1 2 3 4 5
Giá trị thương hiệu tổng thể (1) 1 .652** .503** .559** .326**
Nhận biết thương hiệu (2) .652** 1 .464** .506** .348**
Ham muốn thương hiệu (3) .503** .464** 1 .587** .526**
Chất lượng cảm nhận (4) .559** .506** .587** 1 .480**
Trung thành thương hiệu (5) .326** .348** .526** .480** 1 Ghi chú: **: Tương quan Speaman’s Rho có ý nghĩa thống kê ở mức 0.01, n = 395
Nguồn: Tác giả thu thập và tính tốn
Một phương pháp chung để đánh giá giá trị phân biệt là kiểm nghiệm ma trận tương quan cho các biến độc lập và biến phụ thuộc. Kết quả hệ số tương quan nhỏ hơn 0,85 chỉ ra rằng giá trị phân biệt có khả năng tồn tại giữa 2 biến (John và Benet-Martinez, 2000). Bảng 4.6 tóm tắt mối tương quan thống kê Spearman’s Rho giữa các biến được giải thích. Tất cả hệ số tương quan tuyệt đối giữa các biến dao động từ 0,326 đến 0,652, nghĩa là không vượt quá hệ số điều kiện 0,85. Điều đó chứng minh rằng giá trị phân biệt đã đạt được. Hay nói cách khác, các thang đo trong nghiên cứu này đã đo lường được các khái niệm nghiên cứu khác nhau.
Ma trận tương quan trong Bảng 4.6 cũng cho thấy 4 thành phần của giá trị thương hiệu có mối quan hệ đáng kể với nhau.
o Biến nhận biết thương hiệu tương quan cùng chiều với biến ham muốn thương hiệu (r=0.464, p<0.05)
o Biến nhận biết thương hiệu tương quan cùng chiều với biến chất lượng cảm nhận (r = 0.506; p<0.05).
o Biến nhận biết thương hiệu tương quan cùng chiều với biến trung thành thương hiệu (r = 0.348; p<0.05).
o Biến ham muốn thương hiệu tương quan cùng chiều với biến chất lượng
cảm nhận của người tiêu dùng (r = 0.587; p<0.05).
o Biến ham muốn thương hiệu tương quan cùng chiều với biến trung thành
thương hiệu của người tiêu dùng (r = 0.526; p<0.05).
o Biến chất lượng cảm nhận có tương quan cùng chiều với biến lịng trung
thành thương hiệu (r = 0.480; p<0,05). Một người tiêu dùng cảm nhận được chất lượng do một thương hiệu mang lại, người đó sẽ trung thành hơn với thương hiệu và ngược lại.
4.3.2. Phân tích hồi quy tuyến tính:
Hồi quy tuyến tính bội thường được dùng để kiểm định và giải thích lý thuyết nhân quả (Cooper và Schindler, 2003). Ngoài chức năng là một cơng cụ mơ tả, hồi quy tuyến tính bội cũng được sử dụng như một công cụ kết luận để kiểm định các giả thuyết và giá trị của tổng thể nghiên cứu (Ducan, 1996). Như vậy, đối với nghiên cứu này hồi quy tuyến tính bội là phương pháp thích hợp để kiểm định các giả thuyết nghiên cứu.
Mơ hình hồi quy tuyến tính bội:
Để kiểm định giả thuyết H1, H2, H3, H4 ta xét mơ hình hồi quy bội sau:
GTTH = β0 + β1NB + β2HM+ β3CL + β4TT + ei
Trong đó: βklà hệ số của phương trình hồi quy và ei là phần dư. Kết quả phân tích hồi quy bội MLR bằng SPSS trong bảng sau: