Communalities cho biết các thơng tin có liên quan sau khi số lƣợng nhân tố đƣợc rút ra. Nó cho biết các Communality của các biến tức là phần biến thiên đƣợc giải thích bởi các nhân tố chung. Việc giải thích kết quả đƣợc tăng cƣờng bằng cách xoay các nhân tố.
Bảng 4.3: Ma trận xoay các nhân tố từ kết quả phân tích EFA cho thấy có 24 biến đƣợc rút trích thành 6 nhân tố và đặt tên nhƣ sau:
Nhân tố 1 (I): Sự thuận tiện gồm 4 biến quan sát (I1, I2, I3, I4)
Nhân tố 2 (II): Hàng hóa gồm 4 biến quan sát (II1, II2, II3, II4)
Nhân tố 3 (III): Cấu trúc web gồm 5 biến quan sát (III1, III2, III3, III4, III5)
Nhân tố 4 (IV): An toàn gồm 3 biến quan sát (IV1, IV2, IV3)
Nhân tố 5 (V): Dịch vụ khách hàng gồm 5 biến quan sát (V1, V2, V3, V4, V5)
Nhân tố 6: Nhận thức giá trị gồm 3 biến quan sát (VI1, VI2, VI3)
Bảng 4.3: Kết quả phân tích EFA Biến Biến Yếu tố 1 2 3 4 5 6 V1 0.757 V5 0.738 V2 0.737 V3 0.72 V4 0.645 III2 0.817 III3 0.746 III5 0.703
III4 0.696 III1 0.514 I3 0.788 I2 0.752 I1 0.715 I4 0.588 VI3 0.876 VI1 0.813 VI2 0.789 II1 0.769 II4 0.712 II2 0.62 II3 0.615 IV1 0.736 IV3 0.701 IV2 0.603
Kết quả phân tích nhân tố đối với thang đo sự hài lòng của khách hàng đƣợc thể hiện tại phụ lục 7. Hệ số KMO = 0,637 và Sig. = 0,000 < 1%, do vậy phân tích nhân tố với biến này là thích hợp. Một nhân tố đƣợc trích rút tại eigenvalue là 2,006, phƣơng sai trích rút là 50,153% và các hệ số tải đều lớn hơn 0,5. Nhƣ vậy, các biến quan sát của thang đo này đạt yêu cầu cho phân tích tiếp theo. (bảng 4.4)
Bảng 4.4: Kết quả phân tích EFA sự hài lịng của khách hàng Biến quan sát
Yếu tố
1
H3 0.598
Eigenvalue 2.006
Phƣơng sai trích rút (%) 50.153
KMO 0,637
Vậy biến phụ thuộc sự hài lòng của khách hàng mua hàng trực tuyến đƣợc ký hiệu là H gồm 4 biến quan sát nhƣ bảng 4.5
Bảng 4.5: Thang đo sự hài lòng khách hàng mua hàng trực tuyến Biến quan sát Sự hài lòng của khách hàng (H) Biến quan sát Sự hài lòng của khách hàng (H)
H1 Mức độ hài lòng khi mua hàng qua mạng
H2 Mức độ thích thú khi mua hàng qua mạng
H3 Mức độ tin tƣởng khi mua hàng qua mạng
H4 Bạn sẽ lặp lại việc mua hàng qua mạng
Từ mơ hình ban đầu với 25 biến quan sát và biến I5 bị loại khi phân tích Cronbach Alpha. Đồng thời theo phân tích EFA ở trên 24 biến còn lại đƣợc gom thành 6 nhân tố nên ta có thể hiệu chỉnh lại mơ hình ban đầu nhƣ sau:
I: Sự thuận tiện II: Hàng hóa III: Cấu trúc web IV: An tồn
V: Dịch vụ khách hàng
H
Sự hài lịng của khách hàng trực tuyến
Hình 4.4: Mơ hình nghiên cứu điều chỉnh
VI: Nhận thức giá trị H1 H2 H3 H4 H5 H6
4.2.3 Phân tích tƣơng quan và hồi quy tuyến tính bội
Căn cứ vào mơ hình nghiên cứu đã điều chỉnh ta có phƣơng trình hồi quy tuyến tính bội đƣợc thể hiện nhƣ sau:
