CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.2. Đánh giá thang đo:
4.2.1. Phân tích độ tin cậy Cronbach’s Alpha của các thang đo:
Phương pháp phân tích Cronbach’s Alpha dùng để đánh giá độ tin cậy của thang đo. Hệ số độ tin cậy của Cronbach là phép kiểm định thống kê về mức độ chặt chẽ mà các mục trong thang đo tương quan với nhau, giúp loại đi những biến và thang đo khơng phù hợp. Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1].
Mức giá trị hệ số Cronbach’s Alpha theo Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008) được phân thành cấp bậc như sau:
- Từ 0.8 đến gần bằng 1: thang đo lường rất tốt.
- Từ 0.7 đến gần bằng 0.8: thang đo lường sử dụng tốt.
- Từ 0.6 trở lên: thang đo lường đủ điều kiện.
Dựa và lý thuyết trên, tác giả kiểm định độ tin cậy của thang đo dựa trên cơ sở các biến quan sát có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach Alpha từ 0,6 trở lên.
Kết quả kiểm định độ tin cậy của các thang đo cho thấy tất cả các thang đo đều có giá trị hệ số trong độ tin cậy cho phép. Vì vậy, tất cả các biến quan sát đạt yêu cầu có thể tiến hành trong các bước phân tích EFA và hồi quy tiếp theo (chi tiết thể hiện ở phụ lục).
Bảng 4.2 Kiểm định các thang đo bằng hệ số Cronbach’s Alpha
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
Nhóm tham chiếu Cronbach Alpha = .877
RG1 11.640 5.310 .705 .855
RG2 11.710 4.519 .775 .827
RG3 11.730 4.412 .777 .827
RG4 11.670 5.378 .706 .855
Nhận xét trực tuyến tích cực Cronbach Alpha = .896
POC1 12.010 4.981 .705 .888
POC2 11.940 4.457 .790 .858
POC3 11.950 4.603 .764 .867
POC4 11.910 4.260 .820 .846
Giá trị cảm nhận Cronbach Alpha = .707
PV1 15.990 2.596 .578 .610
PV2 16.070 2.615 .577 .611
PV3 16.000 2.526 .474 .657
PV5 15.980 3.403 .180 .756
Rủi ro nhận thức Cronbach Alpha = .864
PR1 15.800 6.452 .682 .836
PR2 15.810 6.547 .613 .854
PR3 15.860 6.340 .722 .826
PR4 15.820 6.281 .682 .836
PR5 15.840 6.297 .725 .825
Ý định mua hàng trực tuyến Cronbach Alpha = .708
OPI1 8.210 1.240 .478 .675
OPI2 7.930 1.122 .548 .589
OPI3 7.960 1.191 .552 .585
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
4.2.2. Phân tích nhân tố khám phá EFA:
Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là EFA) là phương pháp phân tích thống kê dùng để rút gọn một tập hợp nhiều biến quan sát k có mối tương quan với nhau thành một tập biến (gọi là các nhân tố) F ít hơn (F<k) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. Phương pháp này giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Theo Hair và cộng sự (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Trọng số nhân tố > 0.3 là đạt mức tối thiểu
• Trọng số nhân tố > 0.4 là quan trọng
• Trọng số nhân tố > 0.5 là có ý nghĩa thực tiễn.
Ngồi ra, điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:
• Trọng số nhân tố > 0.5
• 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) với mức ý nghĩa của
kiểm định Bartlett (Sig. < 0.05). KMO là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Kiểm định Bartlett là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
4.2.2.1. Thang đo các giá trị độc lập:
Tác giả tiến hành phân tích nhân tố lần lượt cho các biến độc lập và biến phụ thuộc. 18 biến quan sát của các nhóm nhân tố Nhóm tham chiếu (RG), Nhận xét trực tuyến tích cực (POC), Giá trị cảm nhận (PV), Rủi ro nhận thức (PR) được đưa vào phân tích nhân tố khám phá EFA với phương pháp rút trích Principal Component Analysis và phép xoay Promax. Kết quả EFA lần 1 cho thấy có 2 biến quan sát RG2 và RG3 tách làm hai nhóm: nhóm đầu tiên có số tải >0.8 và chung nhóm với những biến quan sát cịn lại của RG; nhóm thứ 2 có số tải >0.3 nhưng <0.5 (trong trường hợp nghiên cứu này, tác giả chọn hệ số tải tiêu chuẩn là 0.5) và gộp chung nhóm với biến quan sát PV5.
