CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.2 Kiểm định và đánh giá thang đo
4.2.1 Phân tích Cronbach’s Alpha
Sau khi sử dụng phần mềm SPSS để tính hệ số Cronbach’s Alpha, kết quả phân tích Cronbach’s Alpha cho các biến quan sát được thể hiện qua bảng 4.2
Bảng 4.2 Kết quả Cronbach’s Alpha của các thang đo Biến Trung bình thang đo Biến Trung bình thang đo
nếu loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại
biến Lợi ích tài chính (Cronbach’s Alpha = 0,691)
FB1 6,79 3,544 0,566 0,522
FB2 6,08 3,571 0,475 0,641
FB4 6,14 3,840 0,480 0,629
Hỗ trợ của nhà sản xuất (Cronbach’s Alpha = 0,759)
MS1 11,28 5,768 0,477 0,745
MS2 10,99 4,553 0,696 0,618
MS3 11,02 5,055 0,552 0,710
MS5 11,01 6,462 0,556 0,720
Giá trị thương hiệu (Cronbach’s Alpha = 0,910)
BE1 11,84 4,664 0,807 0,880
BE2 11,73 4,811 0,732 0,906
BE3 11,83 4,775 0,869 0,862
BE4 11,84 4,423 0,792 0,887
Đáp ứng mong đợi khách hàng (Cronbach’s Alpha = 0,907)
CE2 7,84 2,339 0,776 0,900
CE3 7,82 2,410 0,872 0,829
CE4 7,86 2,115 0,812 0,874
Thỏa mãn thương hiệu (Cronbach’s Alpha = 0,743)
SB1 14,63 3,571 0,576 0,671
SB2 14,70 3,696 0,497 0,701
SB3 14,78 3,760 0,460 0,715
SB4 14,71 3,755 0,488 0,704
Kết quả phân tích Cronbach’s Alpha đã cho thấy có 3 biến quan sát đã bị loại trong tổng 22 biến quan sát được đưa vào phân tích:
Kết quả phân tích lần 1 về thang đo Lợi ích tài chính có Cronbach’s Alpha = 0,660, tuy nhiên trong đó biến quan sát FB3 “Giá bán của Holcim được chấp nhận hơn những xi măng khác”lại có tương quan biến tổng (Corrected Item-Total Correlation) <0,3. Xét về mặt thực tế, việc quyết định giá bán ra đến người tiêu dùng thường là do yếu tố thị trường quyết định, các cửa hàng bán lẻ ít có cơ hội để quyết định điều này, vì vậy nó khơng có tính chất quyết định đến lợi nhuận mang lại cho cửa hàng bán lẻ. Do đó, tác giả nhận thấy việc loại bỏ biến quan sát này trong thang đo cũng không ảnh hưởng nhiều đến độ giá trị nội dung, vì vậy biến FB3 được loại ra khỏi thang đo. Sau phân tích lần 2 khi đã loại biến FB3, các kết quả đều thỏa mãn và có đạt được độ giá trị tin cậy như bảng 5.2 thể hiện, vì vậy thang đo Lợi ích tài chính được đo lường bằng 3 biến FB1, FB2, FB4 sẽ được đưa vào phân tích EFA ở bước sau.
Đối với thang đo Hỗ trợ của nhà sản xuất, kết quả phân tích lần 1 cho Cronbach’s Alpha = 0,699, nhưng trong đó biến quan sát MS4 “hữu ích mang lại từ catalogue của Holcim” lại có tương quan biến tổng (Corrected Item-Total Correlation) < 0.3. Cũng xét về mặt nội dung, việc loại biến quan sát này cũng không ảnh hưởng nhiều đến độ giá trị nội dung của thang đo, do đó tác giả đã loại biến quan sát này ra khỏi thang đo. Tiến hành phân tích lần 2, các kết quả đều đã đáp ứng yêu cầu theo như bảng 4.2, do đó 4 biến quan sát MS1, MS2, MS3, MS5 được sử dụng cho phân tích EFA ở bước tiếp theo.
