CHƢƠNG 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.3. Phân tích nhân tố EFA
Phân tích nhân tố là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 1998) .
Khi phân tích nhân tố, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn nhất định để đánh giá kết quả phân tích.
- Thứ nhất: Hệ số KMO (Kaiser-Meyer-Olkin) ≥ 0.5 với mức ý nghĩa của
kiểm định Barlett ≤ 0.5. KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5 ≤ KMO ≤ 1 thì phân tích là thích hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Mộng Ngọc, 2005).
- Thứ hai: Hệ số tải nhân tố (Factor Loading). Theo Hoàng Trọng và Chu
Nguyễn Mộng Ngọc, Phân tích dữ liệu thị trường với SPSS – 2008, nếu quan sát có hệ số tải nhân tố nhỏ hơn 0.4 sẽ bị loại khỏi mơ hình. Theo Hair & ctg, Factor Loading 0.3 được xem là mức tối thiểu, lớn hơn 0.4 được xem là quan trọng, lớn hơn 0.5 được xem là có ý nghĩa thực tiễn. Trong nghiên cứu này tác giả chọn tiêu chuẩn factor loading lớn hơn 0.5 để kết quả nghiên cứu có giá trị thực tiễn hơn.
- Thứ ba: Thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50%. - Thứ tư: Hệ số Eigenvalue có giá trị hớn hơn hoặc bằng 1.
- Thứ năm: Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố
≥ 0.3 để bảo đảm giá trị phân biệt giữa các nhân tố.
4.3.1. Thang đo các nhân tố tác động đến quyết định mua của khách hàng
Tác giả sử dụng phương pháp trích yếu tố Principal Component Analysis cùng với phép xoay Equamax và điểm dừng khi rút trích 6 nhân tố đảm bảo có Eigenvalue ≥ 1.
Các thang đo tác động đến quyết định mua căn hộ của khách hàng mà đề tài sử dụng gồm 6 nhân tố với 34 biến quan sát. Sau khi phân tích thang đo bằng cơng cụ Cronbach’s Alpha, có 2 biến bị loại và 32 biến quan sát cịn lại tiếp tục được đưa vào phân tích nhân tố EFA.
Kết quả phân tích nhân tố cho thấy 6 nhân tố được rút trích đều có hệ số tải jnhân tố lớn hơn 0.5 nên các biến quan sát đều quan trọng, chúng có ý nghĩa thiết thực. Hệ số KMO = 0.784 (>0.6) nên EFA phù hợp với dữ liệu. Giá trị Sig. của kiểm định Barlett’s Test là 0.000, do vậy các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể. Phương sai trích đạt 71.17% thể hiện rằng 6 nhân tố rút ra giải thích được 71.17% biến thiên của dữ liệu. Điểm dừng khi trích các yếu tố tại nhân tố thứ 6 với Eigenvalue = 1.323.
Bảng 4.3: Kết quả phân tích nhân tố Nhân tố 1 2 3 4 5 6 UTI4 0.858 UTI1 0.846 UTI3 0.846 UTI6 0.839 UTI2 0.795 UTI5 0.591 LIN2 0.871 LIN4 0.858 LIN3 0.851 LIN1 0.835 LIN5 0.834 LIN6 0.814 STR3 0.925 STR4 0.902 STR5 0.882 STR2 0.859 STR1 0.802 ECO2 0.802 ECO1 0.757 ECO3 0.58 0.658 ECO5 0.658 ECO4 0.613 ECO6 0.603 ECO7 0.58 LEG4 0.838 LEG5 0.783 LEG2 0.729 LEG1 0.569 0.675 MARR4 0.857 MARR3 0.802 MARR2 0.714 MARR1 0.693
Theo tiêu chuẩn đánh giá thứ năm thì có hai biến ECO3 (lệ phí trước bạ) và LEG1 (hồ sơ pháp lý đầy đủ) bị vi phạm vì có khác biệt hệ số tải giữa nhân tố này với nhân tố khác nhỏ hơn 0.3. Cụ thể khác biệt hệ số tải nhân tố của biến ECO3 giữa nhân tố 1 và nhân tố 4 là 0.078, khác biệt của biến LEG1 giữa nhân tố 3 và nhân tố 5 là 0.106. Tuy nhiên, theo quan điểm của cá nhân tác giả - là người có nhiều năm kinh nghiệm trong ngành, đã làm việc và tiếp xúc với rất nhiều khách hàng ở các phân khúc khác nhau, đánh giá rằng: “lệ phí trước bạ” và “hồ sơ pháp lý đầy đủ” là vấn đề khách hàng không thể không quan tâm khi quyết định mua một căn hộ. Do đó, phải lựa chọn giữa việc loại biến quan sát để giải thích kết quả phân tích nhân tố tốt hơn và việc giữ lại biến quan sát để thu thập được lượng thông tin cần thiết có ý nghĩa thực tế thì tác giả chọn việc giữ lại 2 biến quan sát trên trong mơ hình.
