Đặc điểm mẫu nghiên cứu Tần số Phần trăm Phần trăm hợp lệ Phần trăm tích lũy - Giới tính Nam 671 67.1 67.1 67.1 Nữ 329 32.9 32.9 100.0 - Độ tuổi Dưới 22 tuổi 373 37.3 37.3 37.3 Từ 22 đến dưới 35 tuổi 597 59.7 59.7 97.0 Trên 35 tuổi 30 3.0 3.0 100.0 - Nghề nghiệp
Học sinh, sinh vien 571 57.1 57.1 57.1
Nhân viên văn phịng 278 27.8 27.8 84.9
Cơng nhân, viên chức 92 9.2 9.2 94.1
Kinh doanh cá thể 34 3.4 3.4 97.5 Khác 25 2.5 2.5 100.0 - Thu nhập/tháng Dưới 1 triệu 425 42.5 42.5 42.5 Từ 1 đến dưới 5 triệu 242 24.2 24.2 66.7 Từ 5 đến dưới 10 triệu 197 19.7 19.7 86.4 Từ 10 triệu trở lên 136 13.6 13.6 100.0 - Học vấn
Trung cấp, PTTH hoặc thấp hơn 25 2.5 2.5 2.5
Cao đẳng, đại học 868 86.8 86.8 89.3 Sau đại học 107 10.7 10.7 100.0 - Phần mềm sử dụng Kaspersky 324 32.4 32.4 32.4 Norton Symantec 245 24.5 24.5 56.9 Avira 220 22.0 22.0 78.9 BKAV 211 21.1 21.1 100.0 - Thời gian sử dụng Dưới 1 năm 280 28.0 28.0 28.0 Từ 1 đến dưới 3 năm 509 50.9 50.9 78.9 Từ 3 năm trở lên 211 21.1 21.1 100.0 Tổng cộng 1000 100.0 100.0
- Theo Bảng 3.1 thì người sử dụng phần mềm chống virus của Kaspersky là
324 người (chiếm 32.4 %), kế đến là Symantic Norton là 245 người (chiếm 24.5 %), Avira là 220 người (chiếm 22.0 %), BKAV là 211 người (chiếm 21.1 %).
là 509 người (chiếm 50.9 %), kế đến là dưới 1 năm là 280 người (chiếm 28.0 %), từ 3 năm trở lên là 211 người (chiếm 21.1 %).
Bảng 3.2. Bảng thống kê mơ tả các thành phần sau khi chạy EFA.
Thống kê mơ tả
N Thấp nhất Cao nhất Trung bình Độ lệch chuẩn Phương sai
AW 1000 2.25 5.00 4.1252 .53400 .285 PQ 1000 1.80 5.00 3.9400 .55396 .307 LO 1000 1.40 5.00 3.6384 .69781 .487 N cĩ giá trị 1000
Kết quả thống kê mơ tả mẫu ở Bảng 3.2 cho thấy mức độ trung bình của giá trị thương hiệu thu được trong dữ liệu mẫu là 3.6553. Dữ liệu mẫu cũng cho thấy các thành phần cĩ giá trị trung bình từ 3.6384 đến 4.1252, trong đĩ lịng trung thành
thương hiệu cĩ giá trị thấp nhất là 3.6384, sau đĩ đến chất lượng cảm nhận thương hiệu là 3.9400 và cuối cùng là nhận biết thương hiệu cĩ giá trị cao nhất là 4.1252.
3.3. Kiểm định hệ số tin cậy Cronbach’s Alpha.
Cronbach’s Alpha là cơng cụ giúp loại đi những biến quan sát, những thang đo
khơng đạt yêu cầu, các biến rác cĩ thể tạo ra các yếu tố giả. Các quan sát cĩ hệ số tương quan biến - tổng < 0.40 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach’s Alpha từ 0.60 trở lên (Nunnally & Burnstein, 1994). Hồng Trọng & Chu Nguyễn Mộng Ngọc (2005) cho rằng: “Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0.80 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.70 đến 0.80 là sử dụng được. Cũng cĩ nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.60 trở lên là cĩ thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới đối với
người trả lời trong bối cảnh nghiên cứu” (Nunnally, 1978, trích từ Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005) (Huỳnh Thiên Quy, 2010, tr. 34-35).