H = β0 + β1 * I + β2 * II + β3 * III + β4 *IV + β5 * V + β6 * VI Trong đó:
H: Sự hài lịng của khách hàng mua hàng trực tuyến I: Sự thuận tiện
II: Hàng hóa III: Cấu trúc web IV: An tồn
V: Dịch vụ khách hàng VI: Nhận thức giá trị β0 : Hằng số
β1, β2, β3, β4, β5, β6 : Các hệ số hồi quy riêng phần
4.2.3.1 Ma trận hệ số tƣơng quan
Bảng 4.6: Ma trận tƣơng quan giữa các nhân tố
I II III IV V VI H
I Tƣơng quan Pearson 1
Sig. (2-tailed)
II Tƣơng quan Pearson .232**
1
Sig. (2-tailed) 0
III Tƣơng quan Pearson .556** .352** 1
Sig. (2-tailed) 0 0
IV Tƣơng quan Pearson .150* .463** .330** 1
Sig. (2-tailed) 0.011 0 0
V Tƣơng quan Pearson -0.066 .388** 0.095 .507** 1
Sig. (2-tailed) 0.26 0 0.107 0
VI Tƣơng quan Pearson .248** .316** .298** .361** .334** 1
Sig. (2-tailed) 0 0 0 0 0
Tƣơng quan Pearson .259**
Bƣớc đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội là xem xét các mối tƣơng quan tuyến tính giữa tất cả các biến. Ma trận tƣơng quan đƣợc xây dựng tại phụ lục 8 và kết quả hệ số tƣơng quan đƣợc trình bày tại bảng 4.6 nhƣ trên.
Từ bảng 4.6 ta nhận thấy rằng hệ số tƣơng quan giữa biến phụ thuộc H với các biến độc lập I, II, III, IV, V, VI thấp nhất là 0,259, nên sơ bộ ta có thể kết luận các biến độc lập này có thể đƣa vào mơ hình để giải thích cho biến phụ thuộc H. Tuy nhiên giữa các biến độc lập cũng đều có tƣơng quan, điều này có thể dẫn tới hiện tƣợng đa cộng tuyến trong mơ hình, do vậy q trình phần tích phải xem xét kỹ vai trị của các biến độc lập trong mơ hình hồi quy tuyến tính bội ta xây dựng đƣợc.
4.2.3.2 Kiểm tra các giả định hồi quy
Tiến hành phân tích hồi quy để xác định cụ thể trọng số của từng yếu tố ảnh hƣởng đến sự mua sắm của khách hàng. Phƣơng pháp hồi quy tuyến tính bội đƣợc dùng để kiểm định mơ hình và các giả thuyết, thủ tục chọn biến là các biến đƣợc đƣa vào cùng một lúc (phƣơng pháp Enter). Kết quả hồi quy trình bày tại phụ lục 9.
Giả định liên hệ tuyến tính và phƣơng sai bằng nhau.
Hình 4.5: Đồ thị phân tán phần dƣ chuẩn hóa và giá trị dƣ chuẩn hóa
hình 4.5 cho thấy các quan sát nằm một cách ngẫu nhiên qua đƣờng thẳng qua điểm 0, không tạo thành một hình dạng nào cụ thể. Nhƣ vậy có liên hệ tuyến tính và phƣơng sai bằng nhau đƣợc thỏa mãn.
Giả định phần dƣ có phân phối chuẩn
Trong phân tích hồi quy bội, ta ln có giả định các phần dƣ có phân phối chuẩn. Dựa vào biểu đồ 4.6 ta có thể nói phân phối của phần dƣ xấp xỉ chuẩn, giá trị Mean quá nhỏ (xấp xỉ bằng 0), độ lệch chuẩn bằng 0.990 xấp xỉ bằng 1. Giả thiết phân phối chuẩn của phần dƣ khơng bị vi phạm, mơ hình đƣợc sử dụng phân tích là mơ hình tốt.
