PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA

CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU

4.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA

Sau khi kiểm định độ tin cậy thang đo thì phân tích nhân tố khám phá EFA được sử dụng. Đây là phương pháp phân tích thống kê dùng để rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu.

4.3.1. Tiêu chuẩn đánh giá

Trong phân tích EFA thì kích thước mẫu phải đạt tối thiểu 50 và tỷ lệ quan sát/biến đo lường là 5:1, có nghĩa là 1 biến đo lường cần tối thiểu 5 biến quan sát (Hair & ctg (2006) trích trong Nguyễn Đình Thọ (2011, trang 398)). Mô hình nghiên cứu gồm 33 biến đo lường x 5 = 165 quan sát. Mẫu nghiên

cứu này gồm 198 > 165, như vậy đạt yêu cầu để phân tích EFA. Các chỉ số được quan tâm trong phân tích nhân tố EFA gồm:

a) Kiểm định KMO cho biết sự thích hợp của phân tích EFA. Chỉ sớ

KMO > 0.5 thì sử dụng EFA là thích hợp (Nguyễn Đình Thọ, 2011,

trang 397).

b) Kiểm đinh Bartlett xem xét giả thuyết “Ho: các biến khơng có quan hệ tương quan trong tổng thể”. Kiểm định này có ý nghĩa khi sig <

0.05, nghĩa là bác bỏ giả thuyết Ho, suy ra các biến có tương quan

trong tổng thể.

c) Chỉ số Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tớ. Chỉ những nhân tớ có Eigenvalue > 1 mới được giữ lại

trong mơ hình.

d) Tởng phương sai trích được (Varience Explained Criteria) ≥ 50%.

e) Hệ số tải nhân tố (factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu, > 0.4 được xem là quan trọng và ≥ 0.5 được xem là có ý nghĩa thực tiễn. Trong nghiên cứu này, hệ số tải nhân tố yêu

cầu phải ≥ 0.5 mới đạt yêu cầu (Hair và ctg, 1998). Ngoài ra, các

biến nào có độ chênh lệch về hệ số tải nhân tố mà nó đo lường với hệ số tải trên nhân tố mà nó không đo lường ≤ 0.3 cũng sẽ bị loại.

Tất cả 33 biến quan sát đều được đưa vào chạy EFA. Sử dụng phép trích Principal Components cùng với phép quay vng góc Varimax, sau

khi chạy EFA ta được bảng kết quả dưới đây (xem thêm phần phụ lục III.3):

4.3.2. Kết quả phân tích

- Hệ số KMO = 0.884 (> 0.6) nên phân tích nhân tớ phù hợp. Kiểm định Bartlett có hệ sớ sig = 0.00, kiểm định này có ý nghĩa thống kê, suy ra các biến có tương quan với nhau trong tổng thể.

- Tiêu chuẩn Eigenvalue = 1.011 (> 1), có 8 nhân tớ được trích ra. Hệ sớ

Cumulative % = 70.686% cho biết 8 nhân tố đầu tiên giải thích được

70.686% độ biến thiên của dữ liệu, cả 8 nhân tố đều thỏa điều kiện.

Bảng 4.7: Kết quả kiểm định KMO và Bartlett Kiểm định KMO và Bartlett Kiểm định KMO và Bartlett

Kaiser-Meyer-Olkin Measure of Sampling

Adequacy. 0.884 Bartlett's Test of Sphericity

Approx. Chi-Square 3,998.030 df 528.000

Sig. 0.000

Bảng 4.8: Bảng liệt kê hệ số tải nhân tố EFA Ma trận xoay Ma trận xoay Biến quan sát Nhân tố Tính thuận tiện Rủi ro Ý định mua hàng Đa dạng lựa chọn Dễ sử dụng Mong đợi về giá Thoải mái mua sắm Ảnh hưởng xã hội TT_04 0.820 TT_03 0.793 TT_06 0.747 TT_01 0.669 TT_05 0.650 TT_02 0.608 RR_26 0.842 RR_28 0.822 RR_27 0.810 RR_25 0.740 YDMH_33 0.704 YDMH_32 0.682 YDMH_30 0.676 YDMH_29 0.648 YDMH_31 .602 DDLC_21 0.767 DDLC_20 0.747 DDLC_19 0.678 DDLC_18 .604 DSD_11 0.809 DSD_12 0.805 DSD_13 .689 DSD_14 .662 GIA_09 0.815 GIA_10 .751 GIA_07 .681 GIA_08 .665 TMMS_23 0.820 TMMS_22 0.775 TMMS_24 0.686 AHXH_16 0.751 AHXH_15 0.746 AHXH_17 0.695

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.

