2014
2.2. Phân tích tác động của mức độ hài lòng đến sự trung thành thƣơng hiệu
2.2.3. Kết quả mơ hình nghiên cứu
2.2.3.1. Kiểm định thang đo
Sử dụng hệ số tin cậy Cronbach’s Alpha
Trên thực tế, Cronbach’s Alpha không phải là một kiểm định mà chỉ là một hệ số cho phép đánh giá mức độ tin cậy của việc thiết lập một biến tổng hợp trên cơ sở nhiều biến đơn. Việc sử dụng hệ số Cronbach’s Alpha trong mơ hình là phù hợp, bởi vì các biến trong mơ hình là biến tổng được xây dựng từ các biến đơn. Ví dụ, biến sự hài lòng về dịch vụ (DV) được hình thành từ các biến đơn DV_1, DV_2, DV_3, DV_4 và DV_5. Khi sử dụng hệ số Cronbach’s Alpha, tuỳ theo giá trị của hệ số mà xác định được mức độ phù hợp của thang đo. Theo Hair (1998), để đảm bảo cho độ tin cậy của thang đo, hệ số Cronbach’s Alpha cần lớn hơn hoặc bằng 0,6 ( ). Đồng thời, người viết cũng sử dụng chỉ số tương quan biến tổng (Corrected Item-Total Correlation) để loại các biến không cần thiết trong mỗi thang đo. Các biến có tương quan với biến tổng nhỏ hơn 0,3 (< 0,3) có thể loại khỏi thang đo. Các biến này cũng có thể bị loại khỏi mơ hình khi chỉ số “Cronbach's Alpha if Item Deleted” lớn hơn hệ số “Cronbach's Alpha” tổng (hệ số Cronbach's Alpha if Item Deleted cho biết khi loại bỏ biến ra khỏi mơ hình thì hệ số Cronbach's Alpha tổng sẽ thay đổi và chính bằng giá trị Cronbach's Alpha if Item Deleted của biến vừa loại khỏi mơ hình).
Kết quả phân tích độ tin cậy của các thang đo bằng phân tích Cronbach's Alpha được thể hiện cụ thể qua bảng 2.4. Trong đó, phần lớn các thang có hệ số Cronbach's Alpha 0,6 (trừ thang đo sự hài lòng về doanh nghiệp). Điều này đồng nghĩa với thang đo là phù hợp với số biến đang xét. Trên thực tế, đối với các thang đo có hệ số Cronbach's Alpha 0,6 thì cũng có hệ số tương quan biến tổng của các biến đều lớn hơn 0,3 và hệ số Cronbach's Alpha if Item Deleted của các biến trong thanh đo đều nhỏ hơn hệ số Cronbach's Alpha tổng (Phụ lục 2). Như vậy tất cả các thang đo (ngoại trừ thang đo sự hài lòng về doanh nghiệp) là phù hơp và được chấp nhận trong mơ hình.
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Bảng 2.4. Bảng phân tích Cronbach's Alpha của các thang đo
Thang đo Số lƣợng
biến
Hệ số Cronbach's
Alpha Kết luận
Sự hài lòng về dịch vụ 5 0,926 Thang đo phù hợp
với 5 biến
Sự hài lòng về nhân viên 4 0,916 Thang đo phù hợp với 4 biến
Sự hài lòng về kênh phân
phối 3 0,846
Thang đo phù hợp với 3 biến
Sự hài lòng về doanh nghiệp 4 0,471 Thang đo không phù hợp với 4 biến Sự hài lịng về hình ảnh và
mơi trường 4 0,835 Thang đo phù hợp với 5 biến
Trung thành thái độ 5 0,872 Thang đo phù hợp
với 5 biến
Hành vi phàn nàn 6 0.890 Thang đo phù hợp
với 6 biến
Xu hướng trung thành 3 0,746 Thang đo phù hợp
với 3 biến Từ chối sản phẩm cạnh
tranh 5 0,867
Thang đo phù hợp với 5 biến
Thang đo sự hài lịng về doanh nghiệp có hệ số Cronbach's Alpha = 0,471 < 0,6. Điều này thể hiện thang đo chưa phù hợp với 4 biến đang xét. Vì vậy, người viết sẽ xem xét thang đo này để loại bỏ đi các biến không phù hợp trong thang đo.
Kết quả phân tích độ phù hợp của các biến trong thang đo sự hài lòng về doanh nghiệp (bảng 2.5) cho thấy, biến DN_3 có tương quan biến tổng nhỏ hơn 0,3 và có hệ số Cronbach's Alpha if Item Deleted = 0,816 (lớn hơn hệ số Cronbach's Alpha tổng là 0,471). Điều này hàm ý rằng, biến DN _3 cần được loại khỏi thang đo. Sau khi loại biến DN_3, hệ số Cronbach's Alpha sẽ chính bằng hệ số Cronbach's Alpha if Item Deleted của biến DN_3 trong thang đo cũ (bằng 0,816). Như vậy, thang đo sự hài lịng về doanh nghiệp hồn tồn phù hợp với 3 biến là DN_1, DN_2 và DN_4. Sau khi được điều chỉnh, thang đo sự hài lòng về doanh nghiệp được chấp nhận trong mơ hình.