3.3.1. Cronbach’s Alpha của các khái niệm nghiên cứu.
Biến cĩ hệ số tương quan biến - tổng nhỏ hơn 0.40 sẽ bị loại. Tiêu chuẩn chọn thang đo cĩ độ tin cậy Cronbach’s Alpha từ 0.6 trở lên (Nunnally & Burnstein,
Bảng 3.3. Cronbach’s Alpha của các khái niệm nghiên cứu.
Biến quan sát
Trung bình thang
đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan
biến - tổng
Alpha nếu loại biến Nhận biết thương hiệu : Cronbach’s Alpha = 0.762
AW1 16.50 4.563 .417 .769
AW2 16.28 4.580 .591 .699
AW3 16.09 4.792 .546 .716
AW4 16.33 4.577 .558 .710
AW5 16.30 4.571 .576 .704
Lịng ham muốn thương hiệu : Cronbach’s Alpha = 0.810
DE1 21.94 11.195 .615 .772 DE2 22.30 11.881 .523 .789 DE3 22.09 11.860 .558 .783 DE4 22.06 11.440 .589 .777 DE5 21.80 12.361 .513 .791 DE6 22.45 11.627 .478 .799 DE7 22.23 11.929 .559 .783
Chất lượng cảm nhận thương hiệu : Cronbach’s Alpha = 0.852
PQ1 26.93 14.083 .649 .828 PQ2 26.99 14.214 .634 .830 PQ3 26.86 14.227 .596 .834 PQ4 27.05 14.123 .591 .835 PQ5 26.98 14.610 .517 .843 PQ6 27.14 13.542 .677 .824 PQ7 27.35 13.664 .599 .834 PQ8 27.41 14.564 .485 .848
Lịng trung thành thương hiệu : Cronbach’s Alpha = 0.889
LO1 18.26 11.365 .719 .867 LO2 18.15 11.827 .723 .867 LO3 18.19 12.173 .691 .872 LO4 18.42 11.317 .748 .862 LO5 18.25 12.066 .677 .874 LO6 18.66 11.141 .689 .874
3.3.2. Cronbach’s Alpha của các thành phần của giá trị thương hiệu. 3.3.2.1. Thang đo nhận biết thương hiệu. 3.3.2.1. Thang đo nhận biết thương hiệu.
hệ số tương quan biến - tổng của các biến thành phần đều lớn hơn 0.4. Nhỏ nhất là 0.417 (AW1). Vì vậy các biến đo lường thành phần này đều được sử dụng trong phân tích
EFA tiếp theo. Vậy thang đo nhận biết thương hiệu được đo lường bằng 6 biến quan sát: AW1, AW2, AW3, AW4, AW5, AW6 (xem Phụ lục 4).
3.3.2.2. Thang đo lịng ham muốn thương hiệu.
Thành phần lịng ham muốn thương hiệu cĩ Cronbach’s Alpha là 0.810. Các hệ số tương quan biến - tổng của các biến đo lường thành phần đều lớn hơn 0.4 (nhỏ
nhất là 0.478), tất cả đều thỏa điều kiện. Vì vậy, 7 biến thành phần này đều được sử dụng trong phân tích EFA tiếp theo (xem Phụ lục 4).
3.3.2.3. Thang đo chất lượng cảm nhận thương hiệu.
Thành phần chất lượng cảm nhận thương hiệu cĩ Cronbach’s Alpha là 0.843. Các hệ số tương quan biến - tổng các biến đo lường thành phần đều lớn hơn 0.4 trừ biến PQ9 bằng 0.384 < 0.4 nên biến này bị loại. Sau khi chạy lại Cronbach’s Alpha tất cả biến đều thỏa điều kiện. Vì vậy, ngoại trừ biến PQ9, 8 biến thành phần được sử dụng trong phân tích EFA tiếp theo (xem Phụ lục 4).
