4.4.1. Kiểm định độ thích hợp của mơ hình lý thuyết
Phương pháp phân tích mơ hình cấu trúc tuyến tính (SEM) được sử dụng để kiểm định mơ hình lý thuyết đã đề xuất trong chương 2. Phương pháp ước lượng ML cũng sẽ được dùng để ước lượng các tham số của mơ hình. Kiểm định bootstrap sẽ được sử dụng để ước lượng lại các tham số của mơ hình nhằm kiểm tra độ tin cậy của các ước lượng.
Hình 4.3 thể hiện kết quả SEM cho mơ hình lý thuyết, với các chỉ số Chi- bình phương = 597.481, bậc tự do df = 216, p = 0.000; Chi-bình phương/df = 2.766 (< 3); GFI= 0.911(> 0.9); TLI= 0.902 (> 0.9); CFI= 0.916 (> 0.9) và RMSEA= 0.059 (< 0.08). Điều này cho thấy mơ hình lý thuyết phù hợp với dữ liệu của thị trường.
Hình 4.3: Kết quả SEM của mơ hình lý thuyết (chuẩn hóa)
Nguồn: Xử lý số liệu trên Amos
Tuy nhiên, khi xem xét Bảng trọng số chưa chuẩn hóa (Bảng 4.7), nhận thấy mối tương quan giữa 2 biến CC và WBD khơng có ý nghĩa ở độ tin cậy 95% (vì p= 0.382 > 0.05). Trong dữ liệu của nghiên cứu này, tác động âm của Tiêu dùng phơ
trương (CC) đến Sự sẵn lịng mua hàng nội (WBD) tỏ ra chưa đủ thuyết phục. Như vậy, mơ hình lý thuyết tổng qt sẽ được điều chỉnh (Hình 4.4)
Bảng 4.7: Bảng trọng số chƣa chuẩn hóa (SEM - mơ hình lý thuyết)
Ƣớc lƣợng S.E. C.R. P Label CET <--- CC -.251 .087 -2.892 .004 PJ <--- CET .348 .062 5.612 *** PJ <--- CC -.294 .074 -3.961 *** CC_MAT <--- CC 1.021 .140 7.320 *** CC_GRP <--- CC .924 .120 7.708 *** CC_STT <--- CC 1.000 WBD <--- CET .322 .072 4.470 *** WBD <--- PJ .257 .073 3.509 *** WBD <--- CC -.068 .078 -.875 .382
Nguồn: Xử lý số liệu trên Amos
Hình 4.4: Kết quả SEM (lần 2) của mơ hình lý thuyết (chuẩn hóa)
Sau khi chỉnh lại mơ hình, các chỉ tiêu Chi-bình phương/df = 2.757 (< 3); GFI= 0.91 (> 0.9); TLI= 0.902 (> 0.9); CFI= 0.916 (> 0.9); RMSEA= 0.058 (< 0.08), cho thấy mơ hình sau khi chỉnh lại vẫn tỏ ra thích hợp với dữ liệu của thị trường (hình 4.4).
Bảng 4.8 và 4.9 cho thấy các khái niệm Tính vị chủng tiêu dùng (CET) và Đánh giá giá trị hàng nội (PJ) đều có tác động dương lên Sự sẵn lịng mua hàng nội (WBD), và đều có ý nghĩa thống kê ở độ tin cậy 95%. Ngoài ra, kết quả cũng cho thấy tác động âm của Tiêu dùng phô trương (CC) đối với Tính vị chủng tiêu dùng (CET) và Đánh giá giá trị hàng nội (PJ) có ý nghĩa thống kê ở cùng độ tin cậy 95%.
