CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
4.2. Phân tích thang đo
4.2.1. Thang đo các yếu tố ảnh hưởng đến quyết định lựa chọn NCC
4.2.1.1. Độ tin cậy Cronbach Alpha
Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu. Các biến quan sát có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và thang đo được chọn khi hệ số Cronbach’s Alpha từ 0.6 trở lên. (Nunnally và Burnstein, 1994).
Thang đo chi phí mua hàng (CP) có hệ số tin cậy Cronbach alpha là 0.836
đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang đo này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào cho phân tích nhân tố khám phá EFA.
Thang đo chất lượng sản phẩm (CL) có hệ số tin cậy Cronbach alpha là 0.864 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến
đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Thang đo phân phối tin cậy (PP) có hệ số tin cậy Cronbach alpha là 0.906
khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Thang đo dịch vụ hỗ trợ kỹ thuật (DV) có hệ số tin cậy Cronbach alpha
là 0.839 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Thang đo hợp tác và l iên kết (HT) có hệ số tin cậy Cronbach alpha là 0.806 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Thang đo tình hình tài chính (TC) có hệ số tin cậy Cronbach alpha là 0.813 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Bảng 4.2: Phân tích Cronbach alpha của các biến độc lập
Biến Quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s alpha nếu loại biến Thang đo chi phí mua hàng _Cronbach Alpha = 0.836
CP1 7.1494 2.625 .667 .809
CP2 7.1609 2.957 .633 .833
CP3 7.0805 2.664 .807 .670
Thang đo chất lượng sản phẩm _Cronbach Alpha = 0.864
CL1 7.4425 1.624 .777 .776
CL2 7.5575 1.589 .738 .815
CL3 7.5517 1.798 .715 .834
Thang đo phân phối tin cậy _Cronbach Alpha = 0.906
PP1 7.0747 2.752 .842 .841
PP2 7.1667 2.729 .767 .905
PP3 7.0805 2.710 .830 .850
Thang đo dịch vụ hỗ trợ kỹ thuật _Cronbach Alpha = 0.839
DV1 8.1724 1.589 .713 .769
DV2 8.2529 1.832 .728 .760
DV3 8.1954 1.719 .678 .802
Thang đo hợp tác và liên kết _Cronbach Alpha = 0.806
HT1 10.2529 4.572 .734 .708
HT2 10.2529 4.236 .772 .682
HT3 10.3391 4.642 .637 .749
HT4 10.5000 4.991 .401 .872
TC1 7.0920 2.315 .710 .694
TC2 7.0517 2.442 .649 .757
TC3 7.1437 2.390 .632 .776
4.2.1.2. Phân tích nhân tố EFA
Mục đích của phân tích nhân tố khám phá là để thu nhỏ và gom các biến lại nhằm đạt được giá trị hội tụ của các biến quan sát theo từng nhân tố và giá trị phân biệt giữa các nhân tố. Điều kiện cần và đủ để áp dụng phân tích nhân tố là khi kiểm định Bartlett (Bartlett’s test of sphericity) với sig. ≤ 0.05 và chỉ số KMO ≥ 0.5.
Trong phân tích nhân tố phương pháp Principal components analysis đi cùng với phép xoay varimax thường được sử dụng. Sau khi xoay các nhân tố, hệ số tải nhân tố ≥ 1.5 được xem là có ý nghĩa thực tiễn. Tổng phương sai trích phải ≥ 50%. Trị số
Eigenvalues phải lớn hơn 1. Những nhân tố có Eigenvalues nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Ngoài ra, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003).
4.2.2 Phân tích nhân tố khám phá EFA
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 8a, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.800 > 0.5 đều đáp ứng được yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã trích được 6 nhân tố từ 19 biến quan sát với tổng phương sai trích là 77.269% (> 50%) đạt yêu cầu (bảng số 8b, phụ lục 5). Dựa trên phân tích của bảng ma trận xoay nhân tố (bảng số 8c, phụ lục 5), biến HT3, HT4 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 các này tạo ra việc trích nhân tố giả. Vì vậy, phân tích nhân tố sẽ được tiến hành lần thứ hai với việc loại ra các biến này.
