khá tốt
Lúc này việc đọc kết quả sẽ dựa vào bảng ma trận chưa xoay (Component Matrix)
Bảng 3.25. Kết quả EFA cho biến Quản trị quan hệ Biến quan sát Biến quan sát Nhân tố 1 RG1 0,893 RG2 0,889 RG3 0,878 RG4 0,813 RG5 0,743
Nguồn: Kết quả phân tích số liệu của nhóm tác giả
Dựa vào Bảng 3 25 kết quả EFA cho biến Quản trị quan hệ ta thấy các biến quan sát đều có hệ số tải nhân tố lớn hơn 0,5 và khơng có trường hợp biến cùng lúc tải lên cả hai nhân tố với hệ số tải gần nhau nên được giữ lại tồn bộ
3.3.4. Phân tích nhân tố khám phá EFA cho biến Hiệu quả hoạt động
Kiểm định KMO và Bartlett‘s
Kết quả phân tích nhân tố cho thấy chỉ số KMO là 0,688 > 0,5 điều này chứng tỏ dữ liệu để phân tích nhân tố hồn tồn thích hợp
Kết quả kiểm định Bartlett‘s là 468,806 với mức nghĩa Sig = 0,000 < 0,05 chứng tỏ các biến quan sát có tương quan với nhau và thỏa mãn điều kiện phân tích nhân tố
Eigenvalues và phương sai trích
Thực hiện phân tích nhân tố theo phép trích PCA (Principal Components Analysis) và phép quay Varimax Kết quả cho thấy 1 nhân tố gồm có 3 biến quan sát có giá trị hệ số Eigenvalues của nhân tố là 2,005 > 1 nên nhân tố này được giữ lại trong mơ hình phân tích Giá trị tổng phương sai trích bằng 66,840% > 50%: đạt yêu cầu
Ma trận nhân tố với phương pháp xoay Varimax
Ma trận nhân tố với phương pháp xoay Varimax: bảng ma trận xoay không xuất hiện do EFA chỉ trích được 1 nhân tố duy nhất từ các biến quan sát đưa vào bao gồm
FP1, FP2, FP3. Kết quả này là rất tốt do nó đồng nghĩa với việc thang đo nghiên cứu đã đảm bảo được tính đơn hướng các biến quan sát của biến ph thuộc hội t khá tốt
Lúc này việc đọc kết quả sẽ dựa vào bảng ma trận chưa xoay (Component Matrix).
Bảng 3.26. Kết quả EFA cho biến Quản trị quan hệ Biến quan sát Nhân tố 1 FP2 0,836 FP3 0,822 FP1 0,794
Nguồn: Kết quả phân tích số liệu của nhóm tác giả
Dựa vào Bảng 3 26 kết quả EFA cho biến Quản trị quan hệ ta thấy các biến quan sát đều có hệ số tải nhân tố lớn hơn 0,5 và khơng có trường hợp biến cùng lúc tải lên cả hai nhân tố với hệ số tải gần nhau nên được giữ lại tồn bộ
3.4. Phân tích nhân tố khẳng định CFA (Confirmatory Factor Analysis)
3.4.1. Đánh giá độ phù hợp của mơ hình (Model Fit)
Thực hiện kiểm định thang đo bằng phân tích nhân tố khẳng định (CFA) nhằm kiểm định mức độ phù hợp của mơ hình tính hội t tính phân biệt và sự tin cậy của mơ hình Mức độ phù hợp của mơ hình được phản ánh qua các chỉ tiêu Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); Chỉ số thích hợp so sánh (CFI - Comparative Fit Index); Chỉ số RMSEA (Root Mean Square Error Approximation) Nhóm tác giả s d ng các tiêu chí đánh giá mơ hình theo nghiên cứu của Hair và cộng sự (2010) trong đó CMIN/df ≤ 2 là tốt CMIN/df ≤ 5 là chấp nhận được; CFI ≥ 0 9 là tốt CFI ≥ 0,95 là rất tốt CFI ≥ 0,8 là chấp nhận được; GFI ≥ 0,9 là tốt GFI ≥ 0,95 là rất tốt; RMSEA ≤ 0,08 là tốt RMSEA ≤ 0,03 là rất tốt Kết quả phân tích CFA được trình bày trong bảng 3 27 như sau:
