Nhân tố Biến Hệ số tải Giá trị Tổng phương Hệ số
quan sát nhân tố Eigenvalues sai trích (%) Alpha
CN2 0,904
Giá trị
CN1 0,902 2,279 75,978 0,835
cảm nhận
CN3 0,805
(Nguồn: Tổng hợp và xử lý số liệu của tác giả, tháng 08/2015)
Kết quả phân tích nhân tố khám phá (EFA) giá trị cảm nhận đạt kết quả:
Kiểm định Bartlett’s có ý nghĩa thống kê (sig. = 0,000 < 0,05), điều này có nghĩa các biến có tương quan trong tổng thể, do đó thỏa điều kiện để phân tích nhân tố. Hệ số KMO bằng 0,689 > 0,5 nên phân tích nhân tố là phù hợp với dữ liệu.
Nhân tố trích có hệ số Eigenvalue bằng 2,279 > 1, trích được 1 nhân tố. Hế số tải nhân tố của ba biến CN2, CN1, CN3 lớn hơn 0,5 nên ba biến này được giữ lại. Tổng phương sai trích là 75,978% cho biết nhân tố Giá trị cảm nhận giải thích
được 75,978% sự biến thiên của dữ liệu.
Như vậy biến phụ thuộc Giá trị cảm nhận giữ lại ba biến (CN1, CN2, CN3), ký hiệu là GTCN và đưa vào phân tích hồi quy ở bước tiếp theo.
4.2.2.3 Mơ hình nghiên cứu hiệu chỉnh
Căn cứ kết quả kiểm định độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá (EFA), từ 7 yếu tố ban đầu rút gọn thành 6 nhân tố mới, yếu tố GTNS bị loại bỏ. Như vậy mơ hình nghiên cứu được hiệu chỉnh cho phù hợp với kết quả như sau:
Giá tr c m xúcị ả Giá tr c mị ả Giá tr l p đ tị ắ ặ
(H1) nh n c aậ ủ (H4) khách hàng nữ
Giá tr h u mãiị ậ đ i v i m tố ớ ặ Giá tr xã h iị ộ
hàng xe tay ga
(H2) c a hãngủ (H5) Yamaha t iạ
Giá tr giá cị ả Thành ph Hố ồ Giá tr ch t lị ấ ượng Chí Minh
(H3) (H6)
Hình 4.1 Mơ hình nghiên cứu hiệu chỉnh
(Nguồn: Mơ hình nghiên cứu hiệu chỉnh tác giả thực hiện)
Các giả thuyết hiệu chỉnh:
H1: Giá trị cảm xúc có tác động tích cực đến Giá trị cảm nhận của khách hàng nữ. H2: Giá trị hậu mãi có tác động tích cực đến Giá trị cảm nhận của khách hàng nữ.
H3: Giá trị giá cả có tác động tích cực đến Giá trị cảm nhận của khách hàng nữ. H4: Giá trị lắp đặt có tác động tích cực đến Giá trị cảm nhận của khách hàng nữ. H5: Giá trị xã hội có tác động tích cực đến Giá trị cảm nhận của khách hàng nữ. H6: Giá trị chất lượng có tác động tích cực đến Giá trị cảm nhận của khách hàng nữ.
4.3 Kiểm định mơ hình nghiên cứu bằng phân tích hồi quy tuyến tính4.3.1 Phân tích hệ số tương quan Pearson 4.3.1 Phân tích hệ số tương quan Pearson
Bước đầu tiên để phân tích hồi quy mơ hình là tiến hành phân tích tương quan giữa các nhân tố độc lập với nhân tố phụ thuộc. Từ đó chọn những nhân tố độc lập thực sự có tương quan với nhân tố phụ thuộc và đưa những nhân tố đó vào hồi quy. Hệ số tương quan Pearson (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008, trang 197) được sử dụng để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng, trị tuyệt đối của hệ số tương quan tiến đến gần 1 thì hai biến có mối tương quan tuyến tính chặt chẽ. Ngồi ra, nếu các biến độc lập với nhau có tương quan chặt thì cần lưu ý đến hiện tượng đa cộng tuyến trong phân tích hồi quy.
Hiện tượng đa cộng tuyến (Multicollinearity) là hiện tượng các biến độc lập có quan hệ gần như tuyến tính. Việc bỏ qua hiện tượng đa cộng tuyến sẽ làm các sai số chuẩn thường cao hơn, giá trị thống kê thấp hơn và có thể khơng có ý nghĩa. Để kiểm tra hiện tượng này, sử dụng ma trận tượng quan Pearson. Nếu hệ số tương quan của các biến độc lập với nhau nhỏ hơn 0.5, có thể chấp nhận khơng có hiện tượng đa cộng tuyến. Ngồi ra cịn sử dụng thước đo độ phóng đại phương sai (Variance Inflation Factor - VIF) để kiểm định hiện tượng tương quan giữa các biến độc lập. Điều kiện là VIF < 10 để khơng có hiện tượng đa cộng tuyến.
Để phân tích hệ số tương quan Pearson, tác giả tính giá trị nhân số đại diện cho các nhân tố sau khi phân tích EFA theo phương pháp trung bình cộng. Sau đó thực hiện phân tích hệ số tương quan Pearson.