CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU VÀ ƯỚC LƯỢNG
4.2 Ế TK QUẢ NGHIÊN CỨU MÔ HÌNH PHÂN TÍCH ẢNH HƯỞNG CỦA BẢO HỘ
4.2.2.2 Phân tích nhân tố khám phá
Phân tích nhân tố khám phá là tập kỹ thuật phân tích thống kế có liên hệ nhau được dùng để kiểm định giá trị thang đo (hội tụ và phân biệt) từ đó rút gọn một tập biến quan sát k thành một tập biến F (F<k) các yếu tố có ý nghĩa hơn, được dùng để phân tích hồi quy sau này (Nguyễn Đình Thọ, 2011). Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn:
Chọn nhóm trích nhân tố: Tùy theo mục đích phân tích EFA để chọn nhóm trích
nhân tố:
PCA (Principal Component Analysis): trích được nhiều phương sai hơn, dùng để đánh giá nhân tố tốt hơn phục vụ cho mục đích dự báo tiếp theo.
CFM (Common Factor Model): trích được ít phương sai hơn nhưng phản ánh dữ liệu chính xác hơn, dùng để đánh giá thang đo tốt hơn.
Chọn số lượng nhân tố trích:
Tiêu chí eigenvalue: (là đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) phải >= 1 thì nhân tố rút ra có ý nghĩa tóm tắt thơng tin tốt nhất (Hair, 2011).
Tiêu chí điểm uốn: là điểm tại đó đường biểu diễn eigenvalue = f (số nhân tố) thay đổi đột ngột độ dốc.
Đánh giá sự phù hợp của mơ hình EFA: dùng kiểm định Barlett hoặc KMO
Hệ số KMO (Kaiser- Meyer-Olkin) dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan riêng phần của chúng. Giá trị phải đạt giá trị trong khoảng [0.5 -1] thể hiện phân tích nhân tố là phù hợp (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn (Nguyễn Đình Thọ, 2011)
Kiểm định Barlett (dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I) có ý nghĩa thống kê (sig < 0,05) thì giữa các biến quan sát có tương quan với nhau trong tổng thể đủ để tiến hành phân tích EFA. (Hair, 2010).
Đánh giá thang đo, cần xem xét các thuộc tính:
Số lượng nhân tố trích: phải phù hợp với giả thiết ban đầu về số lượng thành phần của thang đo (nếu khái niệm đa hướng) hoặc số lượng khái niệm đơn hướng. Nếu đạt được điều này, có thể kết luận là các khái niệm nghiên cứu (đơn hướng) hoặc các thành phần của một khái niệm đa hướng đạt được giá trị phân biệt. Số lượng nhân tố lớn hoặc nhỏ hơn giả thiết ban đầu có thể là do dữ liệu khảo sát khơng đạt u cầu hoặc có hai thành phần có thể gom thành một, cần xem xét lại lý thuyết xây dựng khái niệm (Nguyễn Đình Thọ, 2011).
Hệ số tải nhân tố (Factor Loading) > 0,3 đạt mức tối thiểu, > 0,4 xem là quan trọng, > 0,5 xem là có ý nghĩa thực tiễn. Hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Ngoài ra, Hair & ctg (2010) cũng đề nghị: nếu chọn tiêu chuẩn hệ số tải nhân tố ≥ 0.3 thì cỡ mẫu của nghiên cứu ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố ≥ 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải ≥ 0.75. Trong nghiên cứu này, nếu biến quan sát nào có hệ số tải nhân tố < 0.50 sẽ bị loại.
Tổng phương sai trích (Cumultive) phải ≥ 50% được chấp nhận, từ 60% trở lên là tốt (Nguyễn Đình Thọ, 2011).
Hiệu trọng số nhân tố: hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003). Nếu một biến quan sát thuộc nhiều nhân tố thì nó sẽ thuộc về nhân tố có giá trị lớn nhất, nhưng nếu nó có giá trị gần nhau ở cả hai nhân tố (hai hệ số tải ở hai nhân tố <0.3) thì xem như đó là biến đa hướng, nếu nghiên cứu tập trung vào biến đơn hướng thì cần loại bỏ biến đó.