Bảng 3.27. Kết quả đánh giá độ phù hợp của mơ hình Chỉ số Giá trị Kết quả CMIN 2146,079 df 633 CMIN/df 3,390 Chấp nhận được CFI 0,905 Tốt
GFI 0,848 Không thỏa mãn
RMSEA 0,060 Tốt
Nguồn: Kết quả phân tích số liệu của nhóm tác giả
Dựa vào Bảng 3 27 kết quả đánh giá độ phù hợp của mơ hình (Model Fit) cho thấy các chỉ số CMIN/df CFI RMSEA đều thỏa mãn các tiêu chí theo nghiên cứu của Hair và cộng sự (2010) Chỉ số GFI = 0,848 không đạt ngưỡng 0,9 Tuy nhiên chỉ số này ph thuộc rất nhiều vào số thang đo số biến quan sát và cỡ mẫu Chính vì vậy nếu giá trị GFI nằm trong khoảng từ 0,8 đến 0,9 thì vẫn được chấp nhận theo 2 cơng trình nghiên cứu của Baumgartner và Homburg (1995) và nghiên cứu của Doll Xia và Torkzadeh (1994) Do đó sau khi kiểm định nhóm tác giả có kết luận mơ hình là phù hợp
Từ kết quả phân tích EFA ta có 38 nhân tố chính thức được s d ng trong mơ hình nghiên cứu như trên hình Kết quả phân tích CFA được trình bày trong hình 3 1
Hình 3.1. Kết quả phân tích nhân tố khẳng định CFA
3.4.2. Đánh giá độ tin cậy của thang đo
Bảng 3.28. Kết quả độ tin cậy tổng hợp và tổng phƣơng sai rút trích của các nhân tố
FP FC SCA CSR DS RG CLS IC
CR 0,753 0,931 0,888 0,886 0,890 0,898 0,844 0,862
AVE 0,505 0,774 0,572 0,609 0,623 0,642 0,521 0,614
Nguồn: Kết quả tổng hợp của nhóm tác giả
Độ tin cậy thang đo được đánh giá thông qua 3 chỉ số: Độ tin cậy tổng hợp (CR) tổng phương sai rút trích (AVE) và hệ số Cronbach‘s Alpha Thang đo được đánh giá là đáng tin cậy khi độ tin cậy tổng hợp có nghĩa khi có giá trị ≥ 0,7 và tổng phương sai rút trích có nghĩa khi có giá trị ≥ 0,5 (Hair và cộng sự 2010)
Nhóm tác giả đã đề cập hệ số Cronbach‘s Alpha ở phần 3 2 và thu được kết quả có độ tin cậy cao nên trong phần này chúng tôi xin đề cập đến hai chỉ số khác là độ tin cậy tổng hợp (CR) và tổng phương sai rút trích (AVE) để tiến hành loại bỏ các thang đo có độ tin cậy thấp
Dựa vào Bảng 3 28 kết quả độ tin cậy tổng hợp và tổng phương sai rút trích của các nhân tố ta thấy các thang đo được s d ng trong nghiên cứu đều có độ tin cậy tổng hợp (CR) ≥ 0,7 và tổng phương sai rút trích (AVE) ≥ 0,5 nên đạt độ tin cậy Vì vậy toàn bộ các biến được giữ lại để thực hiện các phân tích tiếp theo
3.4.3. Kiểm định giá trị hội tụ
Thang đo được xem là đạt giá trị hội t khi các trọng số chuẩn hóa của các thang đo lớn hơn 0,5 và có nghĩa thống kê (Gerbring và Anderson 1988; Hair và cộng sự 1992) Fornell và Larcker (1981) cho rằng để nhân tố đạt giá trị hội t thì tổng phương sai rút trích (AVE) đạt từ khoảng 0,5 trở lên