Đối với thang đo Đáp ứng mong đợi khách hàng, kết quả phân tích lần 1 choCronbach’s Alpha = 0,758, nhưng trong đó biến quan sát CE1“Khách hàng sẽ không quan tâm nhiều nếu khơng có sẵn Holcim trong cửa hàng” lại có tương quan biến tổng (Corrected Item-Total Correlation) < 0,3. Sau khi xem xét, đây là một câu hỏi phỏng vấn nghịch và có thể người được phỏng vấn đã hiểu nhầm trong việc cho điểm đánh giá, tuy nhiên tác giả nhận thấy rằng việc loại biến quan sát này cũng không
ảnh hưởng nhiều đến độ giá trị nội dung của thang đo, do đó tác giả đã loại biến quan sát này ra khỏi thang đo. Tiến hành phân tích lần 2, các kết quả đều đã đáp ứng yêu cầu theo như bảng 4.2, do đó 3 biến quan sát CE2, CE3, CE4 được sử dụng cho phân tích EFA ở bước tiếp theo.
Hai bộ thang đo còn lại về Giá trị thương hiệu và Thỏa mãn thương hiệu nhà sản xuất đều đã đáp ứng đầy đủ các tiêu chí trong phân tích lần 1, do đó tất cả các biến
quan sát đo lường của hai nhân tố đều được giữ nguyên và sử dụng cho phân tích EFA. Như vậy, cuối cùng đã có 19 biến quan sát đo lường cho 5 nhân tố sẽ được đưa vào phân tích EFA.
4.2.2 Phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis)
Trong nghiên cứu này, tác giả đã sử dụng phép trích PAF (principal axis factoring) và phép quay khơng vng góc (Promax) để phân tích EFA. Bên cạnh đó, tác giả tiến hành phân tích EFA cho các biến độc được phân tích cùng một lúc, riêng biến phụ thuộc (Thỏa mãn thương hiệu nhà sản xuất) được phân tích riêng.
4.2.2.1 Phân tích nhân tố khám phá EFA cho biến độc lập
Tác giả tiến hành đưa các biến quan sát của các thang đo sau vào phân tích nhân tố EFA:
- Lợi ích tài chính (FB)
- Hỗ trợ của nhà sản xuất (MS)
- Giá trị thương hiệu nhà sản xuất (BE) - Đáp ứng mong đợi khách hàng (CE)
Bảng 4.3 Kết quả phân tích EFA của các biến độc lập STT Biến Nhân tố STT Biến Nhân tố 1 2 3 4 1 FB1 0,785 2 FB2 0,577 3 FB4 0,616 4 MS1 0,574 5 MS2 0,847 6 MS3 0.650 7 MS5 0,638 8 BE1 0,843 9 BE2 0,755 10 BE3 0,941 11 BE4 0,864 12 CE2 0,806 13 CE3 0,950 14 CE4 0,884 Cronbach’s Alpha 0,691 0,759 0,910 0,907 KMO 0,722 Bartlett (Sig.) 0,000 Tổng phương sai trích (%) 71,822
- Số lượng nhân tố trích được là 4 nhân tố.
- Hệ số KMO đạt 0,722 >0,5 : Phân tích nhân tố thích hợp với dữ liệu nghiên cứu. - Kiểm định Bartlett: Đạt yêu cầu (Sig=0.000< 0,05). Chứng tỏ các biến quan sát trong phân tích nhân tố có tương quan với nhau trong tổng thể.
- Tổng phương sai trích: 71,82% (lớn hơn 50%). Cho biết 4 nhân tố trên giải thích được 71,82% biến thiên của dữ liệu.
- Giá trị hệ số Eigenvalue của các nhân tố đều đạt yêu cầu ( >1).
- Qua kết quả phân tích nhân tố ta thấy, tất cả các biến đều có hệ số tải nhân tố đạt yêu cầu (factor loading > 0,5).
- Tất cả các biến quan sát đều có khác biệt hệ số tải nhân tố giữa các nhân tố lớn hơn 0,3 (λiA – λiB ≥0.3), vì vậy đã đảm bảo độ giá trị phân biệt giữa các nhân tố với nhau.