Phân tích nhân tố cho biến độc lập
Nghiên cứu này sử dụng phương pháp trích PCA với phép xoay vng góc Varimax cho 18 biến quan sát của 5 nhân tố đưa vào phân tích EFA. Kết quả phân tích nhân tố cho các biến độc lập được trình bày trong bảng 4.6.
Bảng 4.6. Kết quả chạy EFA cho các biến độc lập
Số thứ tự Biến quan sát Nhân tố
1 2 3 1. CL1 .752 2. CL2 .675 3. CL3 .827 4. CL4 .620 5. MM1 .660 6. MM2 .820 7. MM3 .528 8. NS1 .538 9. NS2 .609 10. NS3 .655 11. NS4 .626 12. GIA1 .683 13. GIA2 .572 14. GIA3 .699 15. GIA4 .590 16. TU1 .730 17. TU2 .764 18. TU3 .798 Eigenvalue 7.332 1.758 1.001 Phương sai trích (%) 27.774 16.492 11.790 Cumulative (%) 56.056 Sig. 0.000 KMO 0.888
Kết quả phân tích EFA cho thấy:
Kiểm định Bartlett’s: Sig.=0.000<0.05: các biến quan sát tương quan với nhau trong tổng thể.
Hệ số KMO=0.888>0.5: phân tích nhân tố thích hợp với dữ liệu nghiên cứu. Có 3 nhân tố được trích ra từ phân tích EFA
Tổng phương sai trích (Cumultive) = 56.056 đạt yêu cầu, cho biết 3 nhân tố trên giải thích được 56.056% biến thiên của dữ liệu.Giá trị Eigenvalue đều >=1: đạt yêu cầu, các biến quan sát có hệ số tải nhân tố đều >0.5.
Kết quả EFA cho thấy sự thay đổi về số nhân tố và nhóm biến so với kết quả nghiên cứu định tính ban đầu. Có 3 nhân tố được trích ra từ kết quả EFA trong đó nhân tố “Năng suất sản xuất khi có bảo hộ” được tách ra thành 2 nhóm riêng biệt:
Một nhóm với biến NS1 tách ra kết hợp với “Chất lượng sản phẩm khi có bảo hộ” tạo thành:
Nhân tố 1= Chất lượng sản phẩm khi có bảo hộ (CL1, CL2, CL3, CL4) + Năng suất sản xuất khi có bảo hộ (NS1).
Nhóm cịn lại với các biến NS2, NS3, NS4 kết hợp với nhân tố “Chi phí sản xuất khi có bảo hộ”, “Khả năng thích ứng khi có bảo hộ” tạo thành:
Nhân tố 2: Năng suất sản xuất khi có bảo hộ (NS2, NS3, NS4) + Chi phí sản xuất khi có bảo hộ (GIA1, GIA2, GIA3, GIA4) + Khả năng thích ứng khi có bảo hộ (TU1, TU2, TU3).
Để thuận tiện cho các bước tiếp theo, các biến tách gộp này sẽ được đặt lại một tên gọi khác có ý nghĩa:
Nhân tố 1: các biến quan sát thể hiện qua các câu hỏi đều thể hiện khả năng đáp ứng về mặt chất lượng của hàng hóa trong nước so với mong muốn của doanh nghiệp, do vậy nhân tố này sẽ được giữ nguyên tên là Chất lượng sản phẩm khi có bảo hộ.
Nhân tố 2: do các biến quan sát sát thể hiện qua các câu hỏi thể hiện các ảnh hưởng về mặt sản xuất và kinh doanh nói chung của doanh nghiệp nên có thể đặt lại
tên cho biến là Hiệu quả sản xuất khi có bảo hộ, đây là một khái niệm đa hướng với ba thành phần Năng suất sản xuất khi có bảo hộ, Chi phí sản xuất khi có bảo hộ và Khả năng thích ứng khi có bảo hộ.
