4.1 Đánh giá thang đo
4.1.2 Phân tích nhân tố EFA
Sau khi kiểm tra độ tin cậy của thang đo, phân tích nhân tố khám phá được tiến hành. Phương pháp rút trích được chọn để phân tích nhân tố là phương pháp principal components với phép quay varimax.
Một số tiêu chuẩn mà các nhà nghiên cứu cần quan tâm trong phân tích nhân tố khám phá (EFA) như sau (Nguyễn Đình Thọ, 2011):
- Hệ số KMO (Kaiser-Mayer-Olkin): 0.5 ≤ KMO ≤ 1 (Norusis, 1994). - Mức ý nghĩa của kiểm định Bartlett ≤ 0.05, nghĩa là các biến có mối quan
hệ với nhau.
Hệ số KMO (Kaiser-Meyer-Olkin) .881
- Hệ số eigenvalue ≥ 1 (Gerbing và Anderson, 1998), nghĩa là số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1.
- Trong số nhân tố (Factor loading) của từng biến quan sát ≥ 0.5; tuy nhiên trong số nhân tố ≥ 0.4 cũng có thể chấp nhận được trong trường hợp biến quan sát đo lường giá trị nội dung quan trọng của thang đo.
Chênh lệch giữa các trọng số 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). 4.1.2.1 Đánh giá thanh đo các thành phần
Thành phần yếu tổ ảnh hưởng đến giá trị cảm nhận của khách hàng được đo bằng 25 biến quan sát. Sau khi kiểm tra mức độ tin cậy bằng Cronbach Alpha, thì 25 biến này đảm bảo độ tin cậy. Phân tích nhân tố khám phá EFA được sử dụng để đánh giá lại mức độ hội tụ của các biến quan sát theo các thành phần.
Kiểm định KMO và Bartlett's trong phân tích nhân tố cho thấy hệ số KMO cao (bằng 0.881 > 0.5) giá trị kiểm định Bartlett’s có mức ý nghĩa (Sig. =0.000 <0.05) cho thấy phân tích nhân tố EFA rất thích hợp.
Bảng 4.2: Hệ số KMO và Bartlett’s thang đo thành phần
Kiểm đinh Bartlett của thang đo Giá trị Chi bình phương 2447.719
df 300
Sig. – mức ý nghĩa quan sát .000
Tại các mức giá trị Eigenvalues lớn hơn 1 và với phương pháp rút trích principal components và phép quay varimax, phân tích nhân tố đã trích được 5 nhân tố từ 25 biến quan sát và với phương sai trích là 70.227% (lớn hơn 50%) đạt yêu cầu.
Dựa trên phân tích của bảng Rotated Component Matrix(a) (Bảng 4.3) các biến có trọng số nhỏ hơn 0.5 sẽ bị loại, các biến có trọng số khơng đạt độ phân biệt cao giữa các nhân tố, cụ thể là nhỏ hơn 0.3 cũng sẽ bị loại. Cụ thể 02 biến GCHV5, DATI2 sẽ bị loại.
Bảng 4.3: Kết quả phân tích nhân tố khám phá lần 1
Nhân tố 1 2 3 4 5 CLCN1 .710 CLCN2 .802 CLCN3 .732 CLCN4 .685 PUCX1 .594 PUCX2 .747 PUCX3 .786 PUCX4 .784 PUCX5 .706 GCTT1 .727 GCTT2 .770 GCTT3 .713 GCTT4 .690 GCTT5 .745 GCHV1 .690 GCHV2 .809 GCHV3 .741 GCHV4 .875 GCHV5 .618 .457 GCHV6 .812 DATI1 .785 DATI2 .460 .524
Nhân tố DATI3
DATI4 DATI5
Sau khi loại các biến không thỏa mãn trong phần phần các yếu tố ảnh hưởng đến giá trị cảm nhận của khách hàng được đo bằng 23 biến quan sát. Kết quả phân tích nhân tố lần 2 cho thấy tổng phương sai rút trích dựa trên 5 nhân tố có Eigenvanlues lớn hơn 1 là bằng 71.317% cho thấy phương sai rút trích đạt yêu cầu (> 50%).