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Bảng 2.5. Phân tích độ phù hợp của các biến trong thang đo sự hài lòng về doanh nghiệp Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Cronbach's Alpha if Item Deleted DN_1 9,06 3,775 0,379 0,336 DN_2 9,09 3,236 0,596 0,157 DN_3 9,41 3,396 0,002 0,816 DN_4 9,19 3,500 0,414 0,291
Sử dụng phân tích khám phá nhân tố EFA
Sau khi sử dụng hệ số Cronbach's Alpha, để xác định mức độ phù hợp của các thang đo, người tiếp tiếp tục sử dụng phân tích EFA. Phân tích EFA dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair, 1998). Điều này hàm ý rằng, phân tích EFA giúp mơ hình loại bỏ đi các biến khơng cần thiết. Trong phân tích EFA, người viết sẽ sử dụng kiểm định KMO (Kaiser-Meyer-Olkin) và Bartlett để xác định việc phân tích nhân tố có phù hợp với bộ dữ liệu không. Giá trị KMO > 0,5 là đủ điều kiện tiến hành phân tích khám phá nhân tố. Tiếp theo người viết sẽ sử dụng đến giá trị tổng phương sai trích (Cumulative cho biết phân tích nhân tố giải thích được bao nhiêu phần trăm) và giá trị Eigenvalues (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) để đánh giá sự phù hợp của các biến. Các nhân tố chỉ phù hợp khi Eigenvalues > 1 và tổng phương sai trích 50% (Hồ Chí Dũng, 2013). Cuối cùng, người viết sử dụng ma trận nhân tố (Component Matrix) để xem xét mối tương quan giữa các nhân tố và các biến và từ đó loại bỏ đi các biến có tương quan thấp. Ma trận nhân tố chứa các hệ số Factor Loading biểu thị tương quan giữa các nhân tố và các biến. Các hệ số Factor Loading > 0,5 là các hệ số phù hợp. Để cho ma trận nhân tố trở nên đơn giản hơn và tăng khả năng giải thích của các biến,
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
người viết tiến hành xoay ma trận qua phép xoay Quartimax nhằm tối thiểu hoá các nhân tố có hệ số lớn tại cùng một biến.
Phân tích khám phá nhân tố EFA đối với các biến về sự hài lòng của người tiêu dùng (biến độc lập):
Bảng 2.6. Kiểm định KMO và Bartlett cho dữ liệu về các biến độc lập
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,841
Bartlett's Test of Sphericity
Approx. Chi-Square 8282,397
df 190
Sig. 0,000
Kết quả kiểm định KMO cho thấy, hệ số KMO = 0,841 > 0,5. Giá trị này cho ta kết luận rằng, phân tích nhân tố hồn tồn phù hợp với dữ liệu nghiên cứu. Đồng thời, kết quả kiểm định Bartlett là 8282,397 với mức ý nghĩa Sig = 0,000 < 0,005 (bác bỏ giả thuyết H0: các biến quan sát khơng có tương quan với nhau trong tổng thể). Như vậy, cả kiểm định KMO và Bartlett đều chứng tỏ rằng, dữ liệu nghiên cứu về các nhân tố sự hài lịng của người tiêu dùng dùng để phân tích nhân tố là hồn tồn thích hợp.
Tiếp theo, người viết tiến hành phân tích hệ số Eigenvalues và tổng phương sai trích của các biến độc lập. Kết quả phân tích được thể hiện cụ thể qua bảng 2.7. Kết quả phân tích cho thấy, giá trị tổng phương sai trích là 76,485% > 50%. Như vậy, các nhân tố về sự hài lòng của người tiêu dùng có thể giải thích được 76,485% sự biến thiên của dữ liệu. Đồng thời, giá trị Eigenvalues của năm nhân tố lớn hơn 1 (các giá trị Eigenvalues nhỏ hơn 1 khơng có ý nghĩa trong việc xác định các nhân tố trong mơ hình định lượng). Điều này chứng tỏ rằng, mơ hình có năm nhóm nhân tố của sự hài lịng có tác động đến sự trung thành thương hiệu của người tiêu dùng trong thị trường viễn thông di động Hà Nội. Kết quả này hoàn toàn phù hợp với số lượng các nhóm nhân tố của sự hài lòng tác động đến các nhân tố trung thành thương hiệu theo mơ hình lý thuyết.