• Kết quả phân tích nhân tố lần thứ hai:
Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's (bảng số 9a, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.772 > 0.5 đều đáp ứng được yêu cầu.
Bảng 4.3: Kiểm định KMO và Bartlett của các biến độc lập
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .772 Bartlett's Test of Sphericity Approx. Chi-Square
Df Sig.
1722.264 136
.000
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố khám phá EFA đã trích được 6 nhân tố với tổng phương sai trích là 80.678% (> 50%) đạt yêu cầu (bảng số 9b, phụ lục 5).
Kết quả xoay ma trận nhân tố 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: Kết quả phân tích phương sai tổng thể của biến độc lập
Rotated Component Matrixa Component
Phân phối Chất lượng Dịch vụ Chi phí Tài chính Hợp tác
PP3 .910 PP1 .895 PP2 .763 CL1 .881 CL3 .822 CL2 .794 DV1 .869 DV2 .847 DV3 .833 CP3 .848 CP1 .830 CP2 .761 TC1 .869 TC2 .822 TC3 .818 . HT2 .930 HT1 .917
Dựa trên phân tích của bảng ma trận xoay nhân tố tại bảng 4.4, sáu nhân tố được rút trích từ 17 biến quan sát. Lệnh Transform/compute variable được sử dụng để nhóm các biến đạt yêu cầu với hệ số tải nhân tố > 0.5 thành 6 nhân tố, các nhân tố này được đặt tên cụ thể như sau:
Nhân tố thứ nhất: thành phần phân phối (PP) được nhóm từ trung bình của 3 biến quan sát: PP1, PP2, PP3.
Nhân tố thứ hai: thành phần chất lượng (CL) được nhóm từ trung bình của 3 biến quan sát: CL1, CL2, CL3.
Nhân tố thứ ba: thành phần dịch vụ hỗ trợ kỹ thuật (DV) được nhóm từ trung bình của 3 biến quan sát: DV1, DV2, DV3.
Nhân tố thứ tư: thành phần chi phí (CP) được nhóm từ trung bình của 3 biến quan sát: CP1, CP2, CP3.
Nhân tố thứ năm: thành phần tình hình tài chính (TC) được nhóm từ trung bình của 3 biến quan sát: TC1, TC2, TC3.
Nhân tố thứ sáu: thành phần hợp tác và liên kết (HT) được nhóm từ trung
bình của 2 biến quan sát: HT1, HT2.
4.2.3. Thang đo yếu tố quyết định lựa chọn NCC
4.2.3.1. Độ tin cậy Cronbach Alpha
Thang đo yếu tố quyết định lựa chọn NCC (LC) có hệ số tin cậy Cronbach alpha là 0.767 khá cao so với mức đạt yêu cầu. Các hệ số tương quan biến tổng của các biến đo lường nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3). Do vậy, thang này đạt yêu cầu và các biến quan sát của thang đo này được đưa vào phân tích nhân tố khám phá EFA.
Bảng 4.5: Kết quả phân tích nhân tố các thang đo thành phần sau khi xoay
Biến Quan
sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến tổng
Cronbach’s alpha nếu loại biến
Thang đo yếu tố quyết định lựa chọn NCC_Cronbach Alpha = 0.767
LC1 7.0977 1.511 .559 .744
LC2 7.2356 1.615 .658 .625
LC3 7.2529 1.716 .594 .695
4.2.3.2. Phân tích nhân tố khám phá EFA
Thang đo yếu tố quyế t định lựa c họn NCC gồm 3 biến quan sát, sau khi đạt độ tin cậy bằng phân tích hệ số Cronbach alpha được sử dụng để phân tích nhân tố khám phá.
Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett's với sig = 0.000 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau đạt yêu cầu. Chỉ số KMO = 0.684 > 0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Bảng 4.6: Kiểm định KMO và Bartlett của biến phụ thuộc
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Df
Sig.