Bảng 4.4: Kết quả phân tích nhân tố khám phá lần 2
1 2 3 4 5 CLCN1 .714 CLCN2 .807 CLCN3 .736 CLCN4 .683 PUCX1 .597 PUCX2 .760 PUCX3 .790 PUCX4 .785 PUCX5 .703 GCTT1 .739 GCTT2 .782 GCTT3 .714 GCTT4 .701 GCTT5 .757 GCHV1 .659 GCHV2 .800 GCHV3 .742 GCHV4 .888 GCHV6 .821 DATI1 .790 DATI3 .750
DATI4
DATI5 .830.656
Như vậy 5 thành phần các yếu tố ảnh hưởng đến giá trị cảm nhận của khách hàng ban đầu vẫn giữ lại để giải thích các yếu tố ảnh hưởng đến giá trị cảm nhận của khách hàng giai đoạn hiện nay. Với tổng phương sai rút trích là 71.317% cho biết 5 nhân tố này giải thích được 71.317% biến thiên của dữ liệu.
Bảng 4.5: Tổng phương sai trích của các biến độc lập
của trăm của Phần của Phần
Giá trị Eigenvalues Phần trăm Phần Tổng hệ số tải bình phương rút trích nhân tố Phần trăm Tổng hệ số tải bình phương xoay nhân tố Phần trăm Nhân Tổng tố cộng phương sai tích lũy Tổng cộng phương sai trăm tích lũy Tổng cộng phương sai trăm tích lũy 1 9.760 42.434 42.434 9.760 42.434 42.434 3.726 16.200 16.200 2 2.381 10.352 52.785 2.381 10.352 52.785 3.612 15.705 31.905 3 1.715 7.458 60.243 1.715 7.458 60.243 3.399 14.780 46.686 4 1.345 5.846 66.089 1.345 5.846 66.089 2.838 12.339 59.025 5 1.203 5.228 71.317 1.203 5.228 71.317 2.827 12.292 71.317 6 .871 3.787 75.104 7 .711 3.092 78.197 8 .697 3.030 81.226 9 .645 2.804 84.030 10 .495 2.152 86.183 11 .432 1.879 88.062 12 .423 1.839 89.901 13 .361 1.568 91.469 14 .324 1.407 92.876 15 .288 1.253 94.128 16 .258 1.123 95.251 17 .221 .961 96.212 18 .195 .846 97.058 19 .181 .786 97.844 20 .169 .733 98.577 21 .125 .544 99.121 22 .122 .531 99.652 23 .080 .348 100.000
Hệ số KMO (Kaiser-Meyer-Olkin) .853
Do vậy, các thang đo rút ra đạt yêu cầu về giá trị hội tụ và giá trị phân biệt. Tất cả 5 thành phần đo lường các yếu tố giá trị cảm nhận khách hàng vẫn không thay đổi, sau khi kiểm định độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA thì trích ra được với 23 biến quan sát đo lường 5 yếu tố thành phần. Các nhân tố trích ra đều đạt độ tin cậy và giá trị (giá trị hội tụ và giá trị phân biệt).
4.1.2.2 Đánh giá thang đo Giá trị cảm nhận
Thang đo giá trị cảm nhận đến giá trị cảm nhận của khách hàng được đo bằng 4 biến quan sát. Sau khi kiểm tra mức độ tin cậy bằng Cronbach Alpha, thì 4 biến này đảm bảo độ tin cậy. Phân tích nhân tố khám phá EFA được sử dụng để đánh giá lại mức độ hội tụ của các biến quan sát theo các thành phần.
Kiểm định KMO và Bartlett's trong phân tích nhân tố cho thấy hệ số KMO đạt yêu cầu (bằng 0.853) giá trị kiểm định Bartlett’s có mức ý nghĩa (Sig. =0.000 <0.05) cho thấy phân tích nhân tố EFA rất thích hợp.
Bảng 4.6: Hệ số KMO và Bartlett’s thang đo giá trị cảm nhận của khách hàng
Kiểm đinh Bartlett của thang đo Giá trị Chi bình phương 414.130
df 6
Sig. – mức ý nghĩa quan sát .000
Tại các mức giá trị Eigenvalues lớn hơn 1 và với phương pháp rút trích principal components và phép quay varimax, phân tích nhân tố đã trích được 1 nhân tố từ 4 biến quan sát và với phương sai trích là 81.919% (lớn hơn 50%) đạt yêu cầu.