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Bảng 2.7. Phân tích hệ số Eigenvalues và tổng phƣơng sai trích của các biến độc lập
Component
Initial Eigenvalues Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 9,284 46,420 46,420 9,284 46,420 46,420 6,926 34,631 34,631 2 1,856 9,279 55,700 1,856 9,279 55,700 3,360 16,800 51,431 3 1,714 8,568 64,268 1,714 8,568 64,268 2,178 10,891 62,322 4 1,386 6,932 71,200 1,386 6,932 71,200 1,739 8,697 71,019 5 1,057 5,285 76,485 1,057 5,285 76,485 1,093 5,466 76,485 6 0,854 4,268 80,752 7 0,649 3,246 83,999 8 0,549 2,744 86,743 9 0,469 2,344 89,087 10 0,393 1,966 91,053 11 0,341 1,704 92,757 12 0,280 1,398 94,156 13 0,232 1,162 95,318 14 0,202 1,011 96,329 15 0,189 0,947 97,276 16 0,158 0,791 98,066 17 0,144 0,720 98,787 18 0,091 0,454 99,240 19 0,082 0,410 99,651 20 0,070 0,349 100,000
Sau khi thực hiện phân tích hệ số Eigenvalues và tổng phương sai trích. Người viết sử dụng tiếp ma trận xoay. Ma trận xoay cho thấy, mơ hình có 6 nhân tố độc lập. Các nhân tố đều có các hệ số Factor Loading trên 0,5 ngoại trừ biến DN_3 có hệ số Factor Loading = 0,396 < 0,5. Kết quả này cho thấy rằng, cần phải loại biến DN_3 ra khỏi mơ hình. Trên thực tế, khi sử dụng hệ số tin cậy Cronbach's Alpha, kết quả cũng cho thấy phải loại biến DN_3.
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Bảng 2.8. Ma trận xoay của các biến độc lập
Nhân tố 1 2 3 4 5 DV_1 0,819 DV_2 0,808 DV_5 0,751 DV_3 0,688 DV_4 0,622 DN_3 0,396 NV_4 0,908 NV_3 0,888 NV_2 0,789 NV_1 0,786 HM_1 0,857 HM_3 0,621 HM_4 0,575 HM_4 0,543 PP_3 0,792 PP_1 0,777 PP_2 0,768 DN_2 0,818 DN_4 0,749 DN_1 0,672
Đồng thời, bảng ma trận xoay của các biến độc lập cho thấy, các hệ số Factor Loading được xếp vào năm nhóm nhân tố (là những nhân tố đã xác định khi sử dụng hệ số Eigenvalues). Mỗi nhóm nhân tố bao gồm các biến của từng thang đo. Như vậy, các biến trong mỗi thang đo hội tụ về nhóm nhân tố của mình bao gồm: - Nhóm nhân tố dịch vụ (DV) bao gồm 5 biến DV_1, DV_2, DV_3, DV_4 và
DV_5.
- Nhóm nhân tố nhân viên (NV) bao gồm 4 biến NV_1, NV_2, NV_3 và NV_4. - Nhóm nhân tố hình ảnh và mơi trường (HM) bao gồm 4 biến HM_1, HM _2, HM
_3 và HM _4.
- Nhóm nhân tố phân phối (PP) bao gồm 3 biến PP _1, PP _2 và PP _3. - Nhóm nhân tố doanh nghiệp (DN) bao gồm 3 biến DN_1, DN_2 và DN_4.
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Phân tích khám phá nhân tố EFA đối với các biến về sự trung thành thương hiệu của người tiêu dùng (các biến phụ thuộc):
Phân tích EFA đối với các biến phụ thuộc được thực hiện tương tự như đối với các biến độc lập. Quy trình thực hiện bao gồm: (1) kiểm định KMO và Bartlett, (2) sử dụng Eigenvalues và tổng phương sai trích, (3) sử dụng ma trận xoay.
Kết quả kiểm định KMO (bảng 3.1, phụ lục 3) cho thấy, hệ số KMO = 0,842 > 0,5. Điều này đồng nghĩa với kết luận: phân tích nhân tố phù hợp với dữ liệu nghiên cứu. Đồng thời kết quả kiểm định Bartlett là 6227,482 với mức ý nghĩa Sig = 0,000 < 0,005 (bác bỏ giả thuyết H0: các biến quan sát khơng có tương quan với nhau trong tổng thể). Như vậy, cả kiểm định KMO và kiểm định Bartlett đều chứng tỏ rằng, dữ liệu về sự trung thành thương hiệu được sử dụng trong mơ hình dùng để phân tích nhân tố là hồn tồn thích hợp.