Bảng 4.3 Kết quả phân tích nhân tố EFA lần 1 1 2 3 4 5 1 2 3 4 5 PR4 0.819 PR5 0.81 PR3 0.809 PR1 0.787 PR2 0.727 POC4 0.885 POC3 0.851 POC2 0.851 POC1 0.835 RG1 0.833 RG3 0.833 0.401 RG2 0.831 0.37 RG4 0.83 PV1 0.769 PV3 0.742 PV2 0.702 PV4 0.688 PV5 0.719 Phương sai trích 68.869% Phương pháp rút trích: Phân tích thành phần chính. Phương pháp xoay: Varimax với chuẩn hóa Kaiser.
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
Theo kết quả bảng phân tích nhân tố EFA lần 1, biến quan sát PV5 tách nhóm, cùng với biến quan sát RG2 và RG3 tạo thành một nhóm nhân tố mới. Tác giả nghiên cứu quyết định loại bỏ biến quan sát PV5 và chạy phân tích nhân tố EFA lần 2.
Sau khi loại PV5, 17 biến còn lại của 4 thành phần được phân thành 4 nhóm tại trị số với tổng phương sai trích đạt 68.869% (> 50%). Điều này có nghĩa là 4 nhóm nhân tố này có khả năng giải thích 68.869% mức độ biến thiên của dữ liệu, do vậy các thang đo rút ra chấp nhận được. Ngoài ra, hệ số KMO = 0,78 > 0,5; kiểm
định Bartlett có ý nghĩa thống kê sig = 0,000 (< 0,050) (xem chi tiết tại phụ lục). Tất cả các biến quan sát có hệ số tải nhân tố > 0,5; trọng số nhân tố nhỏ nhất rơi vào hai biến quan sát PV3 và PV4 với hệ số tải lần lượt la 0.716 và 0.717. Những kết quả này chỉ ra rằng EFA là phù hợp và 17 biến đạt yêu cầu có thể sử dụng cho các phân tích tiếp theo.
Bảng 4.4 Kết quả phân tích nhân tố EFA lần 2
STT TÊN BIẾN NHÂN TỐ TÊN NHÂN TỐ
1 2 3 4 1 PR4 0.819 Rủi ro nhận thức 2 PR5 0.810 3 PR3 0.808 4 PR1 0.785 5 PR2 0.726 6 POC4 0.884 Nhận xét trực tuyến tích cực 7 POC2 0.851 8 POC3 0.850 9 POC1 0.835 10 RG3 0.871 Nhóm tham chiếu 11 RG2 0.867 12 RG1 0.805
13 RG4 0.802 14 PV1 0.771 Giá trị cảm nhận 15 PV2 0.722 16 PV4 0.717 17 PV3 0.716 Phương sai trích 68.896% Phương pháp rút trích: Phân tích thành phần chính. Phương pháp xoay: Varimax với chuẩn hóa Kaiser.
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
Theo kết quả phân tích nhân tố EFA lần 2, 17 biến quan sát đã gom về trong 4 nhóm nhân tố và thỏa các điều kiện như đã nêu ở trên. Đây chính là kết quả cuối cùng để tiếp tục xử lý những bước tiếp theo.
Qua đó, nhóm nhân tố Giá trị cảm nhận (PV) thay đổi giảm số biến quan sát PV5.
Nhân tố thứ tư còn 4 biến quan sát như sau:
• PV1: Tơi nghĩ rằng việc mua các sản phẩm nông nghiệp trực tuyến làm tăng
hiệu quả mua hàng.
• PV2: Tôi nghĩ rằng các sản phẩm nơng nghiệp mua trực tuyến có chất lượng
chấp nhận được
• PV3: Tôi nghĩ rằng các sản phẩm nông nghiệp mua trực tuyến sẽ tiết kiệm
• PV4: Tơi nghĩ rằng việc mua các sản phẩm nông nghiệp trực tuyến rất thú
vị
Nhân tố này được loại bỏ biến PV5 trong q trình phân tích nhân tố khám phá EFA. Tiến hành đánh giá lại độ tin cậy bằng hệ số Cronbach’s Alpha, ta nhận được kết quả hệ số Cronbach’s Alpha của nhân tố PV đạt 0.756.
