CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3. Phân tích nhân tố khám phá EFA
4.3.1. Phân tích nhân tố khám phá thang đo các yếu tố ảnh hƣởng đến hành vi tiêu dùng xe đến hành vi tiêu dùng xe
Kết quả phân tích nhân tố lần thứ nhất:
Kết quả kiểm định Bartlett (Bartlett‟s test of sphericity) trong bảng kiểm định KMO và Bartlett's (bảng số 6a, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.882 > 0.5 đều đáp ứng được yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã trích được 5 nhân tố từ 23 biến quan sát với tổng phương sai trích là 72.636% (> 50%) đạt yêu cầu (bảng số 6b, phụ lục 5). Dựa trên phân tích của bảng ma trận xoay yếu tố(bảng số 6c, phụ lục 5), biến TL18 bị loại do có hệ số tải yếu tố= 0.483 (< 0.5) chưa đạt yêu cầu. Do đó, việc phân tích nhân tố lần thứ hai được thực hiện với việc loại biến này ra.
Kết quả phân tích nhân tố lần thứ hai:
Kết quả kiểm định kiểm định Bartlett's và KMO (bảng số 7a, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.880 đều đáp ứng được yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã trích được 4 yếu tốvới tổng phương sai trích là 69.917% (> 50%) đạt yêu cầu (bảng số 7b, phụ lục 5). Dựa trên phân tích của bảng ma trận xoay nhân tố (bảng số 7c, phụ lục 5), biến TL13 bị loại dựa vào tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố lớn hơn hay bằng 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố do khơng có sự chênh lệch rõ ràng giữa các hệ số tải nhân
tố nên có khả năng biến này tạo ra việc trích nhân tố giả. Vì vậy, phân tích nhân tố sẽ được tiến hành lần thứ ba với việc loại ra biến này.
Kết quả phân tích nhân tố lần thứ ba (có sự tách yếu tố tâm lý
thành yếu tố đẳng cấp và yếu tố chất lƣợng):
Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's (bảng số 8a, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.870 > 0.5 đều đáp ứng được yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã trích được 4 yếu tố với tổng phương sai trích là 70.682% (> 50%) đạt yêu cầu (bảng số 8b, phụ lục 5). Kết quả tại bảng 4.4 cho thấy hệ số tải nhân tố của các biến này đều lớn hơn 0.5 đạt yêu cầu.
Bảng 4.4: Ma trận xoay nhân tố (lần thứ 3) Component Matrixa Component 1 2 3 4 TL14 .913 TL11 .910 TL2 .907 TL1 .821 TL4 .774 TL3 .768 TL7 .689 TL9 .899 TL15 .884 TL8 .873 TL5 .847 TL6 .800 TL12 .579
MT4 .855 MT2 .827 MT1 .735 MT3 .685 CN2 .825 CN3 .791 CN1 .781 CN4 .763
Dựa trên phân tích của bảng ma trận xoay nhân tố tại bảng 4.4, có sự tách nhóm của yếu tố tâm lý thành hai yếu tố khác nhau: yếu tố thứ nhất gồm các biến TL1, TL2, TL3, TL4, TL7, TL11, TL14 mang đặc trưng, phong cách của hành vi tiêu dùng xe nên được đặt tên là đẳng cấp. Yếu tố này thể hiện
hành vi tiêu dùng xe là vì muốn thể hiện cá tính hay cái tơi cá nhân hơn là xem chiếc xe như chỉ là phương tiện di chuyển, đó chính là thể hiện được địa vị, thể hiện được cá tính, kiểu dáng xe và thiết kế tổng thể, màu sắc, mẫu mã xe, phân khối xe. Yếu tố thứ hai gồm các biến TL5, TL6, TL8, TL9, TL12, TL15 xem việc tiêu dùng xe như là nhu cầu thiết yếu cá nhân vì thế đáp viên chú ý đến chất lượng chiếc xe, giá cả, và cả hệ thống hậu mãi. Do đó, yếu tố này được đặt tên là chất lượng.