Sau khi xác nhận tính phù hợp của dữ liệu về sự trung thành thương hiệu trong phân tích nhân tố, người viết sử dụng hệ số Eigenvalues và tổng phương sai trích của các biến phụ thuộc. Theo kết quả phân tích (bảng 3.3, phụ lục 3) chỉ ra rằng, giá trị tổng phương sai trích là 70,860% > 50%. Như vậy, các nhân tố về sự trung thành thương hiệu của người tiêu dùng có thể giải thích được 70,860% sự biến thiên của dữ liệu. Ngoài, giá trị Eigenvalues của bốn nhân tố lớn hơn 1. Điều này chứng tỏ rằng, mơ hình có bốn nhóm nhân tố của sự trung thành chịu tác động từ các nhóm nhân tố của sự hài lịng của người tiêu dùng trong thị trường viễn thơng di động Hà Nội. Kết quả này cũng hồn tồn phù hợp với bốn nhóm nhân tố của sự trung thành (trung thành thái độ, hành vi phàn nàn, xu hướng trung thành và từ chối sản phẩm cạnh tranh) chịu tác động từ các nhân tố của sự hài lịng theo mơ hình lý thuyết.
Sau khi xác nhận được tính hợp lý của dữ liệu của các biến phụ thuộc bằng phân tích hệ số Eigenvalues và tổng phương sai trích, người viết sử dụng tiếp ma trận xoay. Kết quả ma trận xoay (bảng 3.2, phụ lục 3) chỉ ra rằng, mơ hình có 4 nhân tố độc lập. Các nhân tố đều có các hệ số Factor Loading trên 0,5. Kết quả này cho thấy rằng, các biến phụ thuộc đơn lẻ đã hội tụ về 4 nhóm nhân tố, bao gồm:
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
nhóm nhân tố trung thành thái độ, nhóm nhân tố hành vi phàn nàn, nhóm nhân tố xu hướng trung thành và nhóm nhân tố từ chối sản phẩm cạnh tranh (Phụ lục 4). Đây là cơ sở quan trọng để thực hiện tạo biến phụ thuộc đại diện cho nhóm nhân tố
2.2.3.2. Kiểm định mơ hình và các giả thuyết nghiên cứu
Trong mơ hình nghiên cứu, người viết sử dụng phương pháp hồi quy tuyến tính bội để xem xét tác động của các nhóm nhân tố về sự hài lòng đến từng nhân tố về sự trung thành thương hiệu. Các nhân tố này được xác định bằng trung bình cộng của các biến trong thang đo đại diện cho nhân tố đó (Phụ lục 4).
Như vây, mơ hình có 5 biến độc lập, bao gồm: DV (nhân tố sự hài lòng về dịch vụ), NV (nhân tố sự hài lòng về nhân viên), PP (nhân tố sự hài lòng về kênh phân phối), DN (nhân tố sự hài lòng về doanh nghiệp), HM (nhân tố sự hài lòng về hình ảnh, mơi trường) và 5 biến phụ thuộc, bao gồm: thai_do (nhân tố trung thành thái độ), hanh_vi_phan_nan (nhân tố hành vi phàn nàn), xu_huong_trung_thanh (nhân tố xu hướng trung thành), tu_choi_sp_canh_tranh (nhân tố hành vi từ chối sản phẩm tranh), TT (nhân tố trung thành thương hiệu tổng thể).
Để kiểm định độ phù hợp của mơ hình tuyến tính, người viết sử dụng hệ số R2 điều chỉnh. Về nguyên tắc, R2 > 0,5 là chấp nhận được. Đồng thời, người viết sử dụng kiểm định F (trong phân tích phương sai ANOVA) để kiểm định độ phù hợp của mơ hình tổng thể và kiểm định t để kiểm định mức độ ý nghĩa của các hệ số của các biến độc lập. Đây là cơ sở của kiểm định các giả thuyết nghiên cứu của bài khoá luận tốt nghiệp từ H1 đến H20.
Để xem xét các khuyết tật mà mơ hình có thể mắc phải, người viết sử dụng đến giá trị thống kê d (Durbin Watson) để xem xét lỗi tự tương quan trong phần dư mà mơ hình có thể mắc phải. Nếu d = 2 thì mơ hình khơng có tự tương quan và nếu d = 4 hoặc d = 0 thì mơ hình sẽ lần lượt mắc tự tương quan hoàn hảo âm và dương. Ngoài ra để xem xét lỗi đa cộng tuyến trong mơ hình, người viết sử dụng hệ số
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
phóng đại phương sai VIF. Trường hợp VIF < 2 thì lỗi đa cộng tuyến là khơng đáng kể và có thể chấp nhận được.
Mơ hình tác động của các nhân tố về sự hài lòng đến trung thành thái độ của ngƣời tiêu dùng:
Bảng 2.9. Kết quả phân tích hồi quy tuyến tính bội – trung thành thái độ