Correlations F1 F2 F3 F4 F5 P F1 Pearson Correlation 1 .223* .125 -.065 .508** .592** Sig. (2-tailed) .011 .157 .467 .000 .000 N 129 129 129 129 129 129 F2 Pearson Correlation .223* 1 -.028 -.037 .190* .265** Sig. (2-tailed) .011 .755 .675 .031 .002 N 129 129 129 129 129 129 F3 Pearson Correlation .125 -.028 1 -.202* .135 .127 Sig. (2-tailed) .157 .755 .021 .127 .152 N 129 129 129 129 129 129 F4 Pearson Correlation -.065 -.037 -.202* 1 .006 -.020 Sig. (2-tailed) .467 .675 .021 .948 .826 N 129 129 129 129 129 129 F5 Pearson Correlation .508** .190* .135 .006 1 .700** Sig. (2-tailed) .000 .031 .127 .948 .000 N 129 129 129 129 129 129 P Pearson Correlation .592** .265** .127 -.020 .700** 1 Sig. (2-tailed) .000 .002 .152 .826 .000 N 129 129 129 129 129 129
Đầu tiên ta sẽ phân tích mối quan hệ tuyến tính giữa các biến độc lập lên biến phụ thuộc và giữa các biến độc lập với nhau. Giả định rằng các biến độc lập khơng có tương quan hồn toàn với nhau (hệ số tương quan khác 1). Vì vậy ta xem xét bảng ma trận hệ số tương quan 4.21 trên để rút ra các kết luận sau:
Kết quả ma trận tương quan chỉ ra các biến độc lập khơng có tương quan hồn tồn với nhau, các hệ số tương quan đều bé hơn 1. Biến phụ thuộc có mối quan hệ tương quan với tất cả biến độc lập, và tương quan lớn nhất với biến F1 đạt 0.592. Đối với biến F3, F4 thì biến phụ thuộc rất ít tương quan chỉ đạt 0,127 và -0.02, hệ số Sig. cũng lớn hơn 0,05. Điều này cho thấy 2 biến này sẽ khơng có ý nghĩa thống kê trong mơ hình giải thích sự biến thiên của biến phụ thuộc P.
4.5.3. Kết quả phương trình hồi quy tuyến tính:
Sau khi chạy phân tích hồi quy ta có kết quả phân tích như sau: Bảng 4.17: Bảng đánh giá độ phù hợp của mơ hình theo R2
và Durbin-Watson
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .758a .575 .557 .48305 1.685 a. Predictors: (Constant), F5, F2, F3, F1, F4 b. Dependent Variable: P
Để đánh giá mức độ phù hợp của mơ hình hồi quy, ta sử dụng hệ số R2 hiệu chỉnh (Adjust R Square). Kết quả cho thấy hệ số R2
hiệu chỉnh = 0,557 nhỏ hơn hệ số R2 là 0.575 chứng tỏ mơ hình phù hợp với mức dữ liệu 55,7% hay nghĩa là mơ hình nghiên cứu đã giải thích được 55,7% sự biến thiên trong quyết định lựa chọn nhà cung cấp Hàn Quốc của doanh nghiệp thông qua các biến độc lập trong mơ hình. Kiểm định Durbin-Watson cho giá trị 1,681 (1< Durbin-Watson < 3) nên ta có thể kết luận khơng có tương quan chuỗi bậc 1 trong mơ hình (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008, tập 1, tr. 223)
Bảng 4.18: Kết quả kiểm định ANOVA
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 38.776 5 7.755 33.236 .000b Residual 28.700 123 .233 Total 67.476 128 a. Dependent Variable: P b. Predictors: (Constant), F5, F4, F2, F3, F1
Kết quả kiểm định F trong phân tích phương sai ANOVA nhằm đánh giá độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Trong bản phân tích này ta thấy hệ số sig rất nhỏ = 0,000 < 1% nên mơ hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.19: Kết quả phân tích hồi quy theo phương pháp Enter
Ta thấy các hệ số phóng đại phương sai (VIF) của các biến phụ thuộc đều nhỏ hơn 10 do đó khơng hề có hiện tượng đa cộng tuyến ở đây (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008, tập 1, tr. 252).