Bảng 4.5 Đánh giá lại độ tin cậy của nhân tố mới (PVa)
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
Nhóm tham chiếu Cronbach Alpha = .877
PV1 11.960 2.074 .586 .682
PV2 12.040 2.125 .561 .695
PV3 11.980 1.948 .515 .727
PV4 11.950 2.133 .563 .694
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
4.2.2.2. Thang đo Ý định mua sắm nông sản trực tuyến:
Để đảm bảo độ tin cậy và độ hội tụ của các nhân tố của Ý định mua sắm nông sản trực tuyến, chúng ta cũng sẽ phải tiến hành phân tích nhân tố đối với các nhân tố của Ý định mua sắm nông sản trực tuyến. Mong đợi của chúng ta là các biến quan sát này sẽ cùng nhau tạo thành một nhân tố (phạm trù).
Sau khi phân tích EFA, ba biến quan sát của thang đo Ý định mua sắm nông sản trực tuyến khơng có biến quan sát nào bị loại. Kết quả cho thấy, hệ số KMO = 0,667 > 0,5; kiểm định Bartlett có ý nghĩa thống kê sig = 0,000 (< 0,050) (xem chi tiết tại phụ lục). Tất cả các biến quan sát có hệ số tải nhân tố > 0,5 và đều gom về
chung một nhân tố. Điều này hoàn toàn phù hợp và có thể sử dụng cho các phân tích tiếp theo.
Bảng 4.6 Kết quả phân tích nhân tốt EFA cho biến phụ thuộc
Ma trận nhân tố xoay Nhân tố 1 OPI3 0.815 OPI2 0.813 OPI1 0.755 Phương pháp rút trích: Phân tích thành phần chính. Phương pháp xoay: Varimax với chuẩn hóa Kaiser.
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
Kiểm định KMO and Bartlett's
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .667
Bartlett's Test of Sphericity
Approx. Chi-Square 118.576
df 3
MƠ HÌNH NGHIÊN CỨU ĐIỀU CHỈNH
Theo kết quả kiểm định bên trên, mơ hình nghiên cứu vẫn giữ nguyên như ban đầu, chỉ thay đổi ở số lượng biến quan sát (loại bỏ biến PV5) ở nhân tố Giá trị cảm nhận.
Hình 4.1 Mơ hình nghiên cứu điều chỉnh 4.3. Kiểm định mơ hình lý thuyết: 4.3. Kiểm định mơ hình lý thuyết:
Sau khi phân tích nhân tố, kết quả thi được 4 nhân tố được đưa vào kiểm định mơ hình. Tiếp tục, nghiên cứu sẽ tìm giá trị nhân tố cho từng nhóm nhân tố ảnh hưởng. Giá trị nhân tố được định nghĩa là giá trị trung bình của các biến quan sát thành phần thuộc nhân tố đó. Phân tích tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mơ hình hồi quy. Kết quả của phân tích hồi quy sẽ được sử dụng để kiểm định các giả thuyết.
Nhóm tham chiếu Nhận xét trực tuyến tích cực Giá trị cảm nhận Rủi ro nhận thức Ý định mua nông sản trực tuyến H1(+) H2(+) H3(+) H4(-)
Kiểm định mơ hình Ý định mua nơng sản trực tuyến (OPI):
Mơ hình hồi quy có dạng sau:
E(Ý định mua nơng sản trực tuyến) = βo + β1 x Nhóm tham chiếu + β2 x Nhận xét trực tuyến tích cực + β3 x Giá trị cảm nhận – β4 x Rủi ro + ε
(Trong đó: βo : hằng số hồi quy, βi: trọng số hồi quy, ε : sai số)
4.3.1. Phân tích tương quan:
Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc.đồng thời, nếu các biến có tương quan chặt chẽ thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy.
Theo ma trận tương quan thì các biến đều có tương quan và có ý nghĩa ở mức 0.05. Theo kết quả phân tích ở bảng Tương quan, hệ số tương quan biến phụ thuộc là Ý định mua nông sản trực tuyến với các biến Nhóm tham chiếu, Nhận xét trực tuyến tích cực, Giá trị cảm nhận và Rủi ro lần lượt là 0.327, 0.581, 0.459 và 0.527 với mức ý nghĩa 0.000 < 0.005
Do đó, ta có thể kết luận các biến độc lập này có thể đưa vào mơ hình để giải thích cho biến Ý định mua nơng sản trực tuyến.
Bảng 4.7 Ma trận tương quan giữa các biến
Ma trận hệ số tương quan
OPI RG POC PVa PR
OPI 1.000
RG .327 1.000
POC .581 .122 1.000
PVa .459 .385 .225 1.000
PR .527 .139 .311 .234 1.000
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
4.3.2. Phân tích hồi quy:
Kết quả cho thấy mơ hình hồi quy đưa ra tương đối phù hợp với mức ý nghĩa
0.05. Hệ số R2 hiệu chỉnh = 0.555 có nghĩa là có khoảng 55.5% sự thay đổi của biến
phụ thuộc Ý định mua nông sản trực tuyến được giải thích bằng sự thay đổi của biến được lập có mặt trong mơ hình.