Bảng 4.8: Bảng trọng số chƣa chuẩn hóa (SEM - mơ hình hiệu chỉnh)
Ƣớc lƣợng S.E. C.R. P Label CET <--- CC -.260 .087 -2.982 .003 PJ <--- CET .347 .062 5.587 *** PJ <--- CC -.296 .075 -3.943 *** WBD <--- CET .327 .072 4.515 *** WBD <--- PJ .277 .070 3.937 ***
Nguồn: Xử lý số liệu trên Amos
Bảng 4.9: Bảng trọng số chuẩn hóa (SEM - mơ hình hiệu chỉnh)
Mối quan hệ Ƣớc lƣợng CET <--- CC -.197 PJ <--- CET .378 PJ <--- CC -.244 CC_MAT <--- CC .634 CC_GRP <--- CC .744 CC_STT <--- CC .794 WBD <--- CET .348 WBD <--- PJ .271
Nguồn: Xử lý số liệu trên Amos
4.4.2. Kiểm định giả thuyết
Thông qua kết quả kiểm định mơ hình lý thuyết bằng SEM ở mục 4.5.1, các phân tích ở mơ hình lý thuyết chưa hiệu chỉnh cho thấy:
Giả thuyết H1 “Có mối quan hệ dương giữa Đánh giá giá trị hàng nội
(PJ) và Sự sẵn lòng mua hàng nội (WBD)” cũng được chấp nhận ở mức ý
nghĩa p = 0.000 (γ=0.257, se=0.073). Điều đó cho thấy giá trị sản phẩm thực sự có ý nghĩa đối với người tiêu dùng. Khi họ có đánh giá tích cực về giá trị hàng hóa sản xuất trong nước, họ sẽ có xu hướng sẵn lịng mua hàng nội nhiều hơn, và ngược lại. Trong các nghiên cứu trước đó ở Việt Nam, việc đánh giá giá trị hàng hóa cũng đã được khẳng định có tác động tới xu hướng tiêu dùng hàng nội địa và ngoại nhập, như việc đánh giá giá trị xe máy Trung Quốc hay Nhật Bản đối với sự sẵn lòng mua xe máy được sản xuất ở hai nước này (Nguyễn Thành Long 2004); tác động nghịch chiều của việc đánh giá giá trị hàng ngoại nhập tới xu hướng tiêu dùng hàng nội (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang 2008).
Giả thuyết H2 “Có mối quan hệ dương giữa Tính vị chủng tiêu dùng
(CET) và Sự sẵn lòng mua hàng nội (WBD)” được chấp nhận ở mức ý
nghĩa p = 0.000 (γ=0.322, se= 0.072). Như vậy, nghiên cứu này vẫn thu được kết quả rằng nếu người tiêu dùng có tính vị chủng tiêu dùng cao, họ sẽ sẵn lòng mua hàng nội cao hơn so với người tiêu dùng có tính vị chủng tiêu dùng thấp. Sự tác động đồng chiều của tính vị chủng tiêu dùng đối với xu hướng tiêu dùng hàng nội cũng đã được khẳng định trước đó trong các nghiên cứu của Nguyễn Thành Long (2004), Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2008) cũng như Cao QuốcViệt (2012) cho thị trường Việt Nam (với các nhóm sản phẩm khác). Cũng cần lưu ý thêm là tác động của tính vị chủng tiêu dùng đối với sự sẵn lòng mua hàng nội tỏ ra cao hơn so với khái niệm đánh giá giá trị hàng nội (PJ) theo kết quả phân tích này.
Giả thuyết H3 “Có mối quan hệ dương giữa Tính vị chủng tiêu dùng
(CET) và Đánh giá giá trị hàng nội (PJ)” được chấp nhận ở mức ý nghĩa
p= 0.000 (γ= 0.348, se= 0.062). Từ đó có thể đưa ra nhận xét, người tiêu dùng có tính vị chủng tiêu dùng cao, họ có xu hướng đánh giá giá trị hàng nội cao hơn.
Giả thuyết H4 “Có mối quan hệ âm giữa Tiêu dùng phơ trương (CC) và
Đánh giá giá trị hàng nội (PJ)” cũng được chấp nhận ở mức ý nghĩa p=
0.000(γ= - 0.294, se= 0.074). Không chỉ với tính vị chủng tiêu dùng, xu hướng tiêu dùng phô trương của người tiêu dùng cũng cho tác động nghịch chiều tới việc đánh giá giá trị hàng nội của họ. Điều này cho thấy, nếu người tiêu dùng có xu hướng tiêu dùng phơ trương cao, họ sẽ có xu hướng đánh giá thấp giá trị hàng hóa nội địa hơn.