Như vậy theo kết quả phân tích ta có cơng thức hồi quy tuyến tính theo hệ số Beta chuẩn hóa như sau:
P = 0,3F1 + 0,099F2 + 0,022F3 + 0,005F4 + 0,526F5
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 1.068 .440 2.427 .017 F1 .227 .052 .300 4.327 .000 .719 1.391 F2 .090 .055 .099 1.627 .106 .937 1.068 F3 .027 .076 .022 .361 .719 .933 1.072 F4 .004 .052 .005 .082 .934 .952 1.050 F5 .376 .049 .526 7.626 .000 .727 1.376 a. Dependent Variable: P
Ta thấy rằng quyết định của doanh nghiệp bị tác động chủ yếu từ yếu tố F1 (Chất lượng) và yếu tố F5 (Giá cả) của nhà cung cấp Hàn Quốc. Các biến cịn lại khơng có khả năng tác động lớn đến quyết định. Do đó có thể giải thích vì sao ý nghĩa thống kê của biến F2 (sig=0,106), biến F3 (sig=0,719) và biến F4 (sig=0,934) đều lớn hơn 5%. Các biến này khơng có ý nghĩa thống kê thể hiện sự ảnh hưởng lên biến phụ thuộc là “Quyết định lựa chọn” của doanh nghiệp.
Như vậy tác giả đã phân tích và loại bỏ các biến quan sát có hệ số tương quan thấp so với quyết định chọn lựa cuối cùng của doanh nghiệp. Phương trình hồi quy tuyến tính chỉ ra hệ số tác động của biến “Chất lượng” lên “Quyết định” là 0,3 khi biến F1 thay đổi 1 đơn vị, và hệ số tác động của biến “Giá cả” lên “Quyết định là 0,526 khi biến F5 thay đổi 1 đơn vị.
4.5.4. Dị tìm sự vi phạm các giả thiết trong mơ hình:
Giả định thứ 1: giả định về liên hệ tuyến tính. Tác giả sử dụng biểu đồ phân tán Scatter plot với giá trị phần dư (Standarized residual) trên trục tung và giá trị dự đốn chuẩn hóa (Standarized predicted residual) trên trục hồnh.
Hình 4.2 bên dưới sẽ cho ta thấy đồ thị quan hệ tuyến tính giữa 2 biến là phân tán ngẫu nhiên và khơng có một sự vi phạm về quan hệ tuyến tính nào ở đây.
Giả định thứ 2: giả định về phân phối chuẩn và phần dư. Tác giả sử dụng biểu đồ tần số (Histogram, P-P plot) của các phần dư đã được chuẩn hóa để kiểm tra giả định này.
Hình 4.3 cho thấy phân phối của phần dư xấp xỉ là phân phối chuẩn. Giá trị trung bình (Mean) = 1.87 * 10-15, và độ lệch chuẩn (Std. Dev) = 0,98 ~ 1. Điều này chứng minh giả định về phân phối chuẩn khơng bị vi phạm
Hình 4.3: Biểu đồ tần số của giá trị phần dư
Hình 4.4 biểu diễn biểu đồ tần số P-P plot cho thấy các điểm quan sát không phát tán quá xa và dao động xung quanh đường kì vọng. Do đó ta có thể kết luận về giả thuyết phân phối chuẩn không bị vi phạm
Hình 4.4 Đồ thị tần số P-P plot
Giả định thứ 3: giả định về tính độc lập của sai số (khơng có tương quan giữa các phần dư). Tác giả đề cập đến yếu tố này ở phần đầu mơ hình tuyến tính thơng qua hệ số Durbin-Watson = 1,687 trong bảng 4.9. Hệ số này rơi vào khoảng 1,5 ÷ 2 cho thấy khơng có mối quan hệ tương quan giữa các phần dư trong mơ hình tương quan tuyến tính.
