Chƣơng 4 : KẾT QUẢ NGHIÊN CỨU
4.2 Kiểm định thang đo
4.2.1 Kiểm định thang đo bằng Cronbach Alpha
Cronbach alpha là công cụ giúp loại đi những biến quan sát, những thang đo không đạt yêu cầu. Dữ liệu sau khi đƣợc nhập liệu và làm sạch sẽ đƣợc tiến hành phần tích Cronbach alpha để loại bỏ biến không phù hợp, loại bỏ biến rác trong q trình nghiên cứu. Các biến quan sát có hệ số tƣơng quan biến tổng nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi có hệ số Cronbach alpha từ 0.6 trở lên (Peterson, 1994; Slater, 1995)[30][32].
4.2.1.1 Phân tích hệ số Cronbach Alpha thang đo các thành phần giá trị thƣơng hiệu
Kết quả Cronbach alpha của các thành phần giá trị thƣơng hiệu trong thị trƣờng máy tính xách tay bao gồm: nhận biết thƣơng hiệu (BA), ấn tƣợng thƣơng hiệu (BI), chất lƣợng cảm nhận (PQ) và lòng đam mê thƣơng hiệu (BP) nhƣ sau:
Nhân tố nhận biết thƣơng hiệu (BA) có hệ số Cronbach Alpha là 0,9503, là
hệ số có độ tin cậy cao. Các hệ số tƣơng quan biến tổng của 6 biến đo lƣờng nhân tố này đều đạt tiêu chuẩn (lớn hơn 0.3), hệ số nhỏ nhất là BA_1 = 0,7864 và cao nhất là hệ số BA_3 = 0.8924. Các hệ số alpha nếu loại biến đều thấp hơn 0,9503. Do vậy, các biến quan sát của thang đo này đều đƣợc giữ nguyên cho phân tích EFA.
Nhân tố ấn tƣợng thƣơng hiệu (BI) có hệ số tin cậy Cronbach alpha là 0,8984 khá cao so với mức đạt yêu cầu. Các hệ số tƣơng quan biến tổng đều đạt tiêu chuẩn (lớn hơn 0,3) thấp nhất là hệ số BI_4 = 0,5796 và cao nhất là hệ số BI_3 = 0,7932. Do vậy, thang đo nhân tố ấn tƣợng thƣơng hiệu đạt yêu cầu và các biến quan sát của thang đo này đƣợc sử dụng cho phân tích EFA.
Nhân tố chất lƣợng cảm nhận (PQ) có hệ số Cronbach alpha = 0,8715, tuy
nhiên, hệ số tƣơng quan biến PQ_2= 0.2584 (<0.3) đồng thời nếu loại biến này sẽ làm cho hệ số Cronbach Alpha biến PQ = 0.9082 (bảng 4.1). Hệ số tƣơng quan biến tổng của các biến còn lại đều >0.3. Do vậy, biến PQ_2 bị loại, 6 biến PQ_1, PQ_3, PQ_4, PQ_5, PQ_6, PQ_7 đƣợc sử dụng cho phân tích EFA.
Nhân tố lịng đam mê thƣơng hiệu (BP) có hệ số Cronbach alpha là 0,9263, là hệ số có độ tin cậy cao. tuy nhiên, hệ số tƣơng quan biến BL_3= 0.2775 (<0.3) đồng thời nếu loại biến này sẽ làm cho hệ số Cronbach Alpha biến BP = 0.9443 (bảng 4.1). Hệ số tƣơng quan biến tổng của các biến còn lại đều >0.3. Do vậy, biến BL_3 bị loại, 8 biến PD_1, PD_2, P D_3, PD_4, PD_5, BL_1, BL_2 , BL_4 đƣợc sử dụng cho phân tích EFA.
Bảng 4.2: Hệ số Cronbach alpha của các nhân tố đo lƣờng giá trị thƣơng hiệu.