Lệnh Transform/compute variable được sử dụng để nhóm các biến đạt yêu cầu với hệ số tải yếu tố> 0.5 thành 4 nhân tố, các yếu tố này được đặt tên cụ thể như sau:
Yếu tố thứ nhất: Yếu tố đẳng cấp (DC) được nhóm từ trung bình của 7 biến quan sát: TL1, TL2, TL3, TL4, TL7, TL11, TL14.
Yếu tố thứ hai: Yếu tố chất lƣợng (CL) được nhóm từ trung bình của 6 biến quan sát: TL5, TL6, TL8, TL9, TL12, TL15 .
Yếu tố thứ ba: Yếu tố môi trƣờng (MT) được nhóm từ trung bình của 4 biến quan sát: MT1, MT2, MT3, MT4.
bình của 4 biến quan sát: CN1, CN2, CN3, CN4.
4.3.2. Phân tích nhân tố khám phá thang đo hành vi tiêu dùng xe
Kết quả kiểm định Bartlett (Bartlett‟s test of sphericity) trong bảng kiểm định KMO và Bartlett's (bảng số 9a, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.708 ( > 0.5) đáp ứng được yêu cầu.
Tại các mức giá trị Eigenvalues = 2.125, phân tích nhân tố đã rút trích được 1 yếu tố từ 3 biến quan sát với tổng phương sai trích là 70.844% ( > 50%) đạt yêu cầu. (bảng số 9b, phụ lục 5)
Bảng 4.5: Kết quả phân tích nhân tố thang đo hành vi tiêu dùng xe
Component Matrixa Component 1 HV3 .853 HV1 .837 HV2 .835
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
Bảng 4.6: Diễn giải các thành phần sau khi xoay nhân tố
STT Mã hóa Diễn giải
Thang đo đẳng cấp (DC) Y ế u t ố DC
TL1 Xe thể hiện được địa vị TL2 Xe thể hiện được cá tính TL3 Thương hiệu có uy tín
TL4 Kiểu dáng xe và thiết kế tổng thể TL7 Phân khối xe
TL14 Mẫu xe mới nhất
Thang đo yếu tố chất lƣợng (CL)
Y ế u tố CL TL5 Giá cả xe phù hợp TL6 Chất lượng và kỹ thuật tốt TL8 Tiết kiệm nhiên liệu TL9 Hộc để đồ rộng rãi
TL12 Dịch vụ sau bán hàng của hãng xe đó TL15 Kích thước phù hợp bản thân
Thang đo yếu tố môi trƣờng (MT)
Y
ế
u t
ố
MT
MT1 Theo anh/chị, gia đình có tác động đến việc tiêu dùng xe
MT2 Theo anh/chị, bạn bè có tác động đến việc tiêu dùng xe
MT3 Theo anh/chị, quảng cáo từ TV, báo chí… có tác động đến việc tiêu dùng xe
MT4 Theo anh/chị, những nhận xét trên mạng có tác động đến việc tiêu dùng xe
Thang đo yếu tố cá nhân (CN)
Y
ế
u t
ố
CN
CN1 Theo anh/chị, độ tuổi có ảnh hưởng đến việc tiêu dùng xe
CN2 Theo anh/chị, nghề nghiệp có ảnh hưởng đến việc tiêu dùng xe
CN3 Theo anh/chị, thu nhập có ảnh hưởng đến việc tiêu dùng xe
CN4 Theo anh/chị, giới tính có ảnh hưởng đến việc tiêu dùng xe
Thang đo hành vi tiêu dùng xe máy (HV)
Y
ế
u
tố
H
dùng nhãn hiệu xe cũ
HV2 Anh/chị tiêu dùng xe máy vì là nhu cầu thiết yếu
HV3 Anh/chị tiêu dùng xe máy vì phù hợp với khả năng
4.4. Mơ hình hiệu chỉnh sau khi phân tích nhân tố khám phá