Giả thuyết H5 “Có mối quan hệ âm Tiêu dùng phơ trương (CC) và Sự
sẵn lòng mua hàng nội (WBD)” , tuy vậy, trong mơ hình nghiên cứu này,
đã khơng được chấp nhận vì khơng có ý nghĩa thống kê, với p= 0.382 > 0.05. Như vậy, mối quan hệ này cần được xem xét lại, người tiêu dùng có xu hướng tiêu dùng phô trương cao chưa chắc sẽ có xu hướng tiêu dùng hàng nội thấp. Các nghiên cứu trước đó có đề cập tới mối quan hệ giữa tiêu dùng phô trương và xu hướng tiêu dùng hàng nội hay ngoại cũng đưa ra những kết luận khác nhau theo nhóm sản phẩm (Marcoux & ctg 1997, John & Brady 2010). Theo đó, tùy theo sản phẩm, mối quan hệ có thể là âm hoặc dương, hoặc khơng có mối quan hệ giữa hai khái niệm này.
Giả thuyết H6 “Có mối quan hệ âm giữa Tiêu dùng phơ trương (CC) và
Tính vị chủng tiêu dùng (CET)” được chấp nhận ở mức ý nghĩa p = 0.004
(γ= - 0.251, se= 0.087). Theo đó, có thể nhận xét rằng, trong bối cảnh nghiên cứu này, có một sự tác động nghịch chiều của tính tiêu dùng phơ trương tới tính vị chủng của người tiêu dùng. Nguyen Thi Tuyet Mai (2003) cũng đã đưa ra kết luận về sự tác động âm giữa hai khái niệm này trong nghiên cứu của mình về tiêu dùng phô trương tại các thị trường đang phát triển như Việt Nam trong bối cảnh lúc đó.
Bảng 4.10 bên dưới tóm tắt kết quả kiểm định các giả thuyết nghiên cứu dựa trên kết quả của Bảng trọng số chưa chuẩn hóa (Regression Weights) phân tích bởi AMOS 21 cho mơ hình lý thuyết chưa chuẩn hóa:
Bảng 4.10: Kiểm định các giả thuyết và kết quả (dựa trên Bảng trọng số chƣa chuẩn hóa của mơ hình lý thuyết chƣa hiệu chỉnh)
Mối quan hệ Ƣớc lƣợng S.E. C.R. P Kết quả CET <--- CC -0.251 0.087 -2.892 0.004 Chấp nhận PJ <--- CET 0.348 0.062 5.612 *** Chấp nhận PJ <--- CC -0.294 0.074 -3.961 *** Chấp nhận WBD <--- CET 0.322 0.072 4.47 *** Chấp nhận WBD <--- PJ 0.257 0.073 3.509 *** Chấp nhận WBD <--- CC -0.068 0.078 -0.875 0.382 Không chấp nhận
Nguồn: Xử lý số liệu trên Amos
4.4.3. Kiểm định Bootstrap
Kiểm định Bootstrap là một phương pháp phân tích dùng để đánh giá tính bền vững của mơ hình lý thuyết. Cụ thể hơn, kiểm định Bootsrap giúp ích cho việc đánh giá độ tin cậy của các ước lượng. Dựa vào lý thuyết chọn mẫu ngẫu nhiên có hồn lại, phương pháp này lấy mẫu lặp lại có thay thế từ mẫu ban đầu (trong trường hợp này n = 517), trong đó mẫu ban đầu đóng vai trị đám đơng (Schumacker & Lomax 1996, trích trong Kỳ & Hùng 2007, Nguyễn Đình Thọ & Nguyễn Thị Mai Trang 2008) . Nghiên cứu này phân tích Bootstrap bằng phần mềm AMOS 21 với số lượng mẫu lặp lại B = 500 (mẫu ban đầu n = 517). Bảng 4.11 thể hiện kết quả phân tích Bootstrap (xem phụ lục 8 cho bảng thể hiện đầy đủ kết quả kiểm định bootstrap chạy bằng AMOS 21). Trong đó, cột “M” cho thấy kết quả trung bình các ước lượng Bootstrap, cột “Bias” thể hiện độ chệch giữa trung bình các ước lượng Bootstrap và các ước lượng ban đầu theo phương pháp ML (tức bằng cột “M” trừ đi cột “ML”, với cột ML là số liệu cho thấy ước lượng bình thường với phương pháp ước lượng ML). Theo kết quả phân tích này, các độ chệch “bias” đều rất nhỏ (giá trị tuyệt đối từ 0 đến 0.006) và khơng có ý nghĩa thống kê ở độ tin cậy 95%. Như vậy, các ước lượng trong mơ hình có thể tin cậy được.