Như vậy, sau khi phân tích EFA, từ 5 nhân tố ban đầu có 3 nhân tố được trích ra như sau:
Nhân tố 1 = Chất lượng sản phẩm khi có bảo hộ (CL1, CL2, CL3, CL4, NS1) Nhân tố 2: Chủng loại sản phẩm khi có bảo hộ (MM1, MM2, MM3)
Nhân tố 3: Hiệu quả sản xuất khi có bảo hộ (NS2, NS3, NS4, GIA1, GIA2, GIA3, GIA4, TU1, TU2, TU3).
Kết quả Cronbach’s Alpha cho 2 nhân tố mới được thể hiện trong phần Phụ lục 5, các nhân tố cịn lại khơng có thay đổi biến quan sát nên giữ nguyên kết quả.
4.2.2.2.7 Phân tích nhân tố cho biến phụ thuộc
Tiếp tục thực hiện EFA theo phương pháp PCA với phép quay Varimax cho biến Sự phát triển của doanh nghiệp ta được bảng kết quả chi tiết trong Phụ lục 6:
Bảng 4.7. Kết quả chạy EFA cho biến phụ thuộcSố thứ tự Biến quan sát Sự phát triển của doanh nghiệp khi Số thứ tự Biến quan sát Sự phát triển của doanh nghiệp khi
có bảo hộ 1. PT1 .671 2. PT2 .620 3. PT3 .784 4. PT4 .596 Eigenvalue 2.670 Phương sai trích (%) 66.753 Sig. .000 KMO .774 User 2014-10-07 07:18:31 ------------------------------------------- - 4.2.2.3.
Kết quả phân tích EFA cho thấy:
Kiểm định Bartlett’s: Sig.=0.000<0.05: các biến quan sát tương quan với nhau trong tổng thể.
Hệ số KMO=0.774>0.5: phân tích nhân tố thích hợp với dữ liệu nghiên cứu. Có 1 nhân tố được trích ra từ phân tích EFA
Tổng phương sai trích (Cumultive) = 66.753 đạt yêu cầu, cho biết nhân tố trên giải thích được 66.753 % biến thiên của dữ liệu.
Giá trị Eigenvalue=2.670 >1: đạt yêu cầu, các biến quan sát có hệ số tải nhân tố đều >0.5.
Như vậy thang đo đạt giá trị hội tụ.
Tóm tắt:
Kết quả phân tích EFA cho thấy các biến độc lập và biến phụ thuộc trong mơ hình đều đạt giá trị hội tụ và giá trị phân biệt chấp nhận được, như vậy có thể khẳng định phân tích EFA là thích hợp với dữ liệu nghiên cứu. Qua phân tích EFA, nhân tố Năng suất sản xuất có các biến quan sát tách ra thành 2 nhóm riêng biệt, kết hợp với biến quan sát của các nhân tố khác tạo thành 2 nhân tố mới là Chất lượng sản phẩm và Hoạt động sản xuất kinh doanh, nhân tố giữ nguyên là Chủng loại sản phẩm, Sự phát triển của doanh nghiệp. Từ 6 nhân tố của mơ hình nghiên cứu ban đầu chỉ cịn 4 nhân với 22 biến quan sát. Vì vậy, mơ hình đề xuất cần được hiệu chỉnh lại.
4.2.3Mơ hình nghiên cứu hiệu chỉnh
Mơ hình nghiên cứu hiệu chỉnh sử dụng 4 khái niệm từ các khái niệm trong mơ hình đề xuất ban đầu: (1) Chất lượng sản phẩm, (2) Chủng loại sản phẩm, (3) Hoạt động sản xuất kinh doanh, (4) Sự phát triển của doanh nghiệp.