Hình 4.6: Biểu đồ phần dƣ
Giả định khơng có tƣơng quan giữa các phần dƣ
Giá trị Durbin – Watson là 2,143. Giá trị d tra bảng Durbin-Watson với 6 biến độc lập và 290 quan sát là dL = 1,772 và dU = 1,843. Giá trị d tính rơi miền [dU; 4-dU] tức là [1,772; 2,157] hay chấp nhận giả thiết khơng có sự tƣơng quan bậc chuỗi bậc nhất. Mơ hình có các phần dƣ khơng có mối tƣơng quan với nhau. Nhƣ vậy, giả định khơng có tƣơng quan giữa các phần dƣ không bị vi phạm.
Kết quả kiểm tra tƣơng quan giữa trị tuyệt đối phần dƣ chuẩn hóa với các biến độc lâp I, II, III, IV, V, VI đƣợc trình bày nhƣ phụ lục 10 với giả định α = 5% giả thuyết Ho: r = 0 (khơng có tƣơng quan). Giá trị Sig. của các biến I, II, III, IV, V, VI với trị tuyệt đối phần dƣ lần lƣợt là 0,718; 0,973; 0,187; 0,232; 0,576; 0,672 đều lớn hơn 0,05. Điều này cho thấy chúng ta không thể bác bỏ Ho, nghĩa là phƣơng sai của sai số không đổi. Nhƣ vậy giả định phƣơng sai của sai số không đổi khơng bị vi phạm. Vậy mơ hình hồi quy có thể sử dụng đƣợc.
4.2.3.3 Hồi quy tuyến tính bội
Bảng 4.7: Kết quả phân tích hồi quy
Hệ số hồi quy chƣa chuẩn hóa Hệ số hồi quy chuẩn hóa t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Dung sai VIF Hằng số 1.101 0.172 6.408 0 I 0.129 0.04 0.186 3.252 0.001 0.653 1.531 II 0.207 0.042 0.274 4.917 0 0.69 1.45 III -0.019 0.044 -0.025 -0.427 0.67 0.604 1.654 IV 0.073 0.047 0.092 1.561 0.12 0.611 1.637 V 0.191 0.038 0.289 5.041 0 0.65 1.537 VI 0.076 0.034 0.117 2.234 0.026 0.772 1.295
Đánh giá độ phù hợp của mơ hình
Từ bảng 4.7, tiến hành kiểm định giả thiết Ho: mơ hình hồi quy tuyến tính bội khơng phù hợp. Kết quả thống kế F đƣợc tính từ giá trị R2 có mức ý nghĩa bằng 0 (Sig=0,000 < 0,05). Điều này đủ cơ sở để bác bỏ giả thiết Ho, có nghĩa là mơ hình hồi quy tuyến tính là phù hợp với dữ liệu thu thập đƣợc. Hệ số R2 hiệu chỉnh (Adjusted Square) là hệ số dùng để đánh giá độ phù hợp một cách an tồn hơn so với R2, vì hệ số R2 trong trƣờng hợp có nhiều biến độc lập dễ tạo ra hiện tƣợng thổi phồng mức độ phù hợp của mơ hình. Hệ số R2 hiệu chỉnh tính đƣợc là 0,383 tƣơng đƣơng 38,3%. Tức là, các biến độc lập trong mơ hình hồi quy tuyến tính bội giải thích đƣợc 38,3% sự hài lịng của khách hàng mua hàng lẻ trực tuyến.
Hiện tƣợng đa cộng tuyến
Hệ số phóng đại VIF rất nhỏ (nhỏ hơn 10) cho thấy các biến độc lập này khơng có quan hệ chặt chẽ với nhau nên khơng có hiện tƣợng đa cộng tuyến xảy ra. Do đó mối quan hệ giữa các biến độc lập khơng ảnh hƣởng đến kết quả giải thích của mơ hình.