.684
Bartlett's Test of Sphericity 139.886
3
.000
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã rút trích được 1 nhân tố từ 3 biến quan sát với phương sai trích là 68.719% ( > 50%) đạt yêu cầu.
Bảng 4.7: Kết quả phân tích phương sai tổng thể của biến phụ thuộc
Compo nent
Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.062 68.719 68.719 2.062 68.719 68.719
2 .546 18.208 86.927
3 .392 13.073 100.000
Extraction Method: Principal Component Analysis.
Tất cả các hệ số tải nhân tố của các biến đo lường thành phần này đều lớn hớn 0.5 đạt yêu cầu.
Bảng 4.8: Kết quả phân tích nhân tố biến phụ thuộc
Biến quan sát Nhân tố
1
LC2 .864
LC3 .826
LC1 .795
Như vậy, dựa vào các kết quả phân tích nhân tố khám phá EFA trên cho thấy các thang đo yếu tố quyết định lựa chọn NCC và sáu nhân tố tác động đến đến quyết định lựa chọn NCC đều đạt giá trị hội tụ, hay các biến quan sát đại diện được cho các khái niệm cần đo. Lệnh Transform/ Compute Variable được sử dụng để nhóm ba biến LC1, LC2, LC3 thành biến quyết định lựa chọn NCC ký hiệu là (LC).
Bảng 4.9: Thống kê mơ tả biến Chi phí mua hàng
STT Mã hóa Diễn giải
Thành phần phân phối (PP) N h ân tố 1 PP1 NCC giao hàng đúng hẹn PP2 NCC giao hàng đúng số lượng
PP3 NCC có sự phân phối linh hoạt khi có sự thay đổi yêu cầu sản phẩm
Thành phần chất lượng sản phẩm (CL) N h ân tố 2
CL1 Nguyên phụ liệu giao đến nhà máy khơng có sản phẩm lỗi
CL2 Nguyên phụ liệu giao đến nhà máy khơng có sản phẩm bị trả lại
CL3 NCC có hệ thống đánh giá chất lượng nguyên phụ liệu đáng tin cậy Thành phần dịch vụ hỗ trợ kỹ thuật (DV) N h ân tố 3
DV1 NCC có trách nhiệm thay thế sản phẩm hư hỏng
DV2 NCC cập nhật thông tin sản phẩm mới và tư vấn kỹ thuật miễn phí
DV3 NCC xử lý khiếu nại cho khách hàng trong thời gian sớm nhất
Thành phần chi phí (CP) N h ân tố 4
CP1 Giá nguyên phụ liệu thấp nhất
CP2 Chi phí vận chuyển giao đến nhà máy là thấp nhất
CP3 Chi phí đặt hàng thấp nhất Thành phần tình hình tài chính (TC) N h ân tố 5
TC1 NCC có thơng tin rõ ràng về vốn, tài sản và nợ
TC2 NCC có thơng tin rõ ràng về lợi nhuận hàng năm
TC3 NCC có thơng tin rõ ràng về dịng tiền đầu tư phát triển
N
h
ân
tố
6
HT1 NCC tìm kiếm người mua nguyên phụ liệu để hợp tác chiến lược lâu dài
HT2 NCC tìm kiếm người mua nguyên phụ liệu để hợp tác chiến lược lâu dài
Yếu tố quyết định lựa chọn NCC (LC)
N h ân tố L C
LC1 Doanh nghiệp dự định tiếp tục sử dụng NCC đang sử dụng
LC2 NCC đang sử dụng là sự lựa chọn đầu tiên của doanh nghiệp khi lựa chọn NCC
LC3 Doanh nghiệp sẽ giới thiệu NCC đang sử dụng với các khách hàng khác
4.3. Hiệu chỉnh mơ hình nghiên cứu và các giả thuyết
Kết quả phân tích nhân tố rút trích được 6 nhân tố ảnh hưởng đến quyết định lựa chọn NCC tác động đến quyết định lựa chọn NCC giống như mơ hình lý thuyết ban đầu (chương …). Vì vậy, mơ hình lý thuyết ban đầu và các giả thuyết đặt ra được giữ nguyên.