Biến quan sát Trung bình thang đo nếu loại biến Phƣơng sai
thang đo nếu loại biến Tƣơng quan biến tổng Cronbach’s alpha nếu loại biến
Nhận biết thƣơng hiệu (BA): Alpha = 0,9503
BA_1 19.5311 19.0579 .7864 .9476 BA_2 19.6842 17.9094 .8709 .9380 BA_3 19.5789 18.2930 .8924 .9361 BA_4 19.9426 18.2659 .8304 .9428 BA_5 19.6507 17.6034 .8566 .9400 BA_6 19.7464 17.8537 .8494 .9407
Ấn tƣợng thƣơng hiệu (BI): Alpha = 0.8984
BI_1 18.1244 12.0902 .7530 .8760 BI_2 18.1483 12.0981 .7338 .8790 BI_3 18.1770 12.0022 .7932 .8699 BI_4 18.3445 13.0346 .5796 .9021 BI_5 18.1005 13.1293 .7305 .8818 BI_6 18.1005 11.5043 .7811 .8716 Chất lƣợng cảm nhận (PQ): Alpha = 0.8715 PQ_1 20.3301 13.8761 .7261 .8432
PQ_2 20.8804 15.9712 .2584 .9082 PQ_3 20.3732 13.2447 .7608 .8372 PQ_4 20.5359 13.5191 .7225 .8429 PQ_5 20.5694 14.0829 .6879 .8482 PQ_6 20.4450 14.0655 .7351 .8430 PQ_7 20.4067 13.7040 .7462 .8403
Lòng đam mê thƣơng hiệu (BP): Alpha = 0.9263
BD_1 24.6746 36.7590 .8060 .9132 BD_2 24.7321 36.6009 .8562 .9105 BD_3 24.7033 37.1904 .8035 .9137 BD_4 24.7273 36.3820 .8431 .9109 PD_5 24.8517 36.9539 .7769 .9150 BL_1 24.9282 35.8266 .8581 .9096 BL_2 25.3349 36.9354 .6185 .9270 BL_3 25.8804 42.3847 .2775 .9443 BL_4 25.1627 35.7426 .8244 .9116
4.2.1.2 Phân tích hệ số Cronbach Alpha thang đo giá trị thƣơng hiệu
Thang đo giá trị thƣơng hiệu gồm 3 biến quan sát (BE_1, BE_2, BE_3) có hệ số Cronbach alpha là 0,9526, là hệ số có độ tin cậy cao. Các hệ số tƣơng quan biến tổng đều đạt tiêu chuẩn cho phép (lớn hơn 0.3). Hệ số tƣơng quan biến tổng nhỏ nhất là 0.8902 (biến BE_3) cao nhất là 0.9153 (biến BE_2). Do vậy, thang đo thành phần giá trị thƣơng hiệu đạt yêu cầu và các biến quan sát của thang đo này đều đƣợc giữ nguyên cho phân tích EFA.
Bảng 4.3: Hệ số Cronbach alpha của thang đo giá trị thƣơng hiệu. Biến Biến quan sát Trung bình thang đo nếu loại biến Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến tổng Cronbach’s alpha nếu loại biến
Giá trị thƣơng hiệu (BE): Alpha = 0.9526
BE_1 6.7225 3.5380 .8947 .9345
BE_2 6.6507 3.4303 .9153 .9187
BE_3 6.7129 3.4172 .8902 .9382
4.2.2 Kiểm định thang đo thông qua phân tích các nhân tố khám phá EFA
Các biến đã đạt yêu cầu sau khi kiểm tra độ tin cậy Cronbach Alpha đƣợc đƣa vào phân tích nhân tố. Phƣơng pháp rút trích đƣợc lựa chọn là principal component với phép xoay varimax để phân tích nhân tố.
Trong phân tích nhân tố, Chỉ số KMO (Kaiser-Meyer-Olkin measure of sampling adequacy) là một chỉ số đƣợc dùng để xem xét sự thích hợp của các phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) có nghĩa phân tích nhân tố là thích hợp, nếu chỉ số KMO nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng trọng và Chu Nguyễn Mộng Ngọc, 2008)[5].
Trong phân tích nhân tố phƣơng pháp rút trích các thành phần chính (Principal components analysis) và phép xoay nhân tố Varimax procedure (xoay nguyên các góc nhân tố để tối thiểu hóa lƣợng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cƣờng khả năng giải thích các nhân tố) đƣợc sử dụng. Sau khi xoay các nhân tố, hệ số tải nhân tố lớn hơn 0.5 đƣợc xem là có ý nghĩa thực tiễn (Hair & ctg, 1998)[23].
Phƣơng sai trích phải đạt từ 50% trở lên (Hair & ctg, 1998) và điểm dừng khi trích nhân tố có Eigenvalue là 1, chỉ những nhân tố nào có Eigenvalue lớn hơn 1
mới đƣợc giữ lại trong mơ hình. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc (Hoàng trọng và Chu Nguyễn Mộng Ngọc, 2008)[5].
