7. Kết cấu của luận văn
4.3 Phân tích nhân tố khám phá EFA
Phân tích nhân tố EFA là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu nhằm xác định tập hợp biến cần thiết cho vấn đề nghiên cứu. Các nhóm biến có liên hệ qua lại lẫn nhau và được xem xét dưới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷ số gọi là hệ số tải nhân tố (factor loading), hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ thuộc về nhân tố nào.
Theo Gerbing và Anderson (1988)[22], trong phân tích nhân tố khám phá EFA yêu cầu cần thiết là: chỉ số KMO (Kaiser – Meyer – Olkin) 0.5 và mức ý nghĩa
của kiểm định Bartlett 0.05; hệ số tải nhân tố 0.5, nếu biến quan sát nào có hệ
số tải nhân tố < 0.5 sẽ bị loại; thang đo được chấp nhận khi tổng phương sai trích 50% và chỉ số Eigenvalue > 1.
Chỉ số KMO dùng để xem xét sự thích hợp của phân tích nhân tố. Chỉ số KMO có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, cịn nếu chỉ số này có giá trị nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
Hệ số tải nhân tố là hệ số tương quan đơn giữa các biến và các nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau.
Nghiên cứu sử dụng phương pháp trích nhân tố Principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn hoặc bằng 0.5 thì mới đạt yêu cầu. Các biến có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại khỏi mơ hình.
Chỉ số Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố có hệ số Eigenvalue lớn hơn 1 thì mới được giữ lại mơ hình phân tích. Những nhân tố có hệ số Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc nên sẽ bị loại ra khỏi mơ hình.
4.3.1. Phân tích nhân tố khám phá cho tất cả các biến độc lập
Sau khi kiểm tra mức độ tin cậy bằng hệ số Cronbach’s Alpha thì thang đo các biến độc lập vẫn giữ nguyên 33 biến quan sát. Theo mơ hình nghiên cứu đề xuất, 33 biến quan sát này được dùng để đo lường 6 thành phần của thang đo. Phân tích nhân tố khám phá để đánh giá mức độ hội tụ của các biến quan sát theo từng thành phần và giá trị phân biệt của các thành phần.
Tác giả tiến hành phân tích nhân tố thang đo các biến độc lập theo phương pháp rút trích Principal components và phép xoay varimax với mục đích là rút các thành phần chính và loại bỏ những biến có factor loading khơng đủ mạnh (xem phụ lục 6).
Lần 1: Thang đo được rút trích 6 thành phần, với tổng phương sai trích được là
62.918% tại hệ số Eigenvalue 1.083, hệ số KMO bằng 0.896 và kiểm định Bartlett có mức ý nghĩa 0.000. Có 7 biến quan sát có trọng số nhỏ hơn 0.5, đó là các biến quan sát CN5 (0.455), KT2 (0.498), CS7 (0.476), CS5 (0.465), NT4 (0.470), NT6 (0.494) và NT2 (0.431).
Lần 2: tác giả loại 7 biến NT2, CN5, KT2, CS7, CS5, NT4, NT6 và phân tích
lại EFA. Lần này EFA gom lại 5 thành phần, với tổng phương sai trích được là 62.332% tại hệ số Eigenvalue là 1.087, hệ số KMO bằng 0.888 và kiểm định Bartlett có mức ý nghĩa 0.000. Có 4 biến quan sát có trọng số nhỏ hơn 0.5, đó là các biến quan sát HT2 (0.479), HT1 (0.461), HT3 (0.449), và NT1 (0.460).