Bảng 4.11: Kết quả ƣớc lƣợng bằng bootstrap với B = 500
Mối quan hệ ML SE SE-SE M Bias SE-Bias
CET <--- CC -0.197 .072 .002 -.200 -.003 .003
PJ <--- CET 0.378 .071 .002 .383 .005 .003
PJ <--- CC -0.244 .072 .002 -.238 .006 .003
WBD <--- CET 0.348 .087 .003 .349 .001 .004
WBD <--- PJ 0.271 .086 .003 .270 -.001 .004
Nguồn: Xử lý số liệu trên Amos
4.5. Kiểm định mơ hình đa nhóm (theo sản phẩm)
Phân tích đa nhóm dùng để so sánh mơ hình nghiên cứu theo các nhóm nào đó của một biến định tính, như giới tính, độ tuổi hay nhóm sản phẩm…Nghiên cứu này cũng thực hiện phân tích đa nhóm dựa trên hai nhóm sản phẩm, mà cụ thể là hàng may mặc và nước hoa.
Phương pháp phân tích đa nhóm được sử dụng bao gồm mơ hình khả biến và mơ hình bất biến từng phần. Trong mơ hình khả biến, các tham số ước lượng trong từng mơ hình của các nhóm khơng bị ràng buộc, cịn trong mơ hình bất biến từng phần, thành phần đo lường không bị ràng buộc nhưng các mối quan hệ giữa các khái niệm trong mơ hình nghiên cứu được ràng buộc có giá trị như nhau cho tất cả các nhóm (Nguyễn Khánh Duy 2009).
Để so sánh giữa mơ hình khả biến và bất biến từng phần, kiểm định Chi-bình phương được sử dụng. Nếu kiểm định Chi-bình phương cho thấy giữa hai mơ hình này khơng có sự khác biệt (p-value > 0.05) thì sẽ chọn mơ hình bất biến từng phần, do mơ hình này có bậc tự do (df) cao hơn; ngược lại, nếu kết quả kiểm định cho thấy sự khác biệt Chi-bình phương có ý nghĩa (p-value < 0.05) thì mơ hình khả biến sẽ được chọn, vì có độ tương thích cao hơn (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang 2008).
Phân tích cấu trúc đa nhóm được thực hiện thơng qua phần mềm AMOS 21, kiểm định Chi-bình phương được thực hiện dựa trên kết quả phân tích đa nhóm và sử dụng hàm Chidist của Excel để tính tốn.
Hình 4.5 và 4.6 thể hiện kết quả phân tích mơ hình đa nhóm (chuẩn hóa). Ở cả 2 nhóm sản phẩm, mơ hình đều cho các chỉ số chứng tỏ mơ hình phù hợp với dữ liệu của thị trường (Chi-bình phương/df < 3; GFI, TLI, CFI > 0.9). Có một điểm cũng cần lưu ý thêm, đó là mối quan hệ giữa tiêu dùng phơ trương (CC) và sự sẵn lòng mua hàng nội (WBD). Trong phần phân tích trước (mục 4.5) khi kiểm định mơ hình lý thuyết tổng quát, giả thuyết H5 về mối quan hệ nghịch chiều giữa CC và WBD đã khơng được chấp nhận. Khi phân tích đa nhóm, mối quan hệ CC – WBD có ý nghĩa thống kê ở cả 2 nhóm (p < 0.05), nhưng khác nhau về dấu giữa 2 nhóm sản phẩm. Trong khi mối quan hệ này ở nhóm nước hoa là nghịch chiều (như giả thuyết H5), thì ở nhóm hàng may mặc, đây lại là một mối quan hệ đồng chiều (Bảng 4.12 và 4.13). Ở nhóm hàng may mặc, mối quan hệ CC – CET cũng khơng cịn ý nghĩa thống kê (p = 0.0526).