3.3.2.4. Thang đo lịng trung thành thương hiệu.
Thành phần lịng trung thành thương hiệu cĩ Cronbach’s Alpha là 0.889. Các hệ số tương quan biến tổng của các biến đo lường thành phần đều tương đối lớn (nhỏ nhất là 0.677). Do vậy 6 biến thành phần này đều thỏa điều kiện để sử dụng trong phân tích EFA (xem Phụ lục 4).
3.4. Kết quả phân tích nhân tố khám phá EFA.
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tĩm tắt các dữ liệu. Phương pháp này rất cĩ ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn. Thứ nhất, hệ số KMO (Kaiser- Meyer-Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng khơng
sát cĩ tương quan với nhau trong tổng thể (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005, 262). Thứ hai, hệ số tải nhân tố (Factor Loading), theo Hair & ctg (1998), Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor Loading ≥ 0.3
được xem đạt mức tối thiểu, Factor Loading ≥ 0.4 được xem là quan trọng, ≥ 0.5 được
xem là cĩ ý nghĩa thực tiễn. Ngoài ra, Hair & ctg (1998) cũng khuyên bạn đọc như sau: Nếu chọn tiêu chuẩn Factor Loading ≥ 0.3 thì cỡ mẫu của bạn ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor Loading ≥ 0.55, nếu cỡ mẫu của
bạn khoảng 50 thì Factor Loading phải ≥ 0.75. Do đĩ, trong nghiên cứu này, nếu biến quan sát nào cĩ hệ số tải nhân tố ≤ 0.50 sẽ bị loại. Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (Gerbing & Anderson, 1988). Thứ tư, điểm dừng khi trích các yếu tố cĩ hệ số Eigenvalue phải cĩ giá trị ≥ 1 (Gerbing & Anderson 1988). Thứ năm, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.30 để
đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003).
Do sau EFA cịn kiểm định CFA và SEM nên chúng ta rất quan tâm đến cấu trúc
thang đo, các khái niệm sau khi rút ra cĩ thể tương quan với nhau, và cũng rất quan tâm đến sự phân biệt rõ ràng giữa các nhân tố nên phương pháp trích được chọn để phân tích
là Principal Axis Factoring với phép xoay Promax. Cách tiến hành phân tích được thực hiện như sau: Phân tích tổ hợp của 26 biến quan sát (27 biến loại bỏ PQ9 cịn 26 biến). Sau khi dùng 4 tiêu chuẩn đầu tiên của EFA để loại bỏ 10 biến: DE6, DE2, PQ8, DE5,
PQ7, DE7, DE3, DE1, AW1, DE4 do cĩ factor loading nhỏ hơn 0.5. Sau đĩ dùng tiêu chuẩn thứ năm loại tiếp biến LO1. Kết quả trích được cịn 3 nhân tố gồm 15 biến là: LO1, LO2, LO4, LO5, LO6, PQ1, PQ2, PQ3, PQ4, PQ5, PQ6, AW2, AW3, AW4, AW5. Hệ số KMO=0.924 mức ý nghĩa Sigma là 0.000 trong kiểm định Barlett’ test. Như vậy giả thuyết về ma trận tương quan tổng thể là ma trận đồng nhất bị bác bỏ, tức là các biến cĩ
tương quan với nhau và thỏa điều kiện trong phân tích nhân tố. Kết quả trích 3 nhân tố
thỏa các điều kiện: KMO = 0.920 > 0.5, hệ số factor loading đều lớn hơn 0.5, phương sai
trích đạt 50.812% lớn hơn 50% và khác biệt hệ số tải nhân tố của một biến quan sát ≥ 0.30. Hệ số Cronbach’s Alpha của 3 nhân tố vừa trích được tính lại, tất cả đều thỏa điều kiện hệ số tương quan biến - tổng đều trên 0.4 và độ tin cậy lớn hơn 0.60 (xem Phụ lục 5).
Bảng 3.4. Kết quả EFA của thang đo các thành phần của giá trị thương hiệu.
