuyến, giả định phương sai của sai số không đổi, giả định về phân phối của phần dư, giả định phương sai của sai số không đổi, giả định phân phối chuẩn của phần dư, giả định khơng có tương quan giữa các phần dư, giả định khơng có mối tương quan giữa các biến độc lập): nhằm đảm bảo kết quả hồi qui là phù hợp.
3.3.4.3. Phân tích ảnh hưởng của các biến định tính đến ý định mua:
Việc phân tích này được thực hiện nhằm kiểm tra sự khác biệt về ý nghĩa thống kê của các biến định tính như theo nhóm giới tính, nhóm tuổi, nhóm nghề nghiệp, nhóm thu nhập, nhóm trình độ đến việc đánh giá ý định mua sản phẩm Lock&Lock của khách hàng tại TPHCM. Kiểm định Independent- samples T-test được thực hiện với biến giới tính. Kiểm định Anova được thực hiện với biến độ tuổi, nghề nghiệp, thu nhập, trình độ.
Tóm tắt
Chương 3 đã trình bày về phương pháp nghiên cứu gồm hai bước chính: nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ được thực hiện thơng qua nghiên cứu định tính bằng cách thảo luận nhóm. Nghiên cứu chính thức được thực hiện thông qua nghiên cứu định lượng bằng cách khảo sát với bảng câu hỏi và mẫu n=258, và trình bày về phương pháp xử lý số liệu.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 4 trình bày kết quả nghiên cứu gồm các phần sau: thông tin mẫu nghiên cứu, đánh giá độ tin cậy của thang đo, phân tích nhân tố EFA, phân tích hồi qui tuyến tính bội, kiểm định mơ hình lý thuyết, kiểm định các giả thuyết đề ra và kiểm định sự khác biệt về ý định mua giữa các nhóm khách hàng khác nhau.
4.1. Thống kê mẫu nghiên cứu
Để đạt được mẫu n = 258, có 300 bảng khảo sát được phát ra. Sau khi thu thập và kiểm tra, có 9 bảng khơng hợp lệ do trả lời cùng một mức độ cho tất cả các mục hỏi hoặc bị thiếu nhiều thông tin trong tổng số 267 bảng khảo sát thu về. Kết quả là 258 bảng khảo sát hợp lệ được sử dụng để làm dữ liệu cho nghiên cứu. Dữ liệu được nhập, mã hóa, làm sạch và phân tích thơng qua phần mềm SPSS 16.0
Kết quả thống kê của mẫu nghiên cứu được thể hiện trong bảng 4.1