(Nguồn: kết quả phân tích dữ liệu của tác giả)

Theo kết quả kiểm định độ tin cậy Cronbach’s Alpha và phân tích nhân tớ khám phá (EFA) thì các thang đo đạt độ tin cậy và có giá trị. Theo đó, có 7

biến độc lập được rút ra ảnh hưởng đến ý định mua hàng thời trang qua mạng của người tiêu dùng ở TPHCM là: (1) tính thuận tiện (TT); (2) mong đợi về giá (GIA); (3) tính dễ sử dụng (DSD); (4) ảnh hưởng xã hội (AHXH); (5) đa dạng sự lựa chọn (DDLC); (6) thoải mái khi mua sắm (TTMS); (7) nhận thức rủi ro (RR) và 1 biến phụ thuộc là ý định mua hàng thời trang qua mạng (YDMH). Do đó mô hình nghiên cứu vẫn giữ nguyên 8 khái niệm thành phần như mô hình đề xuất và các giả thuyết nghiên cứu vẫn được giữ nguyên.

4.4. MÔ HÌNH NGHIÊN CỨU SAU KHI ĐÁNH GIÁ THANG ĐO

Từ kết quả phân tích Cronbach’s Alpha và EFA như trên, ta kết luận rằng thang đo các khái niệm nghiên cứu đạt được độ tin cậy và có giá trị. Không có sự thay đổi các nhân tố ảnh hưởng đến ý định MHTTQM, mô hình nghiên cứu vẫn sẽ giữ nguyên mô hình đề xuất ban đầu gồm 7 biến độc lập và 1 biến phụ thuộc là ý định MHTTQM.

Bảng 4.9: Bảng tóm tắt giả thuyết

Giả thuyết Nội dung

H1 Tính thuận tiện có tác động dương (+) lên ý định MHTTQM của người tiêu dùng

H2 Mong đợi về giá có tác động dương (+) lên ý định MHTTQM của người tiêu dùng

H3 Tính dễ sử dụng có tác động dương (+) lên ý định MHTTQM của người tiêu dùng

H4 Ảnh hưnng x hội có tác động dương (+) lên ý định MHTTQM của người tiêu dùng

H5 Đa dạng sự lựa chọn có tác động dương (+) lên ý định MHTTQM của người tiêu dùng

H6 Thoải mái khi mua sắm có tác động dương (+) lên ý định MHTTQM của người tiêu dùng

H7 Nhận thức rủi ro có tác động âm (-) lên ý định MHTTQM của người tiêu dùng

4.5. KIỂM ĐỊNH MÔ HÌNH NGHIÊN CỨU VÀ CÁC GIẢ THUYẾT 4.5.1. Phân tích tương quan

Phân tích tương quan là tính độ mạnh hay mức độ liên hệ tuyến tính giữa hai biến để xem xét có gây ra hiện tượng đa cộng tún hay khơng trước khi đưa vào phân tích hồi quy.

Trong nghiên cứu này, phân tích tương quan được thực hiện giữa biến phụ thuộc là ý định mua hàng (YDMH) với 7 biến độc lập gồm tính thuận tiện (TT), mong đợi về giá (GIA), tính dễ sử dụng (DSD), ảnh hưởng xã hội (AHXH), đa dạng sự lựa chọn (DDLC), thoải mái khi mua sắm (TMMS) và nhận thức rủi ro (RR). Bên cạnh đó cũng phân tích tương quan giữa các biến độc lập với nhau nhằm phát hiện những mối tương quan chặt chẽ giữa chúng, vì những tương quan như vậy có thể ảnh hưởng lớn đến kết quả của phân tích hồi quy như gây ra hiện tượng đa cộng tuyến.