Ý nghĩa của các biến giải thích cho từng nhân tố được thể hiện qua bảng trọng số chưa chuẩn hóa trong đó giá trị P-Value của các biến giải thích của từng nhân tố trong mơ hình đều có giá trị xấp xỉ bằng 0 (nhỏ hơn mức nghĩa 0,05) Vì vậy đảm bảo nghĩa của các biến giải thích trong mơ hình
Theo kết quả phân tích tại Ph l c 3 cho thấy tất cả các hệ số đã chuẩn hóa và chưa chuẩn hóa đều lớn hơn 0,5; đồng thời các giá trị AVE đều lớn hơn 0,5 nên có thể kết luận các nhân tố đạt giá trị hội t
3.4.4. Giá trị phân biệt
Giá trị phân biệt được đánh giá qua những tiêu chí sau:
- So sánh giá trị căn bậc 2 của AVE với các hệ số tương quan của một nhân tố với các nhân tố còn lại
Đánh giá hệ số tương quan giữa các nhân tố
Mỗi giá trị p-value trong ph l c 3 là một cặp giả thuyết sau:
H0: Hệ số tương quan giữa 2 nhân tố bằng 1 H1: Hệ số tương quan giữa 2 nhân tố khác 1
Theo kết quả đánh giá hệ số tương quan giữa các nhân tố ở Ph l c 3 cho thấy giá trị p-value ở mỗi cặp giả thuyết đều bé hơn 0 05 nên bác bỏ H0 hay hệ số tương quan giữa các nhân tố khác 1 Nói cách khác các nhân tố phân biệt với nhau
So sánh giá trị căn bậc 2 của AVE với các hệ số tương quan
Theo kết quả ở Ph l c 3 giá trị căn bậc 2 của AVE đều lớn hơn giá trị tuyệt đối của hệ số tương quan giữa nó với các nhân tố khác nên tiêu chí đánh giá giá trị phân biệt là thỏa mãn Nói cách khác các nhân tố khác nhau thực sự phân biệt với nhau.
3.5. Mơ hình phƣơng trình cấu trúc tuyến tính SEM (Structural Equation Modeling) Modeling)
Mơ hình cấu trúc tuyến tính (SEM) là kỹ thuật phân tích đa biến thế hệ thứ hai mạnh mẽ và có ảnh hưởng nhất được s d ng để kiểm định các mối quan hệ cấu trúc (Hair và cộng sự 2014) SEM bao gồm một loạt các phương pháp thống kê ví d như phân tích nhân tố phân tích hồi quy hoặc phân tích đường dẫn và phân tích phân biệt cho phép các nhà nghiên cứu kiểm tra mối quan hệ cấu trúc giữa các biến quan sát và biến tiềm ẩn (Chin và Marcoulides 1998) Kỹ thuật SEM có lợi so với các kỹ thuật phân tích đa biến thế hệ đầu về hiệu quả và tiện lợi (Malhotra và cộng sự 2006; Richter và cộng sự 2015) Kỹ thuật này đã đạt được sự phổ biến rộng rãi trong nghiên cứu khoa học hành vi và xã hội (Cheah và cộng sự 2019; Hair và cộng sự 2016)
3.5.1. Đánh giá độ phù hợp của mơ hình (model fit)
Sau khi thực hiện phân tích nhân tố khẳng định để kiểm tra sự phù hợp của mơ hình nhóm nghiên cứu đã đưa toàn bộ các biến quan sát cũng như biến tiềm ẩn đã được kiểm định ở trên vào phân tích mơ hình cấu trúc tuyến tính và kiểm định các giả thuyết Kết quả được thể hiện trong hình dưới đây:
Hình 3.2. Mơ hình phƣơng trình cấu trúc tuyến tính SEM
Nguồn: Tính tốn của nhóm tác giả
Bảng 3.29. Kết quả chỉ tiêu phù hợp mơ hình cấu trúc tuyến tính
Chỉ số Giá trị Kết quả CMIN 2239,165 -- DF 644 -- CMIN/DF 3,477 Chấp nhận được GFI 0,839 Chấp nhận được AGFI 0,815 Tốt CFI 0,900 Chấp nhận được SRMR 0,091 Tốt RMSEA 0,061 Chấp nhận được PClose 0,00 Có nghĩa