Vậy kết quả cuối cùng sau khi kiểm định Cronbach’s Alpha và phân tích nhân tố EFA đã loại tổng cộng 2 biến so với tập 34 biến ban đầu, đồng thời rút trích được 6 nhân tố. Ta phải tiến hành điều chỉnh, đặt tên lại cho các nhân tố để sử dụng cho các phân tích tiếp theo và được trình bày như sau:
Nhân tố thứ 1: Được đặt tên là “Tiện ích khu vực” (kí hiệu UTI) bao gồm các biến sau:
UTI1 Hệ thống điện sinh hoạt UTI2 Hệ thống nước sinh hoạt
UTI3 Các dịch vụ vui chơi, giải trí trong khu vực UTI4 Mật độ không gian xanh
UTI5 Các dịch vụ hỗ trợ UTI6 An ninh khu vực
Nhân tố thứ 2: Được đặt tên là “Liên kết”, (kí hiệu LIN) bao gồm các biến sau: LK1 Khoảng cách đến nơi làm việc
LK4 Các tuyến đường giao thông công cộng LK5 Khoảng cách đến trung tâm thành phố LK6 Hệ thống trung tâm y tế trong khu vực
Nhân tố thứ 3: Được đặt tên là “Cấu trúc căn hộ”, (kí hiệu STR) bao gồm các biến sau:
STR1 Thiết kế bên ngoài STR2 Thiết kế bên trong STR3 Góc nhìn từ bên trong
STR4 Đa dạng sự lựa chọn khác nhau ở mỗi phân khúc căn hộ (nhà thơ, nhà hồn thiện, hướng nhà…)
STR5 Thiêt kế tầng hầm
Nhân tố thứ 4: Được đặt tên là “Kinh tế”, (kí hiệu ECO) bao gồm các biến sau: ECO1 Thu nhập hộ gia đình
ECO2 Lãi suất vay ECO3 Thuế
ECO4 Phí dịch vụ
ECO5 Khả năng thanh toán
ECO6 Khả năng tiếp cận nguồn vốn vay ECO7 Gía cả
Nhân tố thứ 5: Được đặt tên là “Pháp lý”, (kí hiệu LEG) bao gồm các biến sau: LEG1 Hồ sơ pháp lý đầy đủ
LEG2 Hồ sơ pháp lý rõ ràng
LEG4 Hình thức thanh tốn đa dạng (chuyển khoản, tiền mặt,...)
LEG5 Thời hạn thanh toán linh hoạt (thanh toán nhiều đợt, nhiều tháng …) Nhân tố thứ 6: Được đặt tên là “Tiếp thị”, (kí hiệu MAR) bao gồm các biến sau:
MAR1 Thương hiệu Phú Mỹ Hưng MAR2 Chương trình quảng cáo MAR3 Các khoản chiết khấu
MAR4 Đặc tính hộ gia đình cùng khu vực
4.3.2. Thang đo quyết định mua
Đối với thang đo quyết định mua của khách hàng, EFA trích được gom vào một yếu tố tại Eigenvalue là 2.902 và với chỉ số KMO là 0.756. Các biến quan sát đều có hệ số tải nhân tố lớn hơn 0.5. Phương sai trích bằng 72.545 % (> 50%). Như vậy, việc phân tích nhân tố là thích hợp. Vậy thang đo được sử dụng cho các phân tích tiếp theo với tên gọi được đặt là “Quyết định mua”, kí hiệu là DEC (Phụ lục 6).