Với phương pháp rút trích nhân tố principal components với phép quay varimax đã trích được 1 nhân tố duy nhất với hệ số tải nhân tố của các biến khá cao.
Nhân tố
Bảng 4.7: Kết quả phân tích nhân tố thang đo Giá trị cảm nhận
1
GTCN1 .915
GTCN2 .881
GTCN3 .916
GTCN4 .908
Bảng 4.8: Tổng phương sai trích của biến phụ thuộc
Tổng của trăm tích Tổng của trăm tích
4.2 Phân tích tƣơng quan
4.2.1 Kiểm định ma trận tƣơng quan giữa các biến
Bước đầu tiên khi phân tích hồi quy tuyến tính ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập và giữa các biến độc lập với nhau. Nếu hệ số tường quan giữa các biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có mối quan hệ với nhau và phân tính hồi quy tuyến tính có thể phù hợp. Mặc khác nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mơ hình hồi quy tuyến tính ta đang xét.
Tổng hệ số tải bình phương rút trích nhân tố
Phần trăm Phần
Tổng hệ số tải bình phương xoay nhân tố Phần trăm Phần
Nhân tố cộng phương sai lũy cộng phương sai lũy
1 3.277 81.919 81.919 3.277 81.919 81.919
2 .310 7.756 89.674
3 .218 5.443 95.118
Bảng 4.9: Ma trận tương quan giữa các biếnGTCN GCHV GCTT PUCX DATI CLCN GTCN GCHV GCTT PUCX DATI CLCN GTCN Hệ số tương quan 1 .211* .510** .387** .280** .278** Sig. (2-tailed) .014 .000 .000 .001 .001 N 135 135 135 135 135 135 GCHV Hệ số tương quan .211* 1 .000 .000 .000 .000 Sig. (2-tailed) .014 1.000 1.000 1.000 1.000 N 135 135 135 135 135 135 GCTT Hệ số tương quan .510** .000 1 .000 .000 .000 Sig. (2-tailed) .000 1.000 1.000 1.000 1.000 N 135 135 135 135 135 135
PUCX Hệ số tương quan .387** .000 .000 1 .000 .000 Sig. (2-tailed) .000 1.000 1.000 1.000 1.000
N 135 135 135 135 135 135
DATI Hệ số tương quan .280** .000 .000 .000 1 .000 Sig. (2-tailed) .001 1.000 1.000 1.000 1.000
N 135 135 135 135 135 135
CLCN Hệ số tương quan .278** .000 .000 .000 .000 1 Sig. (2-tailed) .001 1.000 1.000 1.000 1.000
N 135 135 135 135 135 135
Ma trận này cho thấy mối tương quan giữa biến GTCN (biến phụ thuộc) với các biến độc lập CLCN, PUCX, GCTT, GCHV, DATI. Hệ số tương quan giữa các biến đều lớn hơn 0.3. Nhìn sơ bộ, ta có thể kết luận các biến độc lập có thể đưa vào mơ hình để giải thích cho biến GTCN, các giá trị Sig. đều nhỏ (< 0.05).
Ngoài ra, hệ số tương quan giữa các biến CLCN, PUCX, GCTT, GCHV, DATI khơng có ý nghĩa thống kê, tuy nhiên mối quan hệ giữa các biến này cần phải xem xét lại trong phần phân tích hồi quy tuyến tính dưới đây nhằm tránh hiện tượng đa cộng tuyến giữa các biến độc lập.