Kết quả EFA cho 4 thành phần gồm 26 biến sử dụng Principal axis factoring với phép xoay Promax cho thấy cịn 3 nhân tố là nhận biết thương hiệu (gồm 4 biến quan sát), chất lượng cảm nhận thương hiệu (gồm 6 biến quan sát) và lịng trung thành thương hiệu (5 biến quan sát). Thành phần lịng ham muốn thương hiệu chưa cĩ ý nghĩa và chưa hiện diện trong phân tích nhân tố EFA. Kết quả này cho thấy đối với phần mềm chống virus thì cĩ thể do đa phần thời gian sử dụng phần mềm này chạy ẩn trên system tray và bảo vệ máy tính một cách tự động nên người dùng cũng ít cĩ cảm nhận nhiều và đa phần các phần mềm chống virus đều cĩ tính năng và cơng dụng gần ngang với nhau, cĩ thể do
đặc tính sử dụng phần mềm cĩ phí hoặc dùng thử khơng tốn tiền nên lịng ham muốn của khách hàng đối với giá trị thương hiệu khơng rõ ràng dẫn đến thành phần này chưa cĩ ý nghĩa đối với người tiêu dùng tại TP.HCM (xem Bảng 3.4).
Ma trận mẫua Nhân tố 1 2 3 LO4 .886 -.099 .001 LO6 .857 -.132 -.019 LO1 .642 .164 .016 LO2 .638 .132 .065 LO5 .628 .121 .021 PQ1 .098 .688 -.048 PQ3 -.089 .668 .123 PQ2 .102 .667 -.063 PQ4 -.075 .652 .089 PQ6 .187 .646 -.088 PQ5 -.087 .587 .067 AW3 -.039 -2.330E-5 .679 AW5 -.025 .045 .677 AW2 .121 -.068 .667 AW4 .007 .104 .596 Eigenvalue 6.224 1.694 1.175 Phương sai trích 38.310 38.310 4.408 Cronbach’s Alpha 0.872 0.832 0.769 Sig. 0.000 KMO 0.920
3.5. Kiểm định thang đo bằng CFA.
Từ kết quả của EFA của phần mềm SPSS, cho thấy rằng cĩ 4 khái niệm chính với 18 biến quan sát được sử dụng trong mơ hình nghiên cứu sau này để chạy CFA và SEM trên phần mềm AMOS. Đĩ là: Nhận biết thương hiệu được đo lường bởi 4 biến quan sát: AW2, AW3, AW4, AW5; Chất lượng cảm nhận thương hiệu được đo lường bởi 6 biến quan sát: PQ1, PQ2, PQ3, PQ4, PQ5, PQ6; Lịng trung thành thương hiệu
được đo lường bởi 5 biến quan sát LO1, LO2, LO4, LO5, LO6; Giá trị thương hiệu được đo lường bởi 3 biến quan sát: BE1, BE2, BE3.
Trong kiểm định thang đo, phương pháp CFA trong phân tích mơ hình cấu trúc tuyến tính cĩ nhiều ưu điểm hơn so với phương pháp truyền thống như phương pháp hệ số tương quan, phương pháp phân tích nhân tố khám phá EFA, phương
pháp đa khái niệm MTMM (Multitrait Multimethod),… (Bagozzi & Foxall, 1996).
Lý do là CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo
lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà
khơng bị chệch do sai số đo lường (Steenkamp & Van Trijp, 1991). Hơn nữa chúng ta cĩ thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà khơng cần dùng nhiều nghiên cứu như trong phương pháp truyền thống MTMM (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2008, tr. 41-42).
Trong kiểm định giả thuyết cũng như mơ hình lý thuyết, phương pháp CFA cũng cĩ lợi thế hơn các phương pháp truyền thống như hồi quy đa biến vì nĩ cĩ thể tính được sai số đo lường. Mặt khác phương pháp này cho phép kết hợp được các khái niệm tiềm
ẩn với đo lường của chúng và cĩ thể xem xét các đo lường độc lập hay kết hợp chung
với mơ hình lý thuyết cùng một lúc, được sử dụng rộng rãi trong các lĩnh vực tiếp thị những năm gần đây và được gọi là phương pháp pháp phân tích thơng tin thế hệ thứ hai (Hulland & ctg, 1996) (Phạm Đức Kỳ và Bùi Nguyên Hùng, 2007, tr. 73).