Theo kết quả tại bảng 3 29 chúng ta nhận thấy các chỉ số CMIN = 2239 165; CFI = 0 90 ≤ 0 9; CMIN/df = 3 477 ≤ 5 và RMSEA = 0 061 Do vậy kết quả tính tốn được cho thấy các chỉ số của mơ hình đều thỏa mãn mơ hình được chấp nhận với dữ liệu nghiên cứu Dựa trên đánh giá của Hu và Bantler (1999) ta thấy mơ hình phù hợp với dữ liệu nghiên cứu
3.5.2. Kiểm định ý nghĩa của các hệ số hồi quy trong mơ hình
Kiểm định ý nghĩa của các hệ số hồi quy trong mơ hình với biến phụ thuộc là SCA
Các giá trị p tương ứng với mỗi biến giúp ta kiểm định từng cặp giả thuyết sau: - H0: Hệ số hồi quy của biến đó bằng 0
- H1: Hệ số hồi quy của biến đó khác 0
Như vậy nếu sig < 0 1 ta bác bỏ H0 khi đó biến đó thực sự có nghĩa thống kê Ngược lại sig > 0 1 ta chấp nhận H0 - Kết luận biến đó khơng có nghĩa thống kê
Như vậy nhìn vào Bảng 3 30 cho thấy các biến FC CSR IC DS thực sự có nghĩa thống kê trong khi biến CLS (Chiến lược dẫn đạo về chi phí) lại khơng có nghĩa tức khơng có quan hệ nhân quả giữa các biến ph thuộc SCA (Lợi thế cạnh tranh bền vững
Kiểm định ý nghĩa của các hệ số hồi quy trong mơ hình với biến phụ thuộc là FP
Các giá trị p tương ứng với mỗi biến giúp ta kiểm định từng cặp giả thuyết sau: - H0: Hệ số hồi quy của biến đó bằng 0
- H1: Hệ số hồi quy của biến đó khác 0
Như vậy nếu sig < 0 1 ta bác bỏ H0 khi đó biến đó thực sự có nghĩa thống kê Ngược lại sig > 0 1 ta chấp nhận H0
Kết cho thấy RG và SCA đều có nghĩa thống kê có mối quan hệ nhân quả với biến ph thuộc FP (Hiệu quả hoạt động doanh nghiệp)
Từ kết quả nghiên cứu chấp nhận 7 giả thuyết gồm H1, H2, H3, H5, H6, H7 và bác bỏ giả thuyết H4.
Bảng 3.30. Kết quả phân tích mơ hình cấu trúc tuyến tính SEM
Mối quan hệ
giữa các nhân tố Hypothesis Estimate S.E. C.R. P
Standardized Estimate Decision SCA <-- FC H1 0,445 0,078 5,707 *** 0,361 supported SCA <-- CSR H2 0,199 0,042 4,754 *** 0,213 supported SCA <-- DS H3 0,258 0,60 4,301 *** 0,194 supported SCA <-- CLS H4 0,041 0,057 0,724 0,469 0,031 unsupported SCA <-- IC H5 0,494 0,121 4,094 *** 0,268 supported FP <-- SCA H6 0,049 0,027 1,823 0,068 0,085 supported FP <-- RG H7 0,078 0,024 3,211 0,001 0,149 supported Nguồn: Nhóm tác giả tổng hợp
3.5.3. Đánh giá quan hệ giữa các biến trong mơ hình
Thứ nhất, đánh giá quan hệ giữa các biến ảnh hưởng đến biến phụ thuộc SCA Dựa và kết quả Bảng 3.30 ta thấy rằng nhân tố có tác động mạnh nhất đến SCA
(Lợi thế cạnh tranh bền vững) là nhân tố FC (khả năng tài chính) với hệ số hồi quy chuẩn là 0 361 và mức ảnh hưởng của các nhân tố còn lại theo thứ tự lần lượt là Khả năng đổi mới Trách nhiệm xã hội của doanh nghiệp Khác biệt hóa sản phẩm (0 268> 0 213> 0 194) Trong khi đó nhân tố chiến lược dẫn đạo về chi phí dường như khơng có tác động đến lợi thế cạnh tranh bền vững khi có hệ số hồi quy chuẩn gần 0 và giá trị p-value > 0,1.