Lần 3: tác giả loại 4 biến HT1, HT2, HT3, NT1 và phân tích lại EFA. Qua ba
lần rút trích nhân tố, kết quả thể hiện trong bảng 4.3, cho thấy sau khi loại bỏ các biến không đảm bảo độ tin cậy, thang đo còn lại 22 biến được rút trích thành 4 thành phần với tổng phương sai trích được là 60.602% tại hệ số Eigenvalue là 1.398. Hệ số KMO bằng 0.869 nên EFA phù hợp với dữ liệu và kiểm định Bartlett có mức ý nghĩa 0.000 cho thấy các biến quan sát có tương quan với nhau xét trên
phạm vi tổng thể. Phương sai trích đạt 60.602% thể hiện rằng 4 nhân tố được rút ra giải thích được 60.602% sự biến thiên của dữ liệu tại hệ số Eigenvalue đạt 1.398. Các hệ số tải nhân tố nằm trong khoảng từ 0.573 đến 0.828 lớn hơn so với hệ số tải nhân tố được chọn là 0.5. Như vậy, các thang đo rút ra là chấp nhận được, các biến quan sát của thang đo mới này đạt yêu cầu cho các phân tích tiếp theo.
Bảng 4.3.: Kết quả EFA của thang đo các biến độc lập
Biến quan sát Yếu tố
1 2 3 4
CN3 Cơng ty Anh/ Chị có phần mềm theo dõi trình
trạng hàng hố 0.828
NT5 Trình độ chun mơn của nhân viên Anh/ Chị
đáp ứng được mọi nhu cầu của khách hàng tốt 0.722 CN4 Khách hàng của công ty Anh/ Chị dễ dàng theo
dõi hàng hoá sau khi gởi 0.712 CN2 Thành phố Hồ Chí Minh ứng dụng công nghệ
thông tin trong khai thác dịch vụ Logistics tốt 0.701 CN1 Công nghệ ảnh hưởng đến giá cả và chất lượng
dịch vụ Logistics 0.697 NT3 Nhận thức của người dân về ngành Logistics cũng như
các tập quán thương mại quốc tế đang dần thay đổi 0.659 CS2 Các chính sách của chính phủ ảnh hưởng đến sự phát
triển dịch vụ Logistics 0.596 HT4 Vị trí cảng thuận lợi cho việc vận chuyển hàng hoá 0.588 KT4 Việc phát triển dịch vụ Logistics có vai trị quan
trọng đối với sự phát triển kinh tế - xã hội
0.828 KT5 Tham gia vào lĩnh vực cung ứng dịch vụ Logistics,
doanh nghiệp cần phải có quy mơ vốn lớn
0.747 KT6 Giá cả nguyên liệu và dịch vụ đầu vào luôn
được các doanh nghiệp Logistics quan tâm 0.742 KT3 Các thay đổi về thuế suất đối với hàng hoá xuất nhập
khẩu ảnh hưởng đến việc phát triển dịch vụ Logistics 0.706 CS6 Sự quan tâm, hỗ trợ từ chính quyền thành phố
Hồ Chí Minh giúp cho sự phát triển của dịch vụ Logistics tốt hơn
0.610 CS4 Đơn giản hoá và minh bạch hệ thống Hải quan
giúp cho sự phát triển dịch vụ Logistics tốt hơn 0.746 KT1 Các thay đổi về thuế suất luôn được thông báo kịp
HT5 TP. HCM chưa chú trọng quy hoạch mặt bằng cho
phát triển Logistics (trung tâm Logistics, kho bãi,...) 0.647 CS3 Hành lang pháp lý đối với dịch vụ logistics còn
chồng chéo, mâu thuẫn 0.611
CS1 Sự ổn định về mơi trường chính trị có vai trò
quan trọng trong việc phát triển dịch vụ Logistics 0.573 HN4 Sự cạnh tranh trong ngành Logistics sẽ ngày
càng gay gắt 0.790
HN3 Việc tham gia các Hiệp định thương mại, các Tổ Chức
quốc tế đã tác động đến sự phát triển ngành Logistics 0.762 HN2 Đầu tư nước ngoài vào TP. HCM ảnh hưởng
đến sự phát triển của dịch vụ Logistics 0.686 HN1 Xu hướng phát triển dịch vụ thuê ngoài ngày
càng gia tăng 0.654 Eigenvalue 8.000 2.203 1.731 1.398 Phương sai trích (%) 36.366 10.013 7.868 6.355 Tổng phương sai trích (%) 36.366 46.378 54.247 60.602 KMO = 0.869 (Nguồn: Phụ lục 7)
4.3.2. Phân tích nhân tố cho biến phụ thuộc
Thang đo sự phát triển bao gồm 3 biến quan sát sau khi đạt độ tin cậy kiểm tra bằng Cronbach’s Alpha được đưa vào phân tích nhân tố khám phá để đánh giá mức độ hội tụ của các biến quan sát theo từng nhân tố và giá trị phân biệt của các nhân tố.