Sau khi phân tích và kiểm định bằng hệ số Cronbach‟s Alpha và phân tích nhân tố khám phá (EFA), có sự tách nhân tố, cụ thể yếu tố tâm lý được tác làm hai yếu tố khác nhau và hai yếu tố này được đặt tên là đẳng cấp và chất lượng. Hai yếu tố còn lại vẫn giữ nguyên. Số lượng biến giảm từ 26 biến ban đầu chỉ còn lại 21 biến quan sát (bảng 4.4) và yếu tố hành vi tiêu dùng xe máy gồm 3 biến quan sát vẫn giữ ngun (bảng 4.5). Mơ hình nghiên cứu và các giả thuyết ban đầu (trình bày ở chương 1) được điều chỉnh lại như sau:
Giả thuyết H1: Yếu tố đẳng cấp tác động dương đến hành vi tiêu dùng xe máy
Giả thuyết H2: Yếu tố chất lượng tác động dương đến hành vi tiêu dùng xe
máy
Giả thuyết H3: Yếu tố môi trường tác động dương đến hành vi tiêu dùng xe
máy
Giả thuyết H4: Yếu tố cá nhân tác động dương đến hành vi tiêu dùng xe máy
4.5. Phân tích tƣơng quan và hồi qui tuyến tính bội 4.5.1. Xác định biến độc lập và biến phụ thuộc 4.5.1. Xác định biến độc lập và biến phụ thuộc
Căn cứ vào mơ hình nghiên cứu lý thuyết (hình 4.1), ta có phương trình hồi quy tuyến tính bội diễn tả các yếu tố ảnh hưởng đến hành vi tiêu dùng xe máy là:
HV = β0 + β1*DC + β2*CL + β3*CN + β4*MT
Các biến độc lập (Xi): (DC) yếu tố đẳng cấp, (CL) yếu tố chất lượng, (MT) yếu tố môi trường, (CN) yếu tố cá nhân.
Biến phụ thuộc (Y): (HV) hành vi tiêu dùng xe. βk là hệ số hồi quy riêng phần (k=0…4)
4.5.2 Phân tích tƣơng quan
Dựa vào bảng 4.7, ta thấy hệ số tương quan giữa yếu tố hành vi tiêu dùng xe với 4 biến DC, CL, CN, MT cao (thấp nhất là 0.312). Sơ bộ ta có thể kết luận 4 biến DC, CL, CN, MT có thể đưa vào mơ hình để giải thích cho biến HV. Nhưng hệ số tương quan giữa các biến độc lập cũng hơi cao. Do đó, kiểm định đa cộng tuyến cần được tiến hành trong các bước tiếp theo để xác định xem các biến độc lập có ảnh hưởng lẫn nhau hay không.
Bảng 4.7: Ma trận tương quan giữa các thành phần nghiên cứu
Correlations
HV DC CL MT CN
Yếu tố môi trường Yếu tố cá nhân Yếu tố Đẳng cấp Yếu tố Chất lượng H1+ H2+ H3+ H4+ Hành vi tiêu dùng xe
HV Pearson Correlation 1 .475 ** .763** .394** .312** Sig. (2-tailed) .000 .000 .000 .000 DC Pearson Correlation .475 ** 1 .433** .184** .142* Sig. (2-tailed) .000 .000 .003 .020 CL Pearson Correlation .763 ** .433** 1 .355** .256** Sig. (2-tailed) .000 .000 .000 .000 MT Pearson Correlation .394 ** .184** .355** 1 .172** Sig. (2-tailed) .000 .003 .000 .005 CN Pearson Correlation .312 ** .142* .256** .172** 1 Sig. (2-tailed) .000 .020 .000 .005
4.5.3. Hồi qui tuyến tính bội
Để kiểm định sự phù hợp giữa 4 yếu tố tác động đến hành vi tiêu dùng xe và hành vi tiêu dùng xe máy, hàm hồi qui tuyến tính bội với phương pháp đưa vào một lượt (Enter) được sử dụng. Nghĩa là phần mềm SPSS xử lý tất cả các biến đưa vào một lần và đưa ra các thông số thống kê liên quan đến các biến. Hệ số hồi qui riêng phần đã chuẩn hóa của thành phần nào càng lớn thì mức độ ảnh hưởng của thành phần đó đến hành vi tiêu dùng xe máy càng cao, nếu cùng dấu thì mức độ ảnh hưởng thuận chiều và ngược lại.