4.2.2.1 phân tích các nhân tố khám phá EFA thang đo các thành phần giá trị thƣơng hiệu
Kết quả phân tích nhân tố lần thứ nhất:
Kết quả kiểm định Bartlett’s trong bảng kiểm định KMO và Bartlett’s (phụ lục 5a) với sig= 0.000 cho thấy điều kiện cần để phân tích nhân tố là các biến phải có tƣơng quan với nhau đạt yêu cầu. Chỉ số KMO = 0.954>0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp.
Tại giá trị Eigenvalues = 1.007 với phƣơng pháp rút trích principal component và phép xoay varimax có bốn nhân tố đƣợc trích với phƣơng sai trích đƣợc là 73.496 % (>50%), đạt yêu cầu.
Sau khi xoay các nhân tố, hệ số tải nhân tố của 2 biến BI_2 = 0.475 và BL_2 = 484 nhỏ hơn 0.5, không đạt yêu cầu. 24 biến còn lại của bốn thành phần giá trị thƣơng hiệu trong bảng ma trận xoay các nhân tố (phụ lục 5a) có hệ số tải nhân tố >0.5 đạt u cầu. Vì vậy, phân tích nhân tố sẽ đƣợc tiến hành lần thứ hai với việc loại ra biến BI_2 và BL_2.
Kết quả phân tích nhân tố lần thứ hai:
Kết quả kiểm định Bartlett trong bảng kiểm định KMO và Bartlett's với sig = 0.000 (phụ lục 5b) cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau đạt yêu cầu. Chỉ số KMO = 0.951 >0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt yêu cầu.
Tại các mức giá trị Eigenvalues = 1.001 với phƣơng pháp rút trích Principal components và phép xoay varimax, phân tích nhân tố đã rút trích đƣợc 4 nhân tố (phụ lục 5b) từ 24 biến quan sát với phƣơng sai trích là % 75.014 (> 50%) đạt yêu cầu. Hệ số tải nhân tố 24 biến của bốn thành phần giá trị thƣơng hiệu > 0.5, đạt yêu cầu. Cronbach alpha của thang đo ấn tƣợng thƣơng hiệu sau khi loại biến BI_2 = 0.8790 (bảng 4.1) và hệ số Cronbach alpha của thang đo lịng đam mê
Đồng thời, kết quả phân tích EFA cũng cho thấy chỉ rút trích đƣợc một yếu tố từ hai thành phần thích thú thƣơng hiệu (biến BD_1, BD_2, BD_3, BD_4, BD_5) và lòng trung thành thƣơng hiệu (biến BL_1, BL_4). Nhƣ vậy, trong nghiên cứu này hai thành phần trên của khái niệm lòng đam mê thƣơng hiệu xem nhƣ là một trong một đo lƣờng. Kết quả này phù hợp với kết quả nghiên cứu của Nguyển Đình Thọ và Nguyễn Thị Mai trang năm 2002.
Bảng 4.4: Kết quả phân tích nhân tố EFA
Biến quan sát Yếu tố
1 2 3 4 BA_1 .844 .091 .146 .101 BA_2 .887 .144 .135 .133 BA_3 .876 .173 .205 .157 BA_4 .772 .304 .131 .279 BA_5 .830 .246 .165 .175 BA_6 .832 .220 .113 .222 BI_1 .409 .334 .282 .563 BI_3 .423 .352 .223 .600 BI_4 .078 .203 .255 .733 BI_5 .285 .186 .205 .785 BI_6 .415 .389 .260 .568 PQ_1 .247 .317 .699 .197 PQ_3 .236 .412 .661 .168 PQ_4 .123 .357 .714 .175 PQ_5 .112 .294 .731 .127 PQ_6 .099 .241 .765 .293 PQ_7 .218 .327 .720 .215 BD_1 .247 .691 .388 .323 BD_2 .269 .762 .323 .263
BD_3 .243 .756 .319 .206 BD_4 .214 .806 .323 .169 PD_5 .086 .753 .398 .193 BL_1 .307 .695 .362 .223 BL_4 .269 .661 .374 .230 Eigenvalue 13.060 2.826 1.116 1.001 Phƣơng sai trích 54.417 11.777 4.649 4.172 Crochbach alpha 0.9503 0,9503 0.8715 0.8790
Dựa vào kết quả bảng 4.4, lệnh Transform/ Compute Variable đƣợc sử dụng để nhóm các biến con đạt yêu cầu với hệ số tải nhân tố >0.5 thành bốn nhân tố, các nhân tố này đƣợc đặt tên cụ thể nhƣ sau:
Nhân tố thứ nhất: Nhận biết thƣơng hiệu (BA) đƣợc nhóm từ trung bình của 6 biến quan sát: BA_1, BA_2, BA_3, BA_4, BA_5, BA_6.