Chất lượng sản phẩm khi có bảo hộ H1 H2 Sự phát triển của doanh nghiệp Chủng loại sản phẩm khi có bảo hộ H3 Hiệu quả sản xuất khi có
bảo hộ
Hình 4.1 Mơ hình nghiên cứu hiệu chỉnh
Các giả thuyết trong mơ hình nghiên cứu hiệu chỉnh được trình bày trong bảng 4.8:
Bảng.4.8. Các giả thuyết trong mơ hình nghiên cứu hiệu chỉnh
Giả thuyết
Nội dung
H1 Chất lượng sản phẩm khi có bảo hộ có tác động dương lên Sự phát triển của doanh nghiệp
H2 Chủng loại sản phẩm khi có bảo hộ có tác động dương lên Sự phát triển của doanh nghiệp
H3 Hoạt động sản xuất kinh doanh khi có bảo hộ có tác động dương lên Sự phát triển của doanh nghiệp
Kết quả kiểm tra lại độ tin cậy bằng Conbach’s Alpha và EFA cho mơ hình hiệu chỉnh đều phù hợp.
4.2.4Phân tích hồi quy
4.2.4.1Phân tích tương quan
Trước khi tiến hành phân tích hồi quy, một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan nhằm kiểm định mới tương quan tuyến tính giữa các biến trong mơ hình: giữa biến phụ thuộc với biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mối quan hệ chặt chẽ giữa hai biến định lượng, hệ số này càng gần đến 1 thì hai biến có mối tương quan càng chặt chẽ (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Bốn biến của mô hinh hiệu chỉnh được ký hiệu lần lượt là Chất lượng sản phẩm: CLSP; Chủng loại sản phẩm: MMSP; Hoạt động sản xuất kinh doanh: SXKD; Sự phát triển của doanh nghiệp: PTDN. Giá trị của các biến trong mơ hình là giá trị trung bình của các biến quan sát thành phần của biến đó.
Kết quả phân tích tương quan cho thấy, tất cả các biến độc lập đều có tương quan với biến phụ thuộc ở mức ý nghĩa 10%. Biến phụ thuộc Sự phát triển của doanh nghiệp tương quan mạnh nhất với biến độc lập Hoạt động sản xuất kinh doanh (hệ số Pearson = 0.777), tương quan yếu nhất với biến Chủng loại sản phẩm (hệ số Pearson = 0.416). Do đó, các biến độc lập này có thể đưa vào phân tích hồi quy để giải thích sự ảnh hưởng đến kết quả của mơ hình nghiên cứu.
Các biến độc lập cũng có tương quan tương đối cao (hệ số tương quan cao nhất là 0.593 giữa 2 biến CLSP và MMSP), do đó khi thực hiện phân tích hồi quy bội cần lưu ý đến hiện tượng đa cộng tuyến.
Bảng 4.9. Kết quả phân tích tương quanCLSP MMSP HQSX PTDN CLSP MMSP HQSX PTDN CLSP Pearson Correlation 1 Sig. (2-tailed) N 191 MMSP Pearson Correlation .593** 1 Sig. (2-tailed) .000 N 191 191 SXKD Pearson Correlation .583** .512** 1 Sig. (2-tailed) .000 .000 N 191 191 191 PTDN Pearson Correlation .517** .416** .777** 1 Sig. (2-tailed) .000 .000 .000 N 191 191 191 191
4.2.4.2Phân tích hồi quy bội
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan đến các biến được đưa vào mơ hình.
Kết quả của phân tích hồi quy được trình bày trong bảng 4.10, 4.11 và 4.12 và chi tiết trong phụ lục 6.