Bảng 4.8: Kết quả phân tích hồi qui bội
Model
Hệ số hồi qui chƣa chuẩn hóa
Hệ số hồi qui đã chuẩn hóa T Sig. Thống kê đa cộng tuyến B Std. Error Beta Toleranc e VIF 1 (Constant ) .392 .251 1.560 .120 DC .134 .033 .169 4.079 .000 .811 1.233 CL .569 .041 .618 13.985 .000 .710 1.409 MT .111 .036 .125 3.116 .002 .866 1.155 CN .117 .042 .108 2.798 .006 .926 1.080 a. Dependent Variable: HV
Kết quả phân tích hồi qui bội tại bảng 4.8, các giá trị Sig. tương ứng với các thành phần DC, CL, CN, MT đều rất nhỏ (nhỏ hơn 0.05). Vì vậy, có thể khẳng định các thành phần này có ý nghĩa trong mơ hình.
4.5.4. Kiểm tra các giả định hồi qui
Phân tích hồi qui khơng chỉ là việc mơ tả các dữ liệu quan sát được mà còn phải suy rộng cho mối liên hệ giữa các biến trong tổng thể từ các kết quả quan sát được trong mẫu đó. Kết quả của mẫu suy rộng ra cho giá trị của tổng thể phải đáp ứng các giả định cần thiết dưới đây:
Giả định liên hệ tuyến tính: giả định này sẽ được kiểm tra bằng biểu
đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự dốn chuẩn hóa (Standardized predicted value). Kết quả (hình số 1, phụ lục 6) cho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0, khơng tạo thành một hình dạng nào cụ thể nào. Như vậy, giả định liên hệ tuyến tính được đáp ứng.
Giả định phƣơng sai của sai số không đổi: Kết quả kiểm định tương
DC, CL, CN, MT với giá trị tuyệt đối của phần dư lần lượt là 0.145; 0.048; 0.013; 0.045. Điều này cho thấy chúng ta không thể bác bỏ giả thiết Ho, nghĩa là phương sai của sai số không đổi. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm.
Giả định phần dƣ có phân phối chuẩn: kiểm tra biểu đồ phân tán của
phần dư (hình số 2, phụ lục 6) cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean gần bằng 0 và độ lệch chuẩn Std. gần bằng 1). Như vậy, giả định phần dư có phân phối chuẩn khơng bị vi phạm.
Giả định khơng có tƣơng quan giữa các phần dƣ: đại lượng thống kê
Durbin-Watson (d) được dùng để kiểm định tương quan chuỗi bậc nhất. Kết quả nhận được từ bảng 4.9cho thấy đại lượng thống kê Durbin-Watson có giá trị là 1.930 gần bằng 2, nên chấp nhận giả thuyết khơng có sự tương quan chuỗi bậc nhất trong mơ hình. Như vậy, mơ hình hồi qui bội đáp ứng được tất cả các giả định.
4.5.5. Kiểm định độ phù hợp mơ hình và hiện tƣợng đa cộng tuyến
Kiểm định độ phù hợp của mơ hình
Hệ số R² điều chỉnh là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó khơng phụ thuộc vào độ lệch phóng đại của hệ số R².