Theo sách Thống kê ứng dụng trong kinh tế xã hội (Hoàng Trọng, Chu Nguyễn Mộng Ngọc –NXB Thớng kê, 2008) có nói:

 |r|> 0.8: Tương quan tuyến tính (TQTT) rất mạnh

 |r|= 0.6–0.8: TQTT mạnh

 |r|= 0.4–0.6: có TQTT

 |r|= 0.2–0.4: TQTT yếu

Bảng 4.10: Kết quả phân tích tương quan Pearson

Biến Hệ số tương quan Pearson

TT GIÁ DSD AHXH DDLC TMMS RR YDMH

TT Pearson Correlation 1 ** ** ** ** ** ** ** Sig. (2-tailed) ** ** ** ** ** ** ** N 198 ** ** ** ** ** ** ** GIÁ Pearson Correlation .308 ** 1 ** ** ** ** ** ** Sig. (2-tailed) .000 ** ** ** ** ** ** N 198 198 ** ** ** ** ** ** DSD Pearson Correlation .377 ** .256** 1 ** ** ** ** ** Sig. (2-tailed) .000 .000 ** ** ** ** ** N 198 198 198 ** ** ** ** ** AHXH Pearson Correlation .469 ** .420** .428** 1 ** ** ** ** Sig. (2-tailed) .000 .000 .000 ** ** ** ** N 198 198 198 198 ** ** ** ** DDLC Pearson Correlation .511 ** .406** .508** .425** 1 ** ** ** Sig. (2-tailed) .000 .000 .000 .000 ** ** ** N 198 198 198 198 198 ** ** ** TMMS Pearson Correlation .397 ** .351** .271** .293** .494** 1 ** ** Sig. (2-tailed) .000 .000 .000 .000 .000 ** ** N 198 198 198 198 198 198 ** ** RR Pearson Correlation -.307 ** -.236** -.224** -.293** -.308** -.234** 1 ** Sig. (2-tailed) .000 .001 .001 .000 .000 .001 ** N 198 198 198 198 198 198 198 ** YDMH Pearson Correlation .545 ** .439** .471** .519** .545** .403** -.471** 1 Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000 N 198 198 198 198 198 198 198 198

**. Correlation is significant at the 0.01 level (2-tailed).

(Nguồn: kết quả phân tích dữ liệu của tác giả)

Theo kết quả phân tích trên ta thấy các biến độc lập đều có tương quan tuyến tính khá mạnh với biến phụ thuộc. Hệ số r có giá trị từ 0.403 đến 0.545, các hệ số tương quan đều có ý nghĩa thống kê (sig=0.000< 0.05). Như vậy, việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Bên cạnh đó, kết quả

cho thấy giữa các biến độc lập cũng có mối tương quan nên cần quan tâm đến hiện tượng đa cộng tuyến khi phân tích hồi quy bội.

Tất cả các biến độc lập đều được đưa vào phân tích hồi quy bội để xem xét mức độ ảnh hưởng đến biến phụ thuộc.

4.5.2. Phân tích hồi quy

Phân tích hồi quy tuyến tính sẽ giúp biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Phân tích hồi quy được tiến hành với 7 biến độc lập gồm tính thuận tiện (TT), mong đợi về giá (GIA), tính dễ sử dụng (DSD), ảnh hưởng xã hội (AHXH), đa dạng sự lựa chọn (DDLC), thoải mái khi mua sắm (TMMS), nhận thức rủi ro (RR) và một biến phụ thuộc là ý định mua hàng (YDMH).

Lệnh hồi quy tuyến tính trong chương trình SPSS 20.0 được sử dụng để chạy phân tích phần mềm hồi quy, sử dụng phương pháp Enter. Hệ số xác

định (R2) đo lường tỷ lệ tổng biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mơ hình. Giá trị R2 càng cao thì khả năng giải thích của mơ hình hồi quy tún tính bội càng cao và việc dự đoán biến phụ thuộc càng chính xác.

Phép phân tích phương sai (Anova) được tiến hành. Nếu giá trị F có ý nghĩa đáng kể về mặt thớng kê (sig < 0,05), giả thuyết thuần của mối quan hệ khơng tún tính bị bác bỏ. Hệ sớ β là hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số, xem như là khả năng giải thích biến phụ thuộc. Trị tụt đới của một hệ sớ β chuẩn hóa càng lớn thì tầm quan trọng tương đới của nó trong dự báo biến phụ thuộc càng cao.