Kết quả kiểm định (Bartlett’s test of sphericity) với sig = 0.000, kiểm định Bartlett có ý nghĩa về mặt thống kê (p-value < 0.05) như vậy cho thấy điều kiện cần để áp dụng phân tích nhân tố các biến là các biến phải tương quan với nhau đạt yêu cầu. Chỉ số KMO = 0.721 (> 0.5) cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Ba biến quan sát của thành phần sự phát triển được đưa vào phân tích nhân tố. Kết quả phân tích EFA cho thấy 3 biến quan sát của thang đo sự phát triển vẫn giữ nguyên trong một nhóm (hay một thành phần). của sự phát triển ngành logistics trên địa bàn thành phố Hồ Chí Minh.
Thành phần sự phát triển có hệ số Eigenvalue 2.504 > 1 và tổng phương sai trích là 83.46% (lớn hơn 50%) thể hiện rằng nhân tố rút ra giải thích được 83.46% sự
biến thiên của dữ liệu. Các hệ số tải nhân tố nằm trong khoảng từ 0.870 đến 0.936 lớn hơn so với hệ số tải nhân tố được chọn là 0.5. Như vậy, thang đo sự phát triển đạt yêu cầu về giá trị hội tụ và phân biệt.
Bảng 4.4: Kết quả phân tích nhân tố biến phụ thuộc
Biến quan sát Nhân tố
1 PT1 0.936 PT2 0.933 PT3 0.870 Eigenvalue 2.504 Phương sai trích (%) 83.460 Tổng phương sai trích (%) 83.460 KMO = 0.721 (Nguồn: Phụ lục 7)
4.3.3 Hiệu chỉnh mơ hình nghiên cứu và các giả thuyết
Sau khi phân tích nhân tố EFA để thu nhỏ và gom các biến lại thì mơ hình nghiên cứu đề xuất và các giả thiết sẽ được điều chỉnh tương ứng dựa trên kết quả thu được. Ta thấy từ 33 biến quan sát của 6 nhân tố từ mơ hình nghiên cứu đề xuất, sau khi phân tích nhân tố khám phá EFA, số biến quan sát đạt yêu cầu bị giảm từ 33 biến còn lại 22 biến và được chia thành 4 nhân tố ảnh hưởng đến sự phát triển của ngành logistics trên địa bàn thành phố Hồ Chí Minh. Trên cơ sở đó, tác giả đã điều chỉnh lại thang đo và các giả thiết nghiên cứu để phục vụ cho phần nghiên cứu tiếp theo. Cụ thể, thang đo chất lượng dịch vụ sau khi đã điều chỉnh như sau:
Nhân tố 1: Yếu tố công nghệ (CONGNGHE)
STT Mã hoá CÂU HỎI CÁC BIẾN QUAN SÁT
01 CN3 Cơng ty Anh/ Chị có phần mềm theo dõi trình trạng hàng hố
02 NT5 Trình độ chun mơn của nhân viên Anh/ Chị đáp ứng được mọi nhu cầu của khách hàng tốt
03 CN4 Khách hàng của công ty Anh/ Chị dễ dàng theo dõi hàng hoá sau khi gởi 04 CN2 Thành phố Hồ Chí Minh ứng dụng công nghệ thông tin trong khai
05 CN1 Công nghệ ảnh hưởng đến giá cả và chất lượng dịch vụ Logistics 06 NT3 Nhận thức của người dân về ngành Logistics cũng như các tập quán
thương mại quốc tế đang dần thay đổi
07 CS2 Các chính sách của chính phủ ảnh hưởng đến sự phát triển dịch vụ Logistics 08 HT4 Vị trí cảng thuận lợi cho việc vận chuyển hàng hoá
Nhân tố 2: Yếu tố kinh tế (KINHTE)
STT Mã
hoá CÂU HỎI CÁC BIẾN QUAN SÁT
09 KT4 Việc phát triển dịch vụ Logistics có vai trị quan trọng đối với sự phát triển kinh tế - xã hội
10 KT5 Tham gia vào lĩnh vực cung ứng dịch vụ Logistics, doanh nghiệp cần phải có quy mơ vốn lớn