Dưới đây là thứ tự mức độ ảnh hưởng của các nhân tố có trong mơ hình nghiên cứu chính thức sau khi đánh giá quan hệ giữa các biến đối với biến ph thuộc SCA:
1. Khả năng tài chính (FP) 2. Khả năng đổi mới (IC)
3. Trách nhiệm xã hội của doanh nghiệp (CSR) 4. Khác biệt hóa sản phẩm (DS)
Căn cứ vào dấu của hệ số hồi quy của 5 nhân tố trên là dương ta có thể biết rằng các các biến độc lập (FP IC CSR DS) tác động lên biến ph thuộc (SCA) theo chiều thuận tức cả 4 nhân tố đều tác động tích cực đến lợi thế cạnh tranh bền vững của Doanh nghiệp
Thứ hai, đánh giá quan hệ giữa các biến ảnh hưởng đến biến phụ thuộc SCA Từ bảng kết quả có thể thấy nhân tố RG (Quản trị quan hệ) so với SCA (Lợi thế
cạnh tranh bền vững) có tác động mạnh hơn trong mối quan hệ với FP (Hiệu quả hoạt động doanh nghiệp) (0,149> 0,085).
Dưới đây là thứ tự mức độ ảnh hưởng của các nhân tố có trong mơ hình nghiên cứu chính thức sau khi đánh giá quan hệ giữa các biến đối với biến ph thuộc FP:
1. Quản trị quan hệ (RG)
2. Lợi thế cạnh tranh bền vững (SCA)
Căn cứ vào dấu của hệ số hồi quy của 2 nhân tố trên là dương ta có thể biết rằng các hai biến độc lập (RG SCA) tác động lên biến ph thuộc (FP) theo chiều thuận tức cả 2 nhân tố đều tác động tích cực đến hiệu quả hoạt động của Doanh nghiệp
3.5.4. Kiểm định độ tin cậy của mơ hình bằng phương pháp Bootstrap
Nhóm nghiên cứu tiến hành kiểm định Bootstrap để kiểm tra lại mơ hình, Mơ hình cuối cùng hay các mơ hình phù hợp khác cần có bộ dữ liệu độc lập với nhau, cỡ mẫu phải khá lớn (Phạm Đức Kỳ và Bùi Nguyên Hùng, 2007). Bootstrap là phương pháp lấy mẫu lại trong đó mẫu ban đầu đóng vai trị là mẫu đám đơng (Schumacker và Lomax 1996) dùng để ước lượng các tham số mơ hình. Kết quả ước lượng từ các mẫu được tính trung bình. Khoảng chênh lệch giữa ước lượng mơ hình ban đầu và giá trị trung bình bằng phương pháp Bootstrap càng nhỏ thì kết luận các ước lượng mơ hình có thể tin cậy được.
Bằng cách so sánh giá trị C.R (Critical Ratios = Bias/SE-Bias) với 1,96 (do 1,96 là giá trị của phân phối chuẩn ở mức 0.9750 nghĩa là 2.5% một phía, 2 phía sẽ là 5%). Cột P <5% thì kết luận là giả thuyết Bias khác 0 có nghĩa thống kê. Do giả thuyết H0 : Bias =0, Ha: Bias <>0. Nếu giá trị C.R này > 1.96 thì suy ra p-value < 5%, chấp nhập Ha, kết luận độ lệch khác 0 có nghĩa thống kê ở mức tin cậy 95%. Còn nếu C.R < 1.96 , suy ra p-value > 5%, bác bỏ Ha, chấp nhận H0, kết luận độ lệch khác 0 khơng có nghĩa thống kê ở mức tin cậy 95% và như thế ta kết luận được mơ hình ước lượng có thể tin cậy được Thơng thường đây là kết quả mong đợi khi phân tích SEM.
Dựa vào cơ sở trên, nhóm nghiên cứu tiến hành kiểm định Bootstrap để kiểm