Hình 4.5: Ƣớc lƣợng mơ hình khả biến (Nƣớc hoa)
Bảng 4.12: Ƣớc lƣợng mơ hình khả biến (nƣớc hoa)
Ước lượng ML S.E. C.R. P CET <--- CC -.227 .103 -2.210 .027 PJ <--- CET .352 .087 4.032 *** PJ <--- CC -.264 .089 -2.978 .003 WBD <--- CET .306 .087 3.496 *** WBD <--- PJ .222 .087 2.571 .010 WBD <--- CC -.412 .098 -4.207 ***
Nguồn: Xử lý số liệu trên Amos
Hình 4.6: Ƣớc lƣợng mơ hình khả biến (Hàng may mặc)
Bảng 4.13: Ƣớc lƣợng mơ hình khả biến (hàng may mặc)
Ước lượng ML S.E. C.R. P
CET <--- CC -.244 .124 -1.958 .050 PJ <--- CET .341 .088 3.882 *** PJ <--- CC -.302 .107 -2.833 .005 WBD <--- CET .323 .109 2.965 .003 WBD <--- PJ .267 .113 2.365 .018 WBD <--- CC .328 .129 2.544 .011
Nguồn: Xử lý số liệu trên Amos
Hình 4.7 : Ƣớc lƣợng mơ hình bất biến từng phần (Nƣớc hoa)
Bảng 4.14: Ƣớc lƣợng mơ hình bất biến từng phần (nƣớc hoa)
Ước lượng ML S.E. C.R. P Label CET <--- CC -.230 .080 -2.884 .004 Beta3a PJ <--- CET .348 .062 5.631 *** Beta4 PJ <--- CC -.275 .069 -3.987 *** Beta3b WBD <--- CET .300 .067 4.467 *** Beta1 WBD <--- PJ .213 .067 3.178 .001 Beta2 WBD <--- CC -.237 .069 -3.456 *** Beta3c
Nguồn: Xử lý số liệu trên Amos
Hình 4.8: Ƣớc lƣợng mơ hình bất biến từng phần (Hàng may mặc)
Bảng 4.15: Ƣớc lƣợng mơ hình bất biến từng phần (hàng may mặc)
Ước lượng ML S.E. C.R. P Label CET <--- CC -.230 .080 -2.884 .004 Beta3a PJ <--- CET .348 .062 5.631 *** Beta4 PJ <--- CC -.275 .069 -3.987 *** Beta3b WBD <--- CET .300 .067 4.467 *** Beta1 WBD <--- PJ .213 .067 3.178 .001 Beta2 WBD <--- CC -.237 .069 -3.456 *** Beta3c
Nguồn: Xử lý số liệu trên Amos
Với kết quả trên, để lựa chọn mơ hình khả biến hay bất biến, giả thuyết được đặt ra như sau:
H0: Chi-bình phương của mơ hình khả biến bằng Chi-bình phương của mơ
hình bất biến
H1: Có sự khác biệt về Chi-bình phương giữa mơ hình khả biến và mơ hình
bất biến.
Kết quả kiểm định Chi-bình phương được thể hiện ở bảng sau:
Bảng 4.16: Kiểm định Chi-bình phƣơng để lựa chọn mơ hình
Chi-square df
Mơ hình khả biến 621.242 432 Mơ hình bất biến 647.535 438
Sai biệt 26.293 6
Chidist 0.000196
Nguồn: Xử lý số liệu trên Excel
Kết quả Chi-bình phương p-value = 0.000196 (< 0.05). Như vậy giả thuyết H0 bị loại, chấp nhận H1. Theo đó, kết quả cho thấy có sự khác biệt về Chi-bình phương giữa hai mơ hình khả biến và bất biến từng phần, mơ hình khả biến sẽ được chọn, vì có độ tương thích cao hơn. Nói cách khác, khi chọn mơ hình khả biến, có thể nhận xét rằng: có sự khác biệt trong mối ảnh hưởng giữa các khái niệm giữa hai