Để kiểm tra điều kiện hồi quy tún tính thì ta cần kiểm định các giả định hàm hồi quy tuyến tính bao gồm:

a) Khơng có hiện tượng đa cộng tún.

b) Phương sai của phần dư không đổi.

c) Các phần dư có phân phối chuẩn.

Phương trình hồi quy tuyến tính đa biến có dạng như sau:

YDMH= β0 + β1*TT + β2*GIA + β3*DSD + β4*AHXH + β5*DDLC + β6*TMMS + β7*RR + ε

Trong đó:

YDMH: ý định mua hàng TT : tính thuận tiện GIA : mong đợi về giá DSD : tính dễ sử dụng AHXH: ảnh hưởng xã hội DDLC : đa dạng lựa chọn TMMS: thoải mái mua sắm RR : nhận thức rủi ro β0 : hằng số hồi quy β1β7: hệ số hồi quy ε : sai số ngẫu nhiên Kết quả hồi quy bội như các bảng sau:

Bảng 4.11: Bảng tóm tắt mô hình

Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn ước lượng Hệ số Durbin- Watson 1 .733a 0.537 0.520 0.524 1.876

a. Các dự báo: (hằng số), TT, GIA, DSD, AHXH, DDLC, TMMS, RR b. Biến phụ thuộc: YDMH

Bảng 4.12: Bảng ANOVA

Mô hình Tổng bình phương df Bình phương trung bình F Sig. 1 Hồi quy 60.555 7 8.651 31.452 .000 b Phần dư 52.258 190 0.275 Tổng 112.813 197

a. Các dự báo: (hằng số), TT, GIA, DSD, AHXH, DDLC, TMMS, RR b. Biến phụ thuộc: YDMH

(Nguồn: kết quả phân tích dữ liệu của tác giả)

Bảng 4.13: Bảng hệ số hồi quy

Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig.

Thống kê đa cộng tuyến B Sai lệc chuẩn Beta Dung sai VIF 1 Hằng số hồi quy 1.156 0.349 3.317 0.001 TT 0.200 0.061 0.205 3.297 0.001 0.630 1.588 GIA 0.138 0.057 0.139 2.413 0.017 0.736 1.359 DSD 0.161 0.063 0.152 2.545 0.012 0.682 1.467 AHXH 0.141 0.057 0.153 2.462 0.015 0.634 1.577 DDLC 0.143 0.072 0.136 1.992 0.048 0.521 1.920 TMMS 0.053 0.049 0.064 1.083 0.280 0.705 1.419 RR - 0.176 0.039 - 0.240 - 4.479 0.000 0.851 1.175 a. Biến phụ thuộc: YDMH

Theo bảng tóm tắt mơ hình, ta có R2 hiệu chỉnh bằng 0.520 do đó 7 biến TT, GIA, DSD, AHXH, DDLC, TMMS, RR giải thích được 52% sự thay đởi của YDMH. Cịn 48% sự biến thiên cịn lại của YDMH sẽ được giải thích bởi các ́u tớ khác chưa được nghiên cứu trong mơ hình. Bên cạnh đó, kiểm định F cho thấy mức ý nghĩa Sig.= 0.000 < 0.05 (mức ý nghĩa 5%), điều đó có nghĩa là sự kết hợp của các biến độc lập hiện có trong mơ hình có thể giải thích được sự biến thiên của biến phụ thuộc. Mặt khác, hệ số Durbin –Watson là 1.876 (nằm trong khoảng 0 <1.876< 4) vậy khơng có sự tương quan chuỗi bậc 1 trong mơ hình. Hệ sớ phóng đại phương sai VIF của các biến độc lập

trong mô hình đều nhỏ hơn 10 nên tính đa cộng tuyến của các biến độc lập trong mơ hình là khơng đáng kể. Vì vậy, mơ hình khơng bị vi phạm khi sử dụng phương pháp hồi quy bội.