4.3.3. Mơ hình nghiên cứu điều chỉnh
Hình 4.1: Mơ hình nghiên cứu điều chỉnh
+ + + + + + Tiện ích khu vực Liên kết Kinh tế Cấu trúc căn hộ Quyết định mua Tiếp thị Pháp lý
Các giả thuyết:
H1: Có sự tác động thuận chiều giữa yếu tố “Tiện ích khu vực” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng
H2: Có sự tác động thuận chiều giữa yếu tố “Liên kết” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng.
H3: Có sự tác động thuận chiều giữa yếu tố “Cấu trúc căn hộ” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng.
H4: Có sự tác động thuận chiều giữa yếu tố “Kinh tế” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng
H5: Có sự tác động thuận chiều giữa yếu tố “Pháp lý” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng
H6: Có sự tác động thuận chiều giữa yếu tố “Tiếp thị” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng.
4.4. Kiểm định mơ hình và giả thuyết nghiên cứu.
4.3.1. Phân tích hệ số tương quan Pearson.
Trước khi tiến hành kiểm định mơ hình nghiên cứu bằng phân tích hồi quy tuyến tính bội, mối tương quan giữa các biến của mơ hình cần phải được xem xét. Phân tích ma trận tương quan sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ giữa các biến độc lập với biến phụ thuộc là quyết định mua căn hộ của khách hàng Phú Mỹ Hưng.
Hệ số này luôn nằm trong khoảng từ -1 đến 1, lấy giá trị tuyệt đối, nếu lớn hơn 0.6 thì có thể kết luận mối quan hệ là chặt chẽ, và càng gần 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì cho biết mối quan hệ là lỏng.
Bảng 4.4: Ma trận hệ số tƣơng quan giữa các nhân tố
UTI STR LEG ECO LIN MAR DEC UTI 1 .158* .286** .365** .322** .304** .442** STR .158* 1 .189** .149* 0.132 .235** .303** LEG .286** .189** 1 .366** 0.12 .391** .426** ECO .365** .149* .366** 1 .351** .440** .681** LIN .322** 0.132 0.12 .351** 1 .285** .419** MAR .304** .235** .391** .440** .285** 1 .518** DEC .442** .303** .426** .681** .419** .518** 1
Bảng 4.5 cho thấy có mối tương quan giữa yếu tố quyết định mua và các yếu tố khác là tiện ích khu vực, cấu trúc căn hộ, pháp lý, kinh tế, liên kết và tiếp thị. Trong đó yếu tố kinh tế có tương quan mạnh nhất (.681), và yếu tố cấu trúc căn hộ có tương quan thấp nhất (.303).
4.3.2. Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
Theo Hồng Trọng & Chu Nguyễn Mộng Ngọc (2008), hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm biến độc lập vào mơ hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng khơng phải phương trình càng có nhiều biến sẽ phù hợp hơn với dữ liệu. Như vậy, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn một biến giải thích trong mơ hình. Mơ hình thường khơng phù hợp với dữ liệu thực tế như giá trị R2 thể hiện.
Bảng 4.5: Tóm tắt mơ hình hồi quy Mơ hình R R bình phương R bình phương điều chỉnh Sai số chuẩn của dự báo 1 .774a .598 .585 .35851
Trong tình huống này, hệ số xác định R2 điều chỉnh được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính bội. R2 điều chỉnh không nhất thiết tăng lên khi nhiều biến độc lập được thêm vào phương trình, nó là thước đo sự phù hợp được sử dụng cho tình huống hồi qui tuyến tính bội vì nó khơng phụ thuộc vào độ phóng đại của R2.
Bảng 4.6 cho kết quả R2 điều chỉnh bằng 0.585. Điều này có nghĩa là mơ hình hồi qui tuyến tính đã được xây dựng phù hợp với tập dữ liệu đến mức 58.5%.