Giả định thứ 4: giả định về khơng có mối tương quan giữa các biến độc lập, thông qua việc đo lường hiện tượng đa cộng tuyến (Collinearity Diagnostics). Tác giả cũng đã đề cập đến yếu tố này ở phần trên thông qua hệ số VIF (Variance Inflation Factor) của các nhân tố đều bé hơn 2. Điền này cho thấy khơng có mối tương quan giữa các biến độc lập trong mơ hình hồi quy đa biến.
Như vậy, ta có thề kết luận rằng mơ hình hồi quy tuyến tính được xây dựng là hồn tồn phù hợp và khơng có một sự vi phạm giả định cần thiết nào.
4.6. Kiểm định giả thuyết nghiên cứu:
Dựa vào kết quả phân tích trình bày trong bảng 4.19, ta có kết quả kiểm định các giả thuyết được trình bày ở bảng 4.20 sau:
Bảng 4.20: Kết quả kiểm định các giả thuyết
Như vậy, chỉ có 2 giả thuyết H1 (Chất lượng) và H5 (Giá cả) được chấp nhận do vẫn mang được ý nghĩa thống kê trong mơ hình tuyến tính tác động lên biến phụ thuộc P (quyết định) của doanh nghiệp. Còn lại các giải thuyết H2 (Kỹ thuật), H3 (Dịch vụ), H4 (Giao hàng) thì bị loại bỏ khỏi mơ hình do khơng mang ý nghĩa thống kê ở đây. Từ đó tác giả rút ra cơng thức hồi quy tuyến tính thống kê sau:
P = 0,3F1 + 0,526F5
Kết luận: Mơ hình các yếu tố tác động lên quyết định lựa chọn nhà cung cấp Giả thuyết T Sig. Kết quả kiểm định
H1: Chất lượng tốt đồng biến với quyết định lựa chọn của doanh nghiệp
H2: Năng lực kỹ thuật tốt đồng biến với quyết định lựa chọn của doanh nghiệp
H3: Dịch vụ tốt đồng biến với quyết định lựa chọn của doanh nghiệp
H4: Năng lực giao hàng tốt đồng biến với quyết định lựa chọn của doanh nghiệp
H5: Giá cả cạnh tranh đồng biến với quyết định lựa chọn của doanh nghiệp
4.327 .000 Chấp nhận (p < 1%) Loại bỏ (p > 1%) Loại bỏ (p > 1%) Loại bỏ (p > 1%) Chấp nhận (p < 1%) 1.627 .106 .361 .719 .082 .934 7.626 .000
Hình 4.5: Mơ hình nghiên cứu cuối cùng
4.7. Phân tích ANOVA cho biến phân loại:
Trong phần này, tác giả muốn đi nghiên cứu sự khác biệt có giữa các bộ phận trong cơng ty, giữa các cơng ty có quy mơ lớn nhỏ và giữa các cơng ty có lịch sử hoạt động khác nhau xem có sự khác biệt trong việc đánh giá nhà cung cấp.
4.7.1. Phân tích ANOVA cho biến bộ phận:
Biến bộ phận được chia làm 3 biến nhỏ như sau: 1. Mua hàng
2. Kỹ thuật 3. Quản lý
Kết quả phân tích Homogeneity cho kết quả như bảng 4.21 sau:
Bảng 4.21: Kết quả phân tích Homogeneity cho biến phân loại bộ phận
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
F1 .380 2 126 .685 F2 2.780 2 126 .066 F3 1.711 2 126 .185 F4 1.018 2 126 .364 F5 .390 2 126 .678 P .838 2 126 .435
Theo kết quả phân tích cho thấy Sig. của các biến đều cho giá trị Sig. > 0,05. Nên ta suy ra phương sai giữa việc đánh giá các yếu tố: giá cả, chất lượng, giao hàng, dịch vụ và kỹ thuật khơng có sự khác nhau. Và do Sig. > 0,05 nên phương pháp kiểm định sau “Post Hoc” được sử dụng ở đây sẽ là Bonferroni.