Kết luận:

Theo bảng 4.13 thì 6 trong 7 biến độc lập trong mơ hình nghiên cứu tác động có ý nghĩa đến ý định MHTTQM của người tiêu dùng tại TPHCM bao gồm tính thuận tiện (Sig = 0.001<0.05), mong đợi về giá (Sig = 0.001<0.05), tính dễ sử dụng (Sig = 0.012<0.05), ảnh hưởng xã hội (Sig = 0.015< 0.05), đa dạng sự lựa chọn (Sig = 0.048<0.05) và nhận thức rủi ro (Sig = 0.000< 0.05). Cịn ́u tớ thoải mái mua sắm (TMMS) tác động không có ý nghĩa đến ý định MHTTQM vì Sig = 0.280>0.05. Mức độ tác động của các biến độc lập đến biến phụ thuộc sẽ được thể hiện thơng qua hệ sớ Beta chuẩn hóa.

Ý định MHTTQM chịu tác động cùng chiều của 5 yếu tố với mức độ ảnh hưởng tăng dần như sau: (1) đa dạng lựa chọn (β1=0.136), (2) mong đợi về giá (β2=0.139), (3) tính dễ sử dụng (β3=0.152), (4) ảnh hưởng xã hội (β4=0.153), (5) tính thuận tiện (β5=0.205) và 1 yếu tố có tác động ngược chiều là nhận thức rủi ro (β7= -0.240), yếu tố này có tác động mạnh nhất đến ý định MHTTQM của người tiêu dùng. Khi nhận thức rủi ro liên quan đến MHTTQM càng tăng, thì ý định mua hàng của khách hàng sẽ giảm và ngược lại. Bên cạnh đó, việc loại bỏ yếu tố TMMS cho ta biết trong môi trường kinh

doanh cạnh tranh ngày nay người tiêu dùng luôn được phục vụ và chăm sóc chu đáo hơn khi mua hàng truyền thống so với mua hàng qua mạng.

4.5.3. Phân tích các giả thuyết trong mô hình 4.5.3.1. Kiểm định các giả định mô hình

Từ kết quả quan sát trong mẫu, ta phải suy rộng kết luận cho mối quan hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn giải kết quả hồi quy không thể tách rời các giả định cần thiết của mơ hình hồi quy. Nếu các giả định bị vi phạm thì các kết quả ước lượng không đáng tin cậy nữa (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Trong phần này, tác giả tiến hành kiểm định các giả định hàm hồi quy tún tính cở điển bao gồm các giả định:

a) Khơng có hiện tượng đa cộng tún.

b) Phương sai của phần dư không đổi.

c) Các phần dư có phân phối chuẩn.

d) Khơng có hiện tượng tương quan giữa các phần dư.

a) Xem xét giả định không có hiện tượng đa cộng tuyến

Trong mơ hình hồi quy tún tính bội, giả định giữa các biến độc lập của mơ hình khơng có hiện tượng đa cộng tún. Hiện tượng này có thể phát hiện thơng qua hệ số phóng đại (VIF). Nếu VIF lớn hơn 10 thì hiện tượng đa cộng tuyến nghiêm trọng. Trong mơ hình này, để khơng có hiện tượng đa cộng tuyến nghiêm trọng thì VIF phải nhỏ hơn 10. Qua bảng 4.13, các giá trị VIF thành phần đạt giá trị từ 1.175 đến 1.920, tất cả đều nhỏ hơn 10 chứng tỏ khơng có hiện tượng đa cộng tuyến.

b) Xem xét giả định phương sai phần dư không đổi

Xem xét đồ thị của phần dư chuẩn hóa theo giá trị dự báo của biến phụ thuộc để kiểm tra có hiện tượng phương sai thay đởi hay khơng. Quan sát đồ thị phân tán ở biểu đồ 4.1, nhận thấy phần dư phân tán ngẫu nhiên theo đường hoành độ không. Như vậy, giả định phương sai không đổi của mơ hình hồi quy khơng bị vi phạm.

Biều đồ 4.1

(Nguồn: kết quả phân tích dữ liệu của tác giả)

c) Xem xét giả định phân phối chuẩn của phần dư

Phần dư có thể không tuân theo phân phới chuẩn vì nhiều lý do, sử dụng mô hình không đúng, phương sai không phải là hằng số, số lượng phần dư khơng đủ nhiều để phân tích (Hồng Trọng & Chu Ngũn Mộng Ngọc,