Phƣơng trình hồi quy tuyến tính bội
Theo bảng 4.7, mức ý nghĩa quan sát Sig. của biến III là 0,670 và của biến IV là 0,120 lớn hơn 5% cho thấy hai biến này khơng có ý nghĩa trong mơ hình. Nhƣ vậy với tập dữ liệu và mơ hình xây dựng thì chƣa đủ bằng chứng cho thấy β khác 0 hay chƣa đủ cơ sở để khẳng định biến III và IV khơng có ảnh hƣởng đến biến H. Các biến I, II, V, VI có mức ý nghĩa Sig nhỏ hơn 5%, nhƣ vậy giả thuyết hệ số góc β = 0 có thể bác bỏ với độ tin cậy 95%. Hệ số hồi qui chuẩn hóa của biến V là lớn nhất, tiếp đến là II và I, cuối cùng là VI.
Với tập dữ liệu thu đƣợc trong phạm vi nghiên cứu của đề tài thì phƣơng trình hồi qui bội đã chuẩn hóa thể hiện mức độ ảnh hƣởng của các yếu tố đối với sự hài lòng của khách hàng mua hàng lẻ trực tuyến nhƣ sau:
H = 0,289 * V + 0,274 * II + 0,186 * I + 0,117 * VI
Trong đó:
H: Sự hài lịng của khách hàng mua hàng lẻ trực tuyến I: Sự thuận tiện
II: Hàng hóa
V: Dịch vụ khách hàng VI: Nhận thức giá trị
4.2.3.4 Kiểm định các giả thuyết
Kết quả mơ hình hồi quy hồn chỉnh trên cho ta thấy sự hài lòng của khách hàng mua hàng lẻ trực tuyến chịu tác động dƣơng của các thành phần. Sự thuận
lòng với hệ số ảnh hƣởng 0,289, tiếp đến là hàng hóa và cuối cùng là Sự thuận tiện và Nhận thức giá trị. Hai giả thuyết H3 và H4 chƣa đủ bằng chứng để kết luận chiều hƣớng tác động.
Từ các kết quả trên giả thuyết ban đầu đƣợc phát biểu lại nhƣ sau:
Bảng 4.8: Đánh giá các giả thuyết Giả Giả
thuyết Nhân tố Kết quả
H1 Nhận thức của khách hàng về sự thuận tiện tăng hoặc giảm thì
sự hài lịng của khách hàng sẽ tăng hoặc giảm tƣơng ứng.
Chấp nhận
H2
Nhận thức của khách hàng về hàng hóa tăng hoặc giảm thì sự hài lịng của khách hàng sẽ tăng hoặc giảm tƣơng ứng.
Chấp nhận
H3
Nhận thức của khách hàng về cấu trúc web tăng hoặc giảm thì sự hài lịng của khách hàng sẽ tăng hoặc giảm tƣơng ứng.
Không chấp nhận
H4 Nhận thức của khách hàng về an toàn tăng hoặc giảm thì sự
hài lịng của khách hàng sẽ tăng hoặc giảm tƣơng ứng.
Không chấp nhận
H5
Nhận thức của khách hàng về dịch vụ khách hàng tăng hoặc giảm thì hài lịng của khách hàng sẽ tăng hoặc giảm tƣơng ứng.
Chấp nhận
H6 Nhận thức của khách hàng về giá trị tăng hoặc giảm thì sự hài
lịng của khách hàng sẽ tăng hoặc giảm tƣơng ứng.