Bảng 4.22: Kết quả phân tích ANOVA cho biến phân loại bộ phận
ANOVA
Sum of Squares Df Mean Square F Sig.
F1 Between Groups 2.702 2 1.351 1.474 .233 Within Groups 115.530 126 .917 Total 118.233 128 F2 Between Groups 2.035 2 1.018 1.605 .205 Within Groups 79.879 126 .634 Total 81.914 128 F3 Between Groups .707 2 .353 1.040 .356 Within Groups 42.816 126 .340 Total 43.523 128 F4 Between Groups 1.484 2 .742 1.067 .347 Within Groups 87.610 126 .695 Total 89.094 128 F5 Between Groups .663 2 .331 .317 .729 Within Groups 131.539 126 1.044 Total 132.202 128 P Between Groups 1.030 2 .515 .977 .379 Within Groups 66.446 126 .527 Total 67.476 128
Qua kết quả phân tích ANOVA, ta thấy tất cả các biến đều có giá trị Sig. > 0,05 cho thấy các bộ phận có sự đánh giá giống nhau cho các yếu tố: chất lượng, kỹ thuật, dịch vụ, giao hàng, giá cả và quyết định. Do đó tác giả khơng tập trung phân tích sự khác biệt giữa các bộ phận. Tuy nhiên kết quả phân tích Bonferroni vẫn được trình bày chi tiết trong phần phụ lục 11.1 cho việc tham khảo về sau.
4.7.2. Phân tích ANOVA cho biến loại hình:
Biến loại hình được chia làm 3 biến nhỏ: 1. Sản xuất
2. Thương mại / Dịch vụ 3. Hỗn hợp
Bảng 4.23: Kết quả phân tích Homogeneity cho biến phân loại loại hình
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
F1 3.135 2 126 .047 F2 3.410 2 126 .036 F3 1.412 2 126 .248 F4 1.448 2 126 .239 F5 .542 2 126 .583 P .720 2 126 .489
Theo kết quả phân tích cho thấy Sig. của các biến F3, F4, F5, P đều cho giá trị Sig. > 0,05. Nên ta suy ra phương sai giữa việc đánh giá các yếu tố: giá cả, chất lượng, giao hàng, dịch vụ và kỹ thuật là đồng nhất. Và do Sig. > 0,05 nên phương pháp kiểm định sau “Post Hoc” được sử dụng ở đây sẽ là Bonferroni. Cịn các biến F1, F2 thì có Sig. < 0,05 nên cho thấy có sự khác biệt trong phương sai giữa việc đánh giá các yếu tố. Do đó phép kiểm định “Post Hoc” là Tamhane’s T2
Bảng 4.24: Kết quả phân tích ANOVA cho biến phân loại loại hình
ANOVA
Sum of Squares Df Mean Square F Sig.
F1 Between Groups 1.704 2 .852 .921 .401 Within Groups 116.528 126 .925 Total 118.233 128 F2 Between Groups 1.558 2 .779 1.222 .298 Within Groups 80.355 126 .638 Total 81.914 128 F3 Between Groups .382 2 .191 .558 .574 Within Groups 43.141 126 .342 Total 43.523 128 F4 Between Groups 1.103 2 .551 .790 .456 Within Groups 87.991 126 .698 Total 89.094 128 F5 Between Groups .154 2 .077 .074 .929 Within Groups 132.047 126 1.048 Total 132.202 128 P Between Groups .081 2 .040 .075 .928 Within Groups 67.395 126 .535 Total 67.476 128
Qua kết quả phân tích ANOVA ở bảng 4.24, ta thấy tất cả các biến đều có giá trị Sig. > 0,05 cho thấy các loại hình cơng ty khác nhau đều có sự đánh giá giống nhau cho các yếu tố: chất lượng, kỹ thuật, dịch vụ, giao hàng, giá cả và quyết định. Do đó tác giả khơng tập trung phân tích sự khác biệt giữa các bộ phận. Tuy nhiên kết quả phân tích Bonferroni vẫn được trình bày chi tiết trong phần phụ lục 11.1 cho việc tham khảo về sau.