4.2.2.2 Phân tích nhân tố khám phá EFA cho biến phụ thuộc
Thang đo Thỏa mãn thương hiệu nhà sản xuất với 5 biến quan sát được rút ra sau khi được kiểm tra bằng Cronbach’s alpha. Phân tích nhân tố khám phá được tiến hành để đánh giá mức độ hội tụ của các biến quan sát này.
Sử dụng phần mềm SPSS và đưa các biến vào phân tích, tác giả thu được kết quả như sau:
Bảng 4.4 Kết quả phân tích EFA cho biến phụ thuộc
STT Biến Nhân tố 1 1 SB1 0,701 2 SB2 0,591 3 SB3 0,559 4 SB4 0,567 5 SB5 0,614 Cronbach’s Alpha 0,743 KMO 0,695 Bartlett (Sig.) 0,000 Tổng phương sai trích (%) 49,464
Kết quả phân tích nhân tố (EFA) cho biến phụ thuộc “Thỏa mãn thương hiệu nhà sản xuất” cho thấy:
- Kiểm định Bartlett: sig. = 0,000 < 0.05: các biến quan sát có tương quan với nhau trong tổng thể.
- Hệ số KMO = 0,95 > 0,5: Phân tích nhân tố thích hợp với dữ liệu nghiên cứu. - Có 1 nhân tố được trích ra từ phân tích nhân tố (EFA).
- Giá trị tổng phương sai trích: 49,464% ~ 50%, được xem là đạt yêu cầu.
- Tất cả các biến quan sát đều có hệ số tải nhân tố (factor loading > 0,5): đạt yêu cầu. Như vậy, thang đo “Thỏa mãn thương hiệu nhà sản xuất” đạt giá trị hội tụ.
4.2.2.3 Tóm tắt kết quả phân tích nhân tố (EFA)
Kết quả phân tích nhân tố (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. Do đó, phân tích EFA là thích hợp với dữ liệu nghiên cứu và có 5 nhân tố được trích ra từ kết quả phân tích. Khơng có sự phát sinh nhân tố mới cũng như là gộp nhân tố so với mơ hình đề nghị ban đầu.
4.3 Điều chỉnh mơ hình nghiên cứu 4.3.1 Mơ hình điều chỉnh
Mơ hình nghiên cứu ban đầu được thiết kế với bốn thành phần: Lợi ích tài chính, Hỗ trợ nhà sản xuất, Giá trị thương hiệu nhà sản xuất, Đáp ứng mong đợi khách hàng tác động đến thành phần Thỏa mãn với thương hiệu xi măng Holcim. Qua tiến hành điều tra nghiên cứu thực tế, kết quả phân tích nhân tố EFA từ bộ dữ liệu thu thập được đã rút trích các thành phần giữ nguyên bốn nhân tố tác động đến nhân tố Thỏa mãn với thương hiệu xi măng Holcim. Bốn thành phần đó là Lợi ích tài chính (FB), Hỗ trợ nhà sản xuất (MS), Giá trị thương hiệu nhà sản xuất (BE), Đáp ứng mong đợi khách hàng (CE). Do vậy, mơ hình nghiên cứu vẫn giữ ngun để đảm bảo việc kiểm tra giả thiết của mơ hình tiếp theo.
Hình 4.1: Mơ hình nghiên cứu điều chỉnh
Như vây, các giả thuyết nghiên cứu vẫn được giữ nguyên như ban đầu:
Giả thuyết H1: Những lợi ích về tài chính có tác động dương đến sự thỏa mãn
thương hiệu Holcim cửa cửa hàng.Tức là, lợi ích về tài chính của cửa hàng khi bán xi măng Holcim càng cao thì sự thỏa mãn với thương hiệu xi măng Holcim càng lớn và ngược lại.
Giả thuyết H2: Hỗ trợ thương hiệu từ Holcim có tác động dương đến sự thỏa
mãn thương hiệu Holcim của cửa hàng.Tức là, hỗ trợ thương hiệu xi măng Holcim cho cửa hàng càng cao thì sự thỏa mãn với thương hiệu xi măng Holcim của cửa hàng càng lớn và ngược lại.