Nhân tố thứ hai: Lòng đam mê thƣơng hiệu (BP) đƣợc nhóm từ trung bình của 7 biến quan sát: BD_1, BD_2, BD_3, BD_4, BD_5, BL_1, BL_4.
Nhân tố thứ ba: Chất lƣợng cảm nhận (PQ) đƣợc nhóm từ trung bình của 6 biến quan sát: PQ_1, PQ_3, PQ_4, PQ_5, PQ_6, PQ_7.
Nhân tố thứ tƣ: Ấn tƣợng thƣơng hiệu (BI) đƣợc nhóm từ trung bình của 5 biến quan sát: BI_1, BI_3, BI_4, BI_5, BI_6.
4.2.2.2 phân tích các nhân tố khám phá EFA thang đo giá trị thƣơng hiệu
Thang đo g i á t r ị t h ƣ ơ n g h i ệ u gồm 3 biến quan sát. Sau khi đạt độ tin cậy khi kiểm tra bằng Cronbach alpha. Phân tích nhân tố khám phá đƣợc sử dụng để đánh giá mức độ hội tụ của các biến quan sát theo từng nhân tố và giá trị phân biệt của các nhân tố.
Kết quả phân tích nhân tố thang đo giá trị thƣơng hiệu cho thấy:
KMO và Bartlett's (phụ lục 5c) với sig = 0.000 cho thấy điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau đạt yêu cầu. Chỉ số KMO = 0.772 > 0.5 cho thấy điều kiện đủ để phân tích nhân tố là thích hợp đạt u cầu.
Bảng 4.4 trình bày kết quả phân tích nhân tố cho khái niệm nghiên cứu này. Tại các mức giá trị Eigenvalues = 2.741 phân tích nhân tố đã rút trích đƣợc 1 nhân tố (phụ lục 5c) từ 3 biến quan sát với phƣơng sai trích là 91.365% ( > 50%) đạt yêu cầu. Tất cả các hệ số tải nhân tố đều lớn hớn 0.5 đạt yêu cầu.
Bảng 4.5: Kết quả phân tích nhân tố EFA thang đo giá trị thƣơng hiệu
Biến quan sát Hệ số tải nhân tố
Eigenvalue Phƣơng sai
trích
Crochbach alpha
Giá trị thƣơng hiệu (BE) 2.741 91.365 0.9526
BE_1 .953
BE_2 .963
BE_3 .951
Nhƣ vậy, dựa vào c á c kết quả phân tích EFA trên cho thấy các thang đo của khái niệm thƣơng hiệu và bốn thành phần của giá trị thƣơng hiệu đạt giá trị hội tụ, hay các biến quan sát đại diện đƣợc cho các khái niệm cần đo. Lệnh Transform/ Compute Variable đƣợc sử dụng để nhóm ba biến BE_1, BE_2, BE_3 thành biến giá trị thƣơng hiệu (BE).
4.3 Phân tích hồi quy tuyến tính bội
4.3.1 Phân tích tƣơng quan
Trƣớc khi tiến hành phân tích hồi quy tuyến tính bội thì việc xem xét mối tƣơng quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là công việc phải làm và hệ số tƣơng quan Pearson trong ma
trận hệ số tƣơng quan là phù hợp để xem xét mối tƣơng quan này. Ma trận hệ số tƣơng quan là một ma trận vuông gồm các hệ số tƣơng quan. Tƣơng quan của một biến nào đó với chính nó sẽ có hệ số tƣơng quan là 1 và chúng có thể đƣợc thấy trên đƣờng chéo của ma trận. Mỗi biến sẽ xuất hiện hai lần trong ma trận với hệ số tƣơng quan nhƣ nhau, đối xƣng nhau qua đƣờng chéo của ma trận. Nếu kết luận đƣợc là các biến độc lập và biến phụ thuộc có tƣơng quan tuyến tính với nhau qua hệ số tƣơng quan Pearson, đồng thời giả định rằng chúng ta đã cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa các biến và xem nhƣ đã xác định đúng hƣớng của một mối quan hệ nhân quả giữa chúng, thì chúng ta có thể mơ hình hóa mối quan hệ nhân quả của chúng bằng mơ hình hồi quy tuyến tính bội, trong đó một biến đƣợc gọi là biến phụ thuộc và các biến còn lại gọi là các biến độc lập.