4.3.3. Kiểm định các giả thuyết
4.4.4.1. Kiểm định độ phù hợp của mơ hình
Kiểm định F là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi qui tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập là nó xem xét biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp các biến độc lập hay không.
Giả thuyết Ho: β1 = β2 = β3 = β4 = β5 = β6 = 0
Nếu giả thuyết Ho bị bác bỏ chúng ta có thể kết luận là kết hợp của các biến hiện có trong mơ hình có thể giải thích được thay đổi của biến phụ thuộc, điều này cũng có nghĩa là mơ hình ta xây dựng phù hợp với tập dữ liệu.
Bảng 4.6: ANOVA Mơ hình Tổng bình phương Bậc tự do Bình phương trung bình Thống kê F Giá trị Sig. 1 Hồi quy 35.801 6 5.967 46.425 .000a Phần dư 24.035 187 .129 Tổng 59.836 193
Bảng 4.7 cho kết quả: trị thống kê F được tính từ giá trị R2 của mơ hình đầy đủ, giá trị sig. < 0.05 cho thấy sẽ an toàn khi bác bỏ giả thuyết Ho cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằng số), mơ hình hồi qui tuyến tính bội được xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
4.4.4.2. Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy
Kết quả trong bảng 4.8 cho thấy các hệ số hồi qui riêng phần β1, β2, β3, β4, β5, β6 đều dương (>0) và có mức ý nghĩa (sig.) < 0.05. Vậy các nhân tố tiện ích khu vực, cấu trúc căn hộ, pháp lý, kinh tế, liên kết và tiếp thị đều có tác động dương vào quyết định mua của khách hàng. Do đó ta chấp nhận các giả thuyết:
H1: Có sự tác động thuận chiều giữa yếu tố “Tiện ích khu vực” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng
H2: Có sự tác động thuận chiều giữa yếu tố “Liên kết” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng
H3: Có sự tác động thuận chiều giữa yếu tố “Cấu trúc căn hộ” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng
H4: Có sự tác động thuận chiều giữa yếu tố “Kinh tế” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng.
H5: Có sự tác động thuận chiều giữa yếu tố “Pháp lý” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng
H6: Có sự tác động thuận chiều giữa yếu tố “Tiếp thị” đến “Quyết định mua” căn hộ của khách hàng công ty TNHH Phát Triển Phú Mỹ Hưng.
Bảng 4.7: Trọng số hồi quy
Mơ hình
Hệ số chưa chuẩn hóa Hệ số đã
chuẩn hóa Thống kê t Giá trị Sig. Thống kê đa cộng tuyến B Sai số
chuẩn Beta Tolerance VIF
1 Hệ số chặn -1.665 .405 -4.109 .000 UTI .148 .061 .127 2.436 .016 .786 1.272 STR .148 .052 .136 2.830 .005 .926 1.080 LEG .180 .080 .119 2.253 .025 .774 1.293 ECO .524 .065 .450 8.029 .000 .685 1.460 LIN .200 .073 .141 2.753 .006 .813 1.229 MAR .213 .072 .163 2.959 .003 .705 1.419 4.3.4. Dị tìm phạm vi các giả định cần thiết
4.4.4.1. Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng như hiện tượng phương sai thay đổi (heteroskedasticity)
Kiểm tra giả định này bằng cách vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đoán với phần dư, chúng sẽ phân tán ngẫu nhiên quanh trục 0 trong một phạm vi không đổi.
Đồ thị phân tán (phụ lục 9) cho thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 trong một phạm vi không đổi. Như vậy giá trị dự đoán và phần dư độc lập nhau và phương sai của phần dư không thay đổi. Như vậy mơ hình hồi qui phù hợp.
4.4.4.2. Giả định về phân phối chuẩn của phần dư
Phần dư có thể khơng tn theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,….Vì vậy chúng ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của các phần dư.
Biểu đồ phân phối chuẩn của phần dư chuẩn hóa (phụ lục 9) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Thật không hợp lý khi chúng ta kỳ vọng rằng các phần dư quan sát có phân phối hồn tồn chuẩn vì ln ln có những chênh lệch do lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong mẫu quan sát cũng chỉ xấp xỉ chuẩn