4.4. Phân tích tương quan và hồi quy tuyến tính 4.4.1. Xác định biến độc lập, biến phụ thuộc
Căn cứ vào mơ hình nghiên cứu lý thuyết, ta có phương trình hồi quy tuyến tính bội diễn tả các nhân tố ảnh hưởng đến lựa chọn NCC là:
LC = β0 + β1*PP + β2*CL + β3*DV + β4*CP + β5*TC + β6*HT Các biến độc lập (Xi): (PP) thành phần phân phối, (CL) thành phần chất lượng sản phẩm, (DV) thành phần dịch vụ hỗ trợ kỹ thuật, (CP) thành phần chi phí, (TC) thành phần tình hình tài chính
(HT) thành phần hợp tác và liên kết.
Biến phụ thuộc (Y): (LC) Yếu tố quyết định lựa chọn NCC βk là hệ số hồi quy riêng phần (k=0…6)
4.4.2. Phân tích tương quan
Dựa vào bảng 4.10 ta có thể thấy hệ số tương quan giữa thành phần lựa chọn NCC (LC) với 6 biến độc lập cao (thấp nhất là 0.383). Sơ bộ ta có thể kết luận sáu biến độc lập PP, CL, DV, CP, TC, HT có thể đưa vào mơ hình để giải thích cho biến LC. Nhưng hệ số tương quan giữa các biến độc lập cũng 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 4.10: Thống kê mô tả biến Chất lượng sản phẩm
PP CL DV CP TC HT LC PP Pearson Correlation Sig. (2-tailed) 1 .410** .172* .414** .219** .401** .607** .000 .023 .000 .004 .000 .000 CL Pearson Correlation Sig. (2-tailed) .410** 1 .341** .427** .313** .160* .571** .000 .000 .000 .000 .035 .000 DV Pearson Correlation Sig. (2-tailed) .172* .341** 1 .330** .126 .141 .438** .023 .000 .000 .097 .064 .000 CP Pearson Correlation Sig. (2-tailed) .414** .427** .330** 1 .267** .194* .632** .000 .000 .000 .000 .010 .000 TC Pearson Correlation Sig. (2-tailed) .219** .313** .126 .267** 1 .067 .383** .004 .000 .097 .000 .381 .000
HT Pearson Correlation Sig. (2-tailed) .401** .160* .141 .194* .067 1 .398** .000 .035 .064 .010 .381 .000 LC Pearson Correlation Sig. (2-tailed) 1 .607** .571** .438** .632** .383** .398** .000 .000 .000 .000 .000 .000
4.4.3. Phân tích hồi quy tuyến tính bội
Phương pháp Enter (đưa tất cả các biến vào một lần) trong chương trình SPSS được sử dụng để phân tích hồi quy bội. Kết quả phân tích hồi qui bội tại bảng 4.11, các giá trị Sig. tương ứng với các biến quan sát PP, CL, DV, CP, TC, HT đều rất nhỏ, nhỏ hơn 0.05. Vì vậy, có thể khẳng định các nhân tố này có ý nghĩa thống kê trong mơ hình.
Bảng 4.11: Thống kê mơ tả biến Phân phối tin cậy
Model
Hệ số hồi qui chưa chuẩn hóa
Hệ số hồi qui đã chuẩn hóa
Thống kê đa cộng tuyến T Sig.
B Std. Error Beta Tolerance VIF
1 (Constant) PP CL DV CP TC HT -.222 .236 -.941 .348 .203 .041 .272 4.987 .000 .664 1.507 .187 .052 .194 3.609 .000 .682 1.466 .175 .046 .183 3.767 .000 .836 1.196 .230 .040 .305 5.741 .000 .702 1.425 .120 .039 .147 3.092 .002 .876 1.141 .124 .037 .164 3.357 .001 .832 1.201 a.Dependent Variable: LC
4.4.3.1 Kiểm định các giả định hồi quy
Phân tích hồi quy khơng phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, bạn phải suy rộng kết luận cho mối liên hệ giữa các