Giả thuyết H3: Giá trị thương hiệu Holcim có tác động dương đến sự thỏa mãn
thương hiệu Holcim của cửa hàng. Nghĩa là, giá trị thương hiệu của xi măng Holcim mang lại cho cửa hàng càng cao thì sự thỏa mãn với thương hiệu xi măng Holcim của cửa hàng càng lớn và ngược lại.
Lợi ích về tài chính
Hỗ trợ thương hiệu từ nhà sản xuất
Đáp ứng mong đợi người tiêu dùng
Sự thỏa mãn của cửa hàng đối với thương
hiệu
Giả thuyết H4: Sự đáp ứng mong đợi của người tiêu dùng về sự có mặt của sản
phẩm trong cửa hàng có tác động dương đến sự thỏa mãn thương hiệu Holcim của cửa hàng. Nghĩa là, khi xi măng Holcim đáp ứng mong đợi của người tiêu dùng càng nhiều thì sự thỏa mãn với thương hiệu xi măng Holcim của cửa hàng càng lớn và ngược lại.
4.3.2 Các biến quan sát sau khi điều chỉnh
Sau khi qua các bước phân tích Cronbach’s Alpha và EFA thì các biến quan sát để đo lường các thang đo được rút lại như sau:
Bảng 4.5 Biến quan sát điều chỉnh
STT Nhân tố quan Biến sát
Nội dung biến quan sát
1
Lợi ích tài chính
FB1 Lợi nhuận khi bán Holcim cao hơn các xi măng khác mà tôi đang bán 2 FB2 Xi măng Holcim mang lại doanh số cao hơn các xi măng khác tôi
đang bán
3 FB4 Lợi nhuận có được từ chương trình khuyến mãi của Holcim nhiều hơn với những xi măng khác
4
Hỗ trợ của nhà sản xuất
MS1 Holcim rất mạnh trong các chương trình quảng cáo đến người tiêu dùng.
5 MS2 Holcim là sản phẩm chúng tôi quảng cáo nhiều nhất
6 MS3 Holcim là một thương hiệu rất quan trọng trong cửa hàng chúng tơi 7 MS5 Holcim là thương hiệu đóng vai trị quan trong trong sự phát triển của
ngành xi măng trong tương lai 8
Giá trị thương hiệu
BE1 Tôi hy vọng rằng khách hàng của tôi sẽ mua Holcim thay vì mua các xi măng khác ngay cả khi nó tương đương về chất lượng
9 BE2 Ngay cả khi có một loại xi măng khác bằng giá với Holcim, tôi mong đợi khách hàng sẽ mua Holcim
10 BE3 Nếu có một sản phẩm khơng có gì khác với Holcim, tơi vẫn mong đợi rằng khách hàng sẽ nghĩ rằng “tốt hơn là nên mua Holcim”
11 BE4 Thậm chí nếu có một sản phẩm tương tự với Holcim, tơi vẫn mong đợi khách hàng sẽ thích mua Holcim hơn.
12 Đáp ứng mong
đợi khách
hàng
CE2 Khách hàng ln mong đợi nhìn thấy Holcim sẵn có trong cửa hàng 13 CE3 Khách hàng sẽ phàn nàn nếu cửa hàng của tơi khơng có sẵn Holcim 14 CE4 Holcim là sản phẩm rất thông dụng đối với khách hàng của tôi.