11 KT6 Giá cả nguyên liệu và dịch vụ đầu vào luôn được các doanh nghiệp Logistics quan tâm
12 KT3 Các thay đổi về thuế suất đối với hàng hoá xuất nhập khẩu ảnh hưởng đến việc phát triển dịch vụ Logistics
13 CS6 Sự quan tâm, hỗ trợ từ chính quyền thành phố Hồ Chí Minh giúp cho sự phát triển của dịch vụ Logistics tốt hơn
Nhân tố 3: Yếu tố chính sách luật (CHINHSACH)
STT Mã
hoá CÂU HỎI CÁC BIẾN QUAN SÁT
14 CS4 Đơn giản hoá và minh bạch hệ thống Hải quan giúp cho sự phát triển dịch vụ Logistics tốt hơn
15 KT1 Các thay đổi về thuế suất luôn được thông báo kịp thời đến doanh nghiệp
16 HT5 TP. HCM chưa chú trọng quy hoạch mặt bằng cho phát triển Logistics (trung tâm Logistics, kho bãi,…)
17 CS3 Hành lang pháp lý đối với dịch vụ logistics còn chồng chéo, mâu thuẫn
18 CS1 Sự ổn định về mơi trường chính trị có vai trị quan trọng trong việc phát triển dịch vụ Logistics
Nhân tố 4: Yếu tố hội nhập (HOINHAP)
STT Mã
hoá CÂU HỎI CÁC BIẾN QUAN SÁT
19 HN4 Sự cạnh tranh trong ngành Logistics sẽ ngày càng gay gắt
20 HN3 Việc tham gia các Hiệp định thương mại, các Tổ Chức quốc tế đã tác động đến sự phát triển ngành Logistics
21 HN2 Đầu tư nước ngoài vào TP. HCM ảnh hưởng đến sự phát triển của dịch vụ Logistics
22 HN1 Xu hướng phát triển dịch vụ thuê ngoài ngày càng gia tăng
Như vậy mơ hình nghiên cứu được điều chỉnh từ kết quả Cronbach’s Alpha và phân tích nhân tố khám phá EFA được đưa ra trong hình 4.1 bao gồm bốn biến độc lập: (1) yếu tố công nghệ, (2) yếu tố kinh tế, (3) yếu tố chính sách luật và (4) yếu tố hội nhập cùng với một biến phụ thuộc: (1) sự phát triển ngành logistics trên địa bàn thành phố Hồ Chí Minh. Mơ hình nghiên cứu điều chỉnh về sự phát triển ngành logistics trên địa bàn thành phố Hồ Chí Minh được thể hiện như sau:
Hình 4.1: Mơ hình nghiên cứu điều chỉnh về sự phát triển hoạt động cung ứng dịch vụ logistics trên địa bàn thành phố Hồ Chí Minh
Trong đó:
Giả thiết H’1: Nhân tố cơng nghệ có ảnh hưởng đến sự phát triển ngành logistics Giả thiết H’2: Nhân tố kinh tế có ảnh hưởng đến sự phát triển ngành logistics
Giả thiết H’3: Nhân tố chính sách luật có ảnh hưởng đến sự phát triển ngành logistics Giả thiết H’4: Nhân tố hội nhập ảnh hưởng đến sự phát triển ngành logistics
Yếu tố công nghệ Yếu tố kinh tế Yếu tố chính sách luật Yếu tố hội nhập Sự phát triển H’1 H’2 H’3 H’4
4.4. Phân tích mơ hình hồi quy
Phân tích mơ hình hồi quy là một kỹ thuật thống kê được dùng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập nhằm mục tiêu sử dụng các biến độc lập có giá trị biết trước để dự báo một giá trị biến phụ thuộc nào đó được chọn để nghiên cứu. Khi chạy hồi quy cần quan tâm đến những thông số sau (theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)[14]:
Hệ số R2: đánh giá phần biến động của biến phụ thuộc được giải thích bởi các biến độc lập. Hệ số này có thể giao động từ 0 đến 1.