Bảng 4.8 Bảng đánh giá độ phù hợp của mơ hình
Mơ hình R R Square R 2 hiệu chỉnh Sai số chuẩn dự đoán 1 .751 .563 .555 .33909
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
Trong bảng ANOVA, ta có thể thấy sig. rất nhỏ (sig. = 0.000 < 0.05). Vì vậy, có ít nhất một biến có ý nghĩa trong thống kê.
Bảng 4.9 Phân tích phương sai (hồi quy)
a. Biến phụ thuộc: OPI b. Biến dự đoán: (Hằng số), RG, POC, PR, PVa
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
Theo bảng hệ số, nếu sig. < 0.05 tương đương với độ tin cậy 95% và |t| > 2 thì nhân tố đó được chấp nhận, có nghĩa là nó có sự tác động đến ý định mua nơng sản trực tuyến. Kết quả hồi quy cho thấy cả hai nhân tố đều thỏa mãn điều kiện trên.
ANOVAa Mô hình Tổng các bình phương df Bình phương trung bình F Sig. 1 Phần hồi quy 31.005 4 7.751 67.412 .000b Phần dư 24.031 209 .115 Tổng cộng 55.036 213
Bảng 4.10 Hệ số hồi quy
Nguồn: Kết quả phân tích dữ liệu của tác giả (2018)
Kết quả hệ số hồi quy được thể hiện dưới hai dạng: (1) chưa chuẩn hóa Unstandardized) và (2) chuẩn hóa (Standardized). Vì hệ số hồi quy chưa chuẩn hóa (B), giá trị của nó phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình được. Hệ số hồi quy chuẩn hóa (beta, ký hiệu β) là hệ số chúng ta đã chuẩn hóa các biến. Vì vậy chúng được dùng để so sánh mức độ tác động của các biến phụ thuộc vào biến độc lập.
Ngoài ra, chỉ VIF < 2 của cả 2 nhân tố cũng chứng tỏ được rằng không xảy ra hiện tượng đa cộng tuyến.
Bảng 4.10 Hệ số hồi quy sử dụng phương pháp Enter Mơ hình Hệ số hồi quy
chưa chuẩn hóa
Hệ số hồi quy chuẩn
hóa
t Sig. Thống kê đa cộng tuyến
B Sai số chuẩn
Beta Dung sai VIF
Hằng số Nhóm tham chiếu Nhận xét trực tuyến Giá trị cảm nhận Rủi ro nhận thức .357 .240 1.487 .139 .098 .035 .140 2.818 .005 .849 1.178 .297 .035 .409 8.387 .000 .878 1.139 .262 .056 .238 4.652 .000 .801 1.248 .266 .040 .325 6.635 .000 .873 1.146
Phương trình hồi quy tuyến tính được thể hiện như sau:
Ý định mua hàng nông sản trực tuyến = 0.098*Nhóm tham chiếu + 0.297*Nhận xét trực tuyến tích cực + 0.262*Giá trị cảm nhận – 0.266*Rủi ro
Kết quả này có ý nghĩa là: Trong điều kiện các yếu tố khác không đổi, khi giá trị Nhóm tham chiếu tăng lên một đơn vị đo lường dẫn đến Ý định mua nông sản trực tuyến tăng lên 0.14 đơn vị đo lường.
Tương tự, trong điều kiện các yếu tố khác không đổi, khi giá trị Nhận xét trực tuyến tích cựu tăng lên một đơn vị đo lường thì Ý định mua nông sản trực tuyến sẽ tăng 0.409 đơn vị đo lường.
Khi Giá trị cảm nhận tăng lên một đơn vị đo lường thì ý định mua nông sản trực tuyến sẽ tăng 0.238 đơn vị đo lường trong điều kiện các yếu tố khác không đổi.
Cuối cùng, trong điều kiện các yếu tố khác không đổi, khi giá trị Rủi ro tăng lên một đơn vị đo lường thì ý định mua nơng sản trực tuyến sẽ giảm 0.325 đơn vị đo lường.
Hình 4.2 Kết quả phân tích hồi quy
Nhóm tham chiếu Nhận xét trực tuyến tích cực Giá trị cảm nhận Rủi ro nhận thức Ý định mua nông