4.2.2 Phân tích hồi quy
Để kiểm định sự phù hợp giữa thành phần CLCN, PUCX, GCTT, GCHV, DATI với GTCN tác giả sử dụng hàm hồi quy tuyến tính với phương pháp đưa vào một lượt (Enter). Như vậy thành phần CLCN, PUCX, GCTT, GCHV, DATI là biến độc lập – Independents và GTCN là biến phụ thuộc – Dependent sẽ được đưa vào chạy hồi quy cùng một lúc. Kết quả nhận được cho thấy mức ý nghĩa Sig. rất nhỏ 0.00 và hệ số xác định R2 = .610 (hay R2 hiệu chỉnh = .595) chứng minh cho sự phù hợp của mơ hình (bảng 3.14). Nghĩa là mơ hình hồi quy tuyến tính được xây dựng phù hợp với tập dữ liệu 59.5%. Nói cách khác khoảng 59.5% khác biệt của biến độc lập có thể giải thích bởi sự khác biệt của biến phụ thuộc.
Bảng 4.10: Bảng thống kê phân tích các hệ số hồi quy
Mơ hình Hệ số R R² R² hiệu chỉnh
Sai số chuẩn của ước lượng
Thống kê thay đổi R² thay đổi F thay đổi df1 df2 Sig. F thay đổi 1 .781a .610 .595 .63641464 .610 40.369 5 129 .000 Bảng 4.11: ANOVA
Mơ hình Tổng bình phương df Bình phương trung bình F Sig. Hồi quy 1 Phần dư Tổng 81.752 5 16.350 40.369 .000b 52.248 129 .405 134.000 134
Trong bảng phân tích phương sai ở trên, cho thấy trị số F có mức ý nghĩa với Sig. F=0,000(< 0.05) có nghĩa là mơ hình hồi quy tuyến tính đưa ra là phù hợp với
dữ liệu thực tế thu thập được và các biến đưa vào đều có ý nghĩa trong thống kê với mức ý nghĩa 5%.
Bên cạnh đó, tác giả tiến hành kiểm định F để đánh giá tương quan tuyến tính của biến phụ thuộc và các biến độc lập trong hàm hồi quy:
Ta có
F;df
;df F0.05;5;1292.28
Đặt giả thiết:
H0: Các biến độc lập và biến phụ thuộc không tương quan với nhau H1: Các biến độc lập và biến phụ thuộc tương quan với nhau
Từ bảng kết quả phân tích phương sai: F = 40.369 > 2.28, do đó ta bác bỏ H0 và chấp nhận H1
Như vậy, biến phụ thuộc và các biến độc lập có tƣơng quan tuyến tính với nhau ở mức độ tin cậy là 95%.
Bảng 4.12: Các thơng số thống kê trong phương trình hồi quy
Mơ hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Thống kê đa cộng tuyến
B Sai số chuẩn Beta Độ chấp
nhận của biến Nhân tử phóng đại phương sai VIF Hằng số GCHV 1 GCTT PUCX DATI CLCN 1.930E-016 .055 .000 1.000 .211 .055 .211 3.835 .000 1.000 1.000 .510 .055 .510 9.269 .000 1.000 1.000 .387 .055 .387 7.045 .000 1.000 1.000 .280 .055 .280 5.100 .000 1.000 1.000 .278 .055 .278 5.056 .000 1.000 1.000
Hệ số phóng đại phương sai VIF (Variance Inflation factor – VIF) nhỏ (nhỏ hơn 3) cho thấy các biến độc lập này khơng có quan hệ chặt chẽ với nhau nên khơng
có hiện tượng đa cộng tuyến xảy ra. Do đó, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mơ hình hồi quy.
Trong 5 thành phần đo lường giá trị cảm nhận nêu trên có ảnh hưởng đáng kể đến giá trị cảm nhận với mức ý nghĩa sig < 0,05. Như vậy ta chấp nhận 05 giả thuyết đặt ra trong mơ hình nghiên cứu chính thức.
Từ bảng 4.12 cho ta hàm hồi quy có dạng như sau:
GTCN = 0.211*GCHV + 0.510*GCTT + 0.387*PUCX + 0.280*DATI + 0.278*CLCN (4.1) Trong đó: GTCN: Thành phần Giá trị cảm nhận GCHV: Thành phần Giá cả hành vi GCTT: Thành phần Giá cả tiền tệ PUCX: Thành phần Phản ứng cảm xúc DATI: Thành phần Danh tiếng
CLCN: Thành phần Chất lượng cảm nhận
Hệ số hồi quy mang dấu dương thể hiện các yếu tố trong mơ hình hồi quy trên ảnh hưởng tỷ lệ thuận chiều đến giá trị cảm nhận của khách hàng. Điều này là phù hợp với các giả thuyết trong mơ hình nghiên cứu đã trình bày trong phần trước.