Chấp nhận Qua bảng trên ta thấy, các giả thuyết H1, H2, H5, H6 đƣợc chấp nhận, tức là mức độ gia tăng những nhân tố này sẽ làm gia tăng mức độ hài lòng của khách hàng khi mua hàng lẻ trực tuyến. Do vậy mơ hình nghiên cứu chính thức đƣợc trình bày nhƣ sau:
Các thành phần trong mơ hình chính thức đƣợc tóm tắt nhƣ sau:
Bảng 4.9: Tóm tắt các thành phần của mơ hình chính thức Biến quan sát Diễn giải Biến quan sát Diễn giải
Sự thuận tiện (I)
I1 Tiết kiệm thời gian mua sắm
I2 Dễ dàng duyệt web tìm kiếm sản phẩm I3 Dễ dàng truy cập web và đăng ký tài khoản I4 Dễ dàng mua hàng qua ít thao tác
Hàng hóa (II)
II1 Ln đáp ứng đủ số lƣợng hàng hóa theo đặt hàng II2 Chủng loại hồng hóa đa dạng lựa chọn
II3 Chất lƣợng thơng tin rõ ràng chính xác II4 Cung cấp đầy đủ thông tin về sản phẩm
Dịch vụ khách hàng (V)
V1 Có chế độ bồi thƣờng khiếu nại hợp lý
V2 Sẵn sàng hỗ trợ khách hàng trƣớc và sau khi mua
I: Sự thuận tiện II: Hàng hóa V: Dịch vụ khách hàng H: Sự hài lịng của khách hàng trực tuyến
Hình 4.7: Mơ hình nghiên cứu chính thức
VI: Nhận thức giá trị
+0,186
+0,274
+0,289
V5 Có khả năng hồn trả hàng dễ dàng
Nhận thức giá trị (VI)
VI1 Có thể lựa chọn hình thức thanh tốn thuận tiện VI2 Có chính sách ƣu đãi và thu hút khách hàng
VI3 Tổng giá hàng hóa, chi phí giao dịch và vận chuyển thấp
Sự hài lòng của khách hàng (H)
H1 Mức độ hài lòng khi mua hàng qua mạng H2 Mức độ thích thú khi mua hàng qua mạng H3 Mức độ tin tƣởng khi mua hàng qua mạng H4 Bạn sẽ lặp lại việc mua hàng qua mạng
4.3 Phân tích sự khác biệt của các nhân tố ảnh hƣởng đến sự hài lòng và sự hài lòng của khách hàng mua hàng lẻ trực tuyến với các biến định tính. hài lịng của khách hàng mua hàng lẻ trực tuyến với các biến định tính.
Trong phần này chúng ta sử dụng 3 phép kiểm định:
Kiểm định Independent - samples T-test
Sử dụng trong trƣờng hợp kiểm định về trung bình của 2 tổng thể độc lập. Các bƣớc tiến hành theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 138. Nhƣ sau:
- Nếu giá trị Sig. trong kiểm định Levene < 0,05 thì phƣơng sai các biến là khác nhau, ta sử dụng kết quả kiểm định t ở phần giả định phƣơng sai khác nhau (Equal variances not assumed).
- Nếu giá trị Sig. trong kiểm định Levene >= 0,05 thì phƣơng sai các biến là không khác nhau, ta sử dụng kết quả trong kiểm định t ở phần giả định phƣơng sai bằng nhau (Equal variances assumed).
Nếu giá trị Sig. trong kiểm định t < 0,05 thì kết luận có sự khác biệt về trung bình 2 tổng thể. Nếu t >= 0,05 thì kết luận chƣa có sự khác biệt có ý nghĩa về trị trung bình 2 tổng thể.
Trong trƣờng hợp có nhiều hơn 2 tổng thể chúng ta không sử dụng kiểm định Independent - samples T-test mà sử dụng kiểm định One-Way ANOVA. Có một số giả định sau đối với phân tích phƣơng sai một yếu tố:
o Các nhóm so sánh phải độc lập và đƣợc chọn ngẫu nhiên
o Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để đƣợc xem nhƣ có tiệm cận phân phối chuẩn
o Phƣơng sai của các nhóm so sánh phải đồng nhất
Kiểm định Kruskal - Wallis
Nếu giả định tổng thể có phân phối chuẩn với phƣơng sai bằng nhau khơng đáp ứng đƣợc thì kiểm định phi tham số Kruskal-Wallis sẽ là một giải pháp thay thế hữu hiệu cho ANOVA.
4.3.1 Giới tính
Phép kiểm định Independent sample t-test đƣợc sử dụng để kiểm định giả thuyết Ho: Khơng có sự khác biệt trong các nhân tố ảnh hƣởng đến sự hài lòng và sự hài lòng của khách hàng mua hàng lẻ trực tuyến theo giới tính.
Theo kết quả bảng 4.10: giá trị Sig. trong kiểm định Levene’s của các biến I, V, VI, H đều lớn hơn 0,05 cho thấy phƣơng sai của các biến này theo giới tính khơng khác nhau nên ta sẽ sử dụng kết quả của kiểm định t ở phần Equal variances assumed. Giá trị Sig. theo kiểm định t của cả 4 biến (I, V, VI, H) tƣơng ứng là