4.7.3. Phân tích ANOVA cho biến quy mơ:
Biến quy mô được chia làm 4 biến nhỏ: 1. < 10 người
2. 10 – 100 người 3. 100 – 500 người 4. >500 người
Kết quả phân tích Homogeneity cho kết quả như bảng 4.25 sau:
Bảng 4.25: Kết quả phân tích Homogeneity cho biến phân loại quy mô
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
F1 .943 3 125 .422 F2 3.016 3 125 .033 F3 3.545 3 125 .017 F4 .675 3 125 .569 F5 2.487 3 125 .064 P 1.384 3 125 .251
Theo kết quả phân tích cho thấy Sig. của các biến F1, F4, F5, P đều cho giá trị Sig. > 0,05. Nên ta suy ra phương sai giữa việc đánh giá các yếu tố: chất lượng, giao hàng, và giá cả là đồng nhất. Và do Sig. > 0,05 nên phương pháp kiểm định sau “Post Hoc” được sử dụng ở đây sẽ là Bonferroni. Còn các biến F2, F3 thì có Sig. < 0,05 nên cho thấy có sự khác biệt trong phương sai giữa việc đánh giá các yếu tố: kỹ thuật và dịch vụ. Do đó phép kiểm định “Post Hoc” là Tamhane’s T2
Bảng 4.26: Kết quả phân tích ANOVA cho biến phân loại quy mô
ANOVA
Sum of Squares Df Mean Square F Sig.
F1 Between Groups .701 3 .234 .248 .862 Within Groups 117.532 125 .940 Total 118.233 128 F2 Between Groups 2.221 3 .740 1.161 .327 Within Groups 79.693 125 .638 Total 81.914 128 F3 Between Groups 4.723 3 1.574 5.072 .002 Within Groups 38.800 125 .310 Total 43.523 128 F4 Between Groups 1.013 3 .338 .479 .697 Within Groups 88.081 125 .705 Total 89.094 128 F5 Between Groups 1.203 3 .401 .382 .766 Within Groups 130.999 125 1.048 Total 132.202 128 P Between Groups 2.307 3 .769 1.475 .225 Within Groups 65.169 125 .521 Total 67.476 128
Qua kết quả phân tích ANOVA, ta thấy các biến F1, F2, F4, F5, Pđều có giá trị Sig. > 0,05 cho thấy các cơng ty có quy mơ lớn và nhỏ có sự đánh giá giống nhau cho các yếu tố: chất lượng, kỹ thuật, giao hàng, giá cả và quyết định. Do đó tác giả khơng tập trung phân tích sự khác biệt cho các yếu tố này. Tuy nhiên kết quả phân tích Bonferroni vẫn được trình bày chi tiết trong phần phụ lục 11.1 cho việc tham khảo về sau.
Tuy nhiên biến F3 có giá trị Sig. < 0,05 cho thấy có sự khác biệt trong việc đánh giá yếu tố dịch vụ, và kết quả phân tích Bonferroni cho biến này được trình bày rút gọn trong bảng 4.27 sau:
Bảng 4.27: Kết quả phân tích Bonferroni cho biến phân loại quy mơ
Multiple Comparisons
Bonferroni
Dependent Variable (I) QM (J) QM Mean Difference (I-J)
Std. Error Sig. 95% Confidence Interval Lower Bound Upper Bound
F3 1 2 -.17960 .12543 .928 -.5159 .1567 3 .06618 .13513 1.000 -.2961 .4284 4 .46744 .17692 .056 -.0069 .9417