15 Thỏa mãn thương hiệu nhà sản xuất
SB1 Nhìn chung, chúng tơi rất hài lịng đối với sản phẩm Holcim 16 SB2 Tôi rất tiếc khi quyết định bán sản phẩm Holcim
17 SB3 Tơi rất hài lịng với những gì sản phẩm Holcim mang lại cho chúng tơi 18 SB4 Cửa hàng chúng tơi khơng thât sự thích sản phẩm Holcim
19 SB5 Nếu chúng tôi phải lựa chọn lại, cửa hàng chúng tôi vẫn sẽ lựa chọn bán sản phẩm Holcim
4.4 Kiểm định mơ hình nghiên cứu 4.4.1 Mã hóa biến 4.4.1 Mã hóa biến
Để thực hiện kiểm định mơ hình bằng phân tích hồi quy, tác giả đã tiến hành mã hóa biến, giá trị của biến mã hóa được tính bằng trung bình của các biến quan sát, cụ thể:
Bảng 4.6 Mã hóa các nhân tố
STT Nhân tố Biến mã hóa
1 Lợi ích tài chính LoiIchTaiChinh
2 Hỗ trợ của nhà sản xuất HoTro
3 Giá trị thương hiệu GiaTriThuongHieu
4 Đáp ứng mong đợi khách hàng DapUng 5 Thỏa mãn thương hiệu nhà sản xuất ThoaMan
4.4.2 Phân tích tương quan hệ số Pearson
Người ta sử dụng thống kê có tên Hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Nếu giữa hai biến có tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Trong phân tích tương quan Pearson, khơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem xét như nhau. Giá trị của biến phụ thuộc và biến độc lập được tính trung bình dựa trên các biến quan sát thành phần,
Xem xét kết quả từ bảng 4.7, ta có kết quả:
Biến phụ thuộc – Thoả mãn thương hiệu nhà sản xuất (ThoaMan) có mối tương
(0,320), đồng thời tất cả các sig. = 0,000 < 0,01. Như vậy, các biến độc lập và biến phụ thuộc đều thỏa điều kiện để đưa vào phân tích hồi quy.
Xem xét mối tương quan giữa các biến độc lập, ta thấy Sig. của các cặp biến:
LoiIchTaiChinh với HoTro, HoTro với GiaTriThuongHieu, LoiIchTaiChinh với DapUng, HoTro với DapUng, và GiaTriThuongHieu với DapUng đều lớn hơn 0,1,
điều đó cho thấy khơng có căn cứ để cho rằng có mối quan hệ tương quan giữa các biến này với nhau. Riêng giữa hai biến LoiIchTaiChinh với GiaTriThuongHieu, ta có
Sig. = 0,044 < 0,05 nghĩa là có mối tương quan giữa 2 biến này với mức ý nghĩa 5%, nhưng hệ số tương quan của chúng chỉ là 0,143 là khá nhỏ, do đó tương quan giữa hai biến này là khơng đáng kể.
Như vậy giả định ban đầu cho thấy hiện tượng đa cộng tuyến giữa các biến độc lập xảy ra là không quan trọng và thỏa điều kiện để đưa vào phân tích hồi quy.
Bảng 4.7 Ma trận tương quan giữa các biến độc lập với nhau và giữa các biến độc lập với biến phụ thuộc
LoiIchTai
Chinh HoTro
GTThuong
Hieu DapUng ThoaMan LoiIchTaiChinh Tương quan Pearson 1 Sig. (2-tailed) HoTro Tương quan Pearson -0,111 1 Sig. (2-tailed) 0,116 GTThuongHieu Tương quan Pearson 0,143* 0,034 1 Sig. (2-tailed) 0,044 0,635 DapUng Tương quan Pearson 0,033 -0,059 -0,109 1 Sig. (2-tailed) 0,644 0,404 0,125 ThoaMan Tương quan Pearson 0,460*** 0,246*** 0,450*** 0,320*** 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000
4.4.3 Phân tích hồi quy tuyến tính
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ tác động của các biến độc lập lên biến phụ thuộc. Phương pháp hồi quy được sử dụng là phương pháp bình phương nhỏ nhất OLS với biến phụ thuộc là Thỏa mãn thương hiệu nhà sản xuất (ThoaMan) và các biến độc lập bao gồm Lợi ích tài chính(LoiIchTaiChinh), Hỗ trợ của nhà sản xuất (HoTro), Giá trị thương hiệu(GiaTriThuongHieu), và Đáp ứng mong đợi khách hàng (DapUng). Phương trình hồi quy bội biểu diễn mối liên hệ giữa