Hệ số Beta: hệ số hồi quy chuẩn hoá cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích chúng với biến phụ thuộc
Kiểm định ANOVA để kiểm tra tính phù hợp của mơ hình với tập dữ liệu gốc. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0.05 thì ta có thể kết luận mơ hình hồi quy phù hợp với tập dữ liệu.
Phân tích hồi quy tuyến tính bội được thực hiện để xem xét mối quan hệ giữa các biến độc lập: yếu tố công nghệ (CONGNGHE), yếu tố kinh tế (KINHTE), yếu tố chính sách luật (CHINHSACH) và yếu tố hội nhập (HOINHAP) có ảnh hưởng như thế nào đến biến phụ thuộc sự phát triển (PHATTRIEN) của hoạt động cung ứng dịch vụ logistics trên địa bàn thành phố Hồ Chí Minh. Căn cứ vào mơ hình nghiên cứu đã được điều chỉnh sau khi phân tích nhân tố khám phá, mơ hình nghiên cứu được biểu diễn dưới dạng phương trình hồi quy tuyến tính bội như sau:
Y = 0 + 1 * X1 + 2 * X2 + 3* X3 + 4 * X4
Trong đó:
Y: Sự phát triển của ngành logistics X1: Yếu tố công nghệ
X2: Yếu tố kinh tế
X3: Yếu tố chính sách luật X4: Yếu tố hội nhập
0: hệ số chặn (hằng số) là giá trị mong muốn của biến phụ thuộc khi các
biến độc lập bằng “0”
i (i=1-4): hệ số hồi quy riêng của từng nhân tố thể hiện mối quan hệ giữa biến phụ thuộc và biến độc lập với ý nghĩa trong điều kiện các nhân tố khác không
đổi, khi các biến độc lập X1, X2, X3 hay X4 tăng lên một đơn vị (theo đơn vị tính của các nhân tố đó) thì biến phụ thuộc Y (Sự phát triển) sẽ tăng bình quân i đơn vị (theo đơn vị tính của sự phát triển).
Sau khi xây dựng ma trận hệ số tương quan giữa các biến độc lập với biến phụ thuộc, tác giả tiến hành phân tích hồi quy để xác định cụ thể trọng số của từng yếu tố ảnh hưởng đến sự phát triển của ngành logistics. Phân tích hồi quy tuyến tính được dùng để kiểm định mơ hình và các giả thuyết, thủ tục chọn biến là các biến được đưa vào cùng lúc (phương pháp Enter)
4.4.1. Xây dựng ma trận hệ số tương quan
Phân tích tương quan sử dụng hệ số Pearson để kiểm tra các mối quan hệ tuyến tính giữa các biến định lượng (khoảng/ tỷ lệ) nhằm xem xét mối quan hệ giữa chúng