Dữ liệu phân tích dùng cỡ mẫu N = 1000, với thang Likert 5 khoảng cách kiểm định phân phối của các biến quan sát cho kết quả các giá trị Skewness và Kurtosis các biến đo lường phân bố trong khoảng [-1, +1] nên phân phối gần chuẩn và
phương pháp ML được sử dụng để ước lượng các tham số trong các mơ hình.
Trong CFA ta cĩ thể thực hiện cho từng khái niệm, một số khái niệm, hoặc thực hiện với tất cả các khái niệm cĩ trong mơ hình (gọi là mơ hình tới hạn). Ở đây
thực hiện với từng khái niệm một cũng như mơ hình tới hạn.
3.5.1. Các chỉ tiêu đánh giá.
“Để đo lường mức độ phù hợp của mơ hình với thơng tin thị trường, người ta
thường sử dụng Chi-square (CMIN:χ2); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI: Comparative Fit Index); chỉ số Tucker & Lewis (TLI: Tucker & Lewis Index); chỉ số RMSEA (Root Mean Square Error Approximation). Mơ hình được xem là thích hợp với dữ liệu thị trường khi kiểm định
Chi-square cĩ P-value > 0.05. Tuy nhiên Chi-square cĩ nhược điểm là phụ thuộc vào
kích thước mẫu. Nếu một mơ hình nhận được các giá trị GFI, TLI, CFI ≥ 0.9 (Bentler &
Bonett, 1980); CMIN/df ≤ 2, một số trường hợp CMIN/df cĩ thể ≤ 3 (Carmines &
McIver, 1981); ngồi ra, trong một số nghiên cứu thực tế người ta phân biệt ra 2 trường hợp: χ2/df < 5 (với mẫu N > 200) ; hay χ2/df < 3 (khi cỡ mẫu N < 200) thì mơ hình được xem là phù hợp tốt (Kettinger và Lee, 1995) (Phạm Đức Kỳ, Tĩm tắt các bước thống kê trong SEM). RMSEA ≤ 0.08, RMSEA ≤ 0.05 được xem là rất tốt (Steiger, 1990); thì mơ hình được xem là phù hợp với dữ liệu thị trường, hay tương thích với dữ liệu thị trường. (1) Hệ số tin cây tổng hợp (composite reliability).
(2) Tổng phương sai trích được (variance extracted).
Độ tin cậy tổng hợp (ρc) (Joreskog, 1971), và tổng phương sai trích (ρvc) (Fornell & Larcker, 1981) được tính theo cơng thức sau:
Trong đĩ λi là trọng số chuẩn hố của biến quan sát thứ i; 1- λi2 là phương sai
của sai số đo lường biến quan sát thứ i, p là số biến quan sát của thang đo. Chỉ tiêu ρc phải từ 0.7 trở lên và ρvc phải đạt yêu cầu từ 0.5 trở lên.
Theo Hair (1998, 612): “Phương sai trích (Variance Extracted) của mỗi khái niệm
nên vượt quá 0.5”; và phương sai trích cũng là một chỉ tiêu đo lường độ tin cậy. Nĩ phản ánh lượng biến thiên chung của các biến quan sát được tính tốn bởi biến tiềm ẩn.
(3) Tính đơn hướng/đơn nguyên (unidimensionality)
- Theo Steenkamp & Van Trijp (1991), mức độ phù hợp của mơ hình với dữ liệu thị trường cho chúng ta điều kiện cần và đủ để cho tập biến quan sát đạt được tính đơn
hướng, trừ trường hợp các sai số của các biến quan sát cĩ tương quan với nhau.
(4) Giá trị hội tụ (Convergent validity)
- Gerbring & Anderson (1988) cho rằng thang đo đạt được giá trị hội tụ khi các trọng số chuẩn hĩa của thang đo đều cao (>0.5); và cĩ ý nghĩa thống kê (P <0.05).