Kết quả phân tích hồi qui bội (bảng 4.9) cho thấy R² điều chỉnh (Adjusted R Square) bằng 0.629, nghĩa là mức độ phù hợp của mơ hình là 62.9%. Bảng 4.9: Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .797a .635 .629 .58348 1.930
Kết quả nhận được từ bảng ANOVAb (bảng 4.10) cho thấy trị thống kê F với giá trị Sig. rất nhỏ (= 0.000 < 0.05) cho thấy sẽ an toàn bác bỏ giả thiết Ho. Như vậy, có thể kết luận rằng mơ hình hồi qui bội thỏa mãn các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Bảng 4.10: ANOVAb Model Model Sum of Squares Df Mean Square F Sig. 1 Regression 155.767 4 38.942 114.384 .000a Residual 89.538 263 .340 Total 245.305 267
Hiện tƣợng đa cộng tuyến
Đo lường đa cộng tuyến được thực hiện, kết quả cho thấy hệ số phóng đại phương sai (VIF) có giá trị từ 1.080 đến 1.409 (bảng Coefficientsa) đạt yêu cầu (VIF < 10). Vậy mơ hình hồi quy tuyến tính bội khơng có hiện tượng đa cộng tuyến, nghĩa là mối quan hệ giữa các biến độc lập khơng ảnh hưởng đến kết quả giải thích của mơ hình.
4.5.6. Phƣơng trình hồi qui tuyến tính bội
Với tập dữ liệu thu được trong phạm vi nghiên cứu của đề tài và dựa vào bảng kết quả hồi quy tuyến tính bội (bảng 4.8), phương trình hồi quy tuyến tính bội thể hiện các yếu tố ảnh hưởng đến sự hành vi tiêu dùng xe như sau:
HV = 0.392 + 0.134*DC + 0.569*CL + 0.111*MT + 0.117*CN
HV: hành vi tiêu dùng xe máy DC: yếu tố đẳng cấp
CL: yếu tố chất lượng MT: yếu tố môi trường CN: yếu tố cá nhân
4.5.7. Tóm tắt kết quả kiểm định các giả thuyết
Kết quả mơ hình hồi quy cho thấy yếu tố hành vi tiêu dùng xe chịu tác động dương của 4 nhân tố: đẳng cấp, chất lượng, môi trường và yếu tố cá nhân. Do đó, các giả thuyết H1, H2, H3, H4 được chấp nhận (trình bày trong mục 4.4). Trong đó, yếu tố ảnh hưởng lớn nhất đến sự hành vi tiêu dùng xe là yếu tố
chất lượng (CL) với hệ số hồi quy Beta chuẩn hóa là 0.618, thứ hai là yếu tố đẳng cấp với hệ số hồi quy Beta chuẩn hóa là 0.169, thứ ba là yếu tố môi trường với hệ số hồi quy Beta chuẩn hóa là 0.125 và cuối cùng là yếu tố cá nhân với hệ số hồi quy Beta chuẩn hóa là 0.108.
Bảng 4.11: Kết quả kiểm định các giả thuyết (mục 4.4)
Giả
Thuyết Tên giả thuyết Sig VIF Kết quả
H1 Yếu tố đẳng cấp tác động dương đến
hành vi tiêu dùng xe máy 0.000 1.233
Chấp nhận
H2 Yếu tố chất lượng tác động dương đến
hành vi tiêu dùng xe máy 0.000 1.409
Chấp nhận
H3
Yếu tố môi trường tác động dương đến
hành vi tiêu dùng xe máy 0.002 1.155
Chấp nhận
H4 Yếu tố cá nhân tác động dương đến
hành vi tiêu dùng xe máy 0.006 1.080
Chấp nhận
4.6. Phân tích sự khác biệt các biến định tính trong đánh giá hành vi tiêu dùng xe tiêu dùng xe
Phép kiểm định Independent-samples T-test, được sử dụng khi muốn so sánh hai giá trị trung bình của của hai nhóm tổng thể riêng biệt.
Phân tích phương sai Anova giúp ta so sánh trị trung bình của 3 nhóm trở lên. Kỹ thuật phân tích phương sai được dùng để kiểm định giả thuyết các tổng