Nh
ậ n xét:
Từ phương trình hồi quy tuyến tính 4.1 và bảng 4.12, ta có các kết luận sau:
Thứ nhất, từ phương trình (4.1), ta thấy hệ số của CLCN là 0.278, điều này
có nghĩa là khi khách hàng đánh giá sự thỏa mãn của họ đối với chất lượng dịch vụ tăng lên (hoặc giảm xuống) 1 đơn vị thì giá trị cảm nhận của khách hàng sẽ tăng lên (hoặc giảm xuống) 0.278 lần với điều kiện ảnh hưởng của các yếu tố khác là không đổi.
Thứ hai, yếu tố PUCX có tác động mạnh thứ 2 đến giá trị cảm nhận của
khách hàng (với β = 0.387 tại mức ý nghĩa Sig=0.000). Điều này có nghĩa là khi phản ứng cảm xúc của khách hàng tăng lên (hoặc giảm xuống) 1 đơn vị thì giá trị cảm nhận của khách hàng sẽ tăng lên (hoặc giảm xuống) 0.387 lần với điều kiện ảnh hưởng của các yếu tố khác là khơng đổi.
Thứ ba, yếu tố GCTT có tác động mạnh nhất so với các yếu tố khác đến giá
trị cảm nhận của khách hàng vì có hệ số Beta lớn nhất (với β = 0.51 tại mức ý nghĩa Sig=0.000). Điều này có nghĩa là khi khách hàng đánh giá sự thỏa mãn (cảm nhận về giá) của họ đối với giá cước dịch vụ tăng lên (hoặc giảm xuống) 1 đơn vị thì giá trị cảm nhận của khách hàng sẽ tăng lên (hoặc giảm xuống) 0.51 lần với điều kiện ảnh hưởng của các yếu tố khác là không đổi. Như vậy, khách hàng sử dụng dịch vụ thông tin di động xem yếu tố thỏa mãn với giá cước sử dụng dịch vụ (giá cả tiền tệ) là quan trọng nhất ảnh hưởng đến giá trị cảm nhận của khách hàng (lợi ích cuối cùng của dịch vụ). Kết quả này là phù hợp bởi người tiêu dùng luôn nhạy cảm về giá.
Thứ tư, yếu tố GCHV có tác động mạnh yếu nhất đến giá trị cảm nhận của
khách hàng (với β = 0.211 tại mức ý nghĩa Sig=0.000). Điều này có nghĩa là cảm nhận của khách hàng về giá cả mang tính hành vi tăng lên (hoặc giảm xuống) 1 đơn vị thì giá trị cảm nhận của khách hàng sẽ tăng lên (hoặc giảm xuống) 0.211 lần với điều kiện ảnh hưởng của các yếu tố khác là không đổi.
Thứ năm, yếu tố DATI có sự tác động mạnh thứ ba đến giá trị cảm nhận
khách hàng. Cụ thể: hệ số Beta trong phương trình hồi quy (4.1) lớn thứ 3 (với β = 0.28 tại mức ý nghĩa Sig=0.000). Điều này có nghĩa là khi cảm nhận về danh tiếng của VinaPhone của khách hàng tăng lên (hoặc giảm xuống) 1 đơn vị thì giá trị cảm nhận của khách hàng sẽ tăng lên (hoặc giảm xuống) 0.28 lần với điều kiện ảnh hưởng của các yếu tố khác là khơng đổi.
Tóm tắt chƣơng 4
Trong chương này, nghiên cứu thực hiện việc đánh giá thang đo các yếu tố giá trị cảm nhận khách hàng, giá trị cảm nhận khách hàng thông qua các công cụ Cronbach Alpha và phân tích nhân tố khám phá (EFA). Kết quả đánh giá thang đo cho thấy, các thang đo đo lường các khái niệm nghiên cứu trong mô hình nghiên cứu đều đảm bào độ tin cậy và giá trị.
Trong chương này, nghiên cứu cũng đã thực hiện việc kiểm định các giả