Bảng 4.10 Tổng kết mơ hình hồi quy bội
Mơ hình Hệ số R R 2 R2 Hiệu chỉnh Sai số chuẩn của ước lượng
Thống kê thay đổi
Hệ số Durbin Watson R2 thay đổi F thay đổi df1 df2 Mức ý nghĩa F thay đổi 1 .782a .611 .605 .42067 .611 97.826 3 187 .000 1.719 a. Các dự báo: (Hằng số), HQSX, CLSP, MMSP b. Biến phụ thuộc: PTDN
Bảng 4.11. Đánh giá sự phù hợp của mơ hình – ANOVA Mơ hình Tổng bình phương df Bình phương trung bình F Mức ý nghĩa 1 Hồi quy 51.935 3 17.312 97.826 .000a Phần dư 33.092 187 .177 Tổng 85.027 190 a.Các dự báo: (Hằng số), HQSX, CLSP, MMSP b.Biến phụ thuộc: PTDN
Bảng 4.12. Bảng thơng số của mơ hình hồi quy tuyến tính
Mơ hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Dung sai VIF 1 (Constant) .375 .220 1.702 .090 HQSX .827 .066 .725 12.496 .000 .618 1.619 MMSP -.019 .063 -.017 -.296 .768 .607 1.648 CLSP .097 .057 .105 1.690 .093 .543 1.841 a.Biến phụ thuộc: PTDN
Kết quả phân tích hồi quy cho thấy, giá trị R2 điều chỉnh bằng 0.605 (Mơ hình giải thích được 60.5% sự biến thiên của biến phụ thuộc Sự phát triển của doanh nghiệp khi có bảo hộ).
Mức ý nghĩa của thống kê F trong ANOVA rất nhỏ (0.000) cho thấy biến phụ thuộc có quan hệ tuyến tính với ít nhất một biến độc lập, như vậy mơ hình hồi quy bội là phù hợp với tập dữ liệu khảo sát.
Biến độc lập Hiệu quả sản suất khi có bảo hộ và lập Chất lượng sản phẩm khi có bảo hộ có ý nghĩa về mặt thống kê ở mức ý nghĩa thống kê 10% (Sig. = .000 < 0.1 & Sig. = 0.093 < 0.1).
Như vậy, kết quả phân tích hồi quy đa biến đối với mẫu dữ liệu khảo sát đã xác định có 2 nhân tố ảnh hưởng đến Sự phát triển của doanh nghiệp khi có bảo hộ là Hiệu quả sản suất và Chất lượng sản phẩm, nhân tố cịn lại khơng có ảnh hưởng ở mức ý nghĩa 10%.
4.2.4.3Phân tích kết quả nghiên cứu
Phân tích nhân các nhân tố ảnh hưởng
Hiệu quả sản xuất khi có bảo hộ: theo kết quả phân tích hồi quy, nhân tố này tác động mạnh nhất đến Sự phát triển của doanh nghiệp (PTDN). Hệ số hồi quy là 0.725, điều này có nghĩa là, trong điều kiện các yếu tố khác không đổi, khi Hoạt động sản xuất kinh doanh tăng lên 1 đơn vị thì Sự phát triển của doanh nghiệp tăng lên 0.725 đơn vị.
Khi hoạt động sản xuất kinh doanh bị tác động, chẳng hạn như năng xuất, chi phí và khả năng đáp ứng đơn hàng bị gián đoạn hay thay đổi khi nguyên liệu dầu vào bị bảo hộ, nhất là khi ngành sản xuất trong nước còn non trẻ, chưa đáp ứng được kỳ vọng của các nhà sản xuất sẽ ảnh hưởng lớn đến sự phát triển của doanh nghiệp.
Chất lượng sản phẩm khi có bảo hộ (CLSP): kết quả phân tích hồi quy cho thấy, có sự tương quan giữa CLSP và PTDN với mức ý nghĩa Sig .= 0.093<0.1. Hệ số hồi quy là 0.105, điều này có nghĩa là, trong điều kiện các yếu tố khác không đổi, khi Chất lượng sản phẩm tăng lên 1 đơn vị thì Sự phát triển của doanh nghiệp tăng lên 0.105 đơn vị.
Do việc bảo hộ mới thực thi, chất lượng sản phẩm trong nước và hàng thay thế