Bảng 4.6: Ma trận tƣơng quan giữa các khái niệm nghiên cứu
BP BA PQ BI BE
BA Tƣơng quan Pearson 1 .649(**) .473(**) .554(**) .577(**)
Hệ số Sig (2-tailed) . .000 .000 .000 .000
BI Tƣơng quan Pearson .649(**) 1 .667(**) .727(**) .649(**)
Hệ số Sig (2-tailed) .000 . .000 .000 .000
PQ Tƣơng quan Pearson .473(**) .667(**) 1 .792(**) .748(**)
Hệ số Sig (2-tailed) .000 .000 . .000 .000
BP Tƣơng quan Pearson .554(**) .727(**) .792(**) 1 .835(**)
Hệ số Sig (2-tailed) .000 .000 .000 . .000
BE Tƣơng quan Pearson .577(**) .649(**) .748(**) .835(**) 1
Hệ số Sig (2-tailed) .000 .000 .000 .000 . ** Mức ý nghĩa 1%, n=209
Phân tích hồi quy tuyến tính bội đƣợc thực hiện để xem xét mối quan hệ giữa các biến độc lập là nhân tố lòng đam mê thƣơng hiệu (BP), nhân tố nhận
thƣơng hiệu (BI) với biến phụ thuộc là giá trị thƣơng hiệu (BE) trong mơ hình nghiên cứu. Trƣớc khi tiến hành phân tích hồi quy tuyến tính bội thì việc xem xét mối tƣơng quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là công việc phải làm và hệ số tƣơng quan Pearson trong ma trận hệ số tƣơng quan là phù hợp để xem xét mối tƣơng quan này.
Dựa vào bảng 4.6 ta có thể thấy hệ số tƣơng quan giữa giá trị thƣơng hiệu (BE) và bốn biến độc lập rất cao (thấp nhất là 0.577). Sơ bộ ta có thể kết luận bốn biến độc lập BA, BI, PQ, BP có thể đƣa vào mơ hình để giải thích cho biến BE. Nhƣng hệ số tƣơng quan giữa các biến độc lập cũng rất cao (thấp nhất là 0.473). Do đó, kiểm định đa cộng tuyến cần đƣợc tiến hành trong các bƣớc tiếp theo để xác định xem các biến độc lập có ảnh hƣởng lẫn nhau hay khơng.
4.3.2 Phân tích hồi quy tuyến tính bội
4.3.2.1 Xác định biến độc lập và biến phụ thuộc
Căn cứ vào mơ hình nghiên cứu lý thuyết, ta có phƣơng trình hồi quy tuyến tính bội diễn tả giá trị thƣơng hiệu MTXT là:
BE = β0 + β1*BA + β2*BI + β3*PQ + β4*BP + ei (4.1)
Các biến độc lập (Xi): (BA) nhân tố nhận biết thƣơng hiệu, (BI) nhân tố ấn tƣợng thƣơng hiệu, (PQ) nhân tố chất lƣợng cảm nhận, (BP) nhân tố lòng đam mê thƣơng hiệu.
Biến phụ thuộc (Y): (BE) giá trị thƣơng hiệu trong thị trƣờng MTX T βk là hệ số hồi quy riêng phần (k=0…4)
ei là phần dƣ
4.3.2.2 Hồi quy tuyến tính bội
Phƣơng pháp Enter (đƣa tất cả các biến vào một lần) trong chƣơng trình SPSS đƣợc sử dụng để phân tích hồi quy bội. Sau đó dị tìm các vi phạm giả định cần thiết trong hồi quy tuyến tính bội:
Đối với giả định liên hệ tuyến tính và phƣơng sai bằng nhau, sử dụng đồ thị phân tán giữa các phần dƣ chuẩn hóa và giá trị dự đốn chuẩn hóa. Nếu giả
nhận thấy có liên hệ gì giữa các giá trị phần dƣ chuẩn hóa và giá trị dự đốn chuẩn hóa. Chúng sẽ phân tán ngẫu nhiên trong một vùng xung quanh đƣờng đi qua tung độ 0, khơng tạo thành một hình dạng nào.
Đối với giả định về phân phối chuẩn của phần dƣ, sử dụng biểu đồ tần số của các phần dƣ. Nếu trung bình bằng 0 và độ lệch chuẩn xấp xỉ bằng 1 thì có thể kết luận rằng giả định phân phối chuẩn không bị vi phạm.
Đối với giả định về tính độc lập của sai số tức khơng có tƣơng quan giữa các phần dƣ, tiến hành kiểm định giả thuyết H0: Hệ số tƣơng quan hạng của tổng