Biến quan
sát
Trung bình thang đo nếu loại biến
Phuơng sai thang đo nếu loại biến
Tƣơng quan biến tổng
Alpha nếu loại biến Thành phần quyết định mua sắm (D): Alpha = 0.829
D1 11.05 3.371 0.635 0.794
D2 11.15 3.435 0.659 0.784
D3 11.31 3.282 0.68 0.773
D4 11.25 3.305 0.651 0.787
3.4 Phân tích nhân tố (EFA: exploratory factor analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến khơng đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có 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.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Ngồi ra, phân tích nhân tố còn dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương
pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
3.4.1 Phân tích nhân tố đối với thang đo nhận thức lợi ích
Sau khi kiểm tra mức độ tin cậy bằng hệ số Cronbach Alpha thì thang đo các nhân tố nhận thức lợi ích của khách hàng gồm 33 biến quan sát. Theo mơ hình lý thuyết, 33 biến quan sát này được dùng để đo lường cho 7 thành phần của thang đo. Phân tích nhân tố khám phá dùng để đánh giá độ hội tụ của các biến quan sát theo các thành phần. (Xem phụ lục 7)
Kết quả EFA cho thấy có 7 nhân tố được trích tại Eigenvalue là 1.017 và tổng phương sai trích là 65.879%, trọng số của các biến quan sát đều cao (xem Bảng 3.3). Vì vậy, các biến quan sát của thang đo này đạt yêu cầu cho các phân tích tiếp theo. Các biến quan sát C4, I4 có hệ số tải nhân tố nhỏ hơn 0.5 nên không đạt yêu cầu (xem Bảng 3.3)
Bảng 3.3: Kết quả EFA của các nhân tố nhận thức lợi ích ảnh hƣớng đến quyết định mua sắm Biến quan sát Yếu tố 1 2 3 4 5 6 7 C1 0.162 0.166 0.085 -0.053 0.175 -0.056 0.814 C2 0.248 0.299 0.102 -0.016 0.046 -0.004 0.729 C3 0.31 0.315 0.074 0.001 0.211 0.087 0.568 C4 0.398 0.436 0.117 0.054 0.221 -0.1 0.222 C5 0.316 0.508 -0.02 -0.02 0.217 0.03 0.383 S1 0.716 0.351 0.212 0.012 0.268 0.026 0.168 S2 0.707 0.264 -0.06 0.015 0.18 -0.023 0.145 S3 0.818 0.087 0.079 -0.006 0.077 -0.056 0.081 S4 0.810 0.111 0.134 -0.032 0.183 -0.023 0.18 S5 0.711 0.295 0.161 0.002 0.215 -0.003 0.163 T1 0.166 0.176 0.857 -7.54E-05 0.035 0.009 -0.021 T2 0.06 0.201 0.826 0.032 0.089 0.002 0.117 T3 0.114 0.097 0.804 -0.003 0.102 -0.101 -0.015 T4 0.027 0.105 0.770 0.052 0.146 0 0.14 H1 0.062 -0.1 0.015 0.023 0.034 0.722 0.109 H2 0.003 -0.08 -0.03 -0.031 0.024 0.797 -0.033 H3 0.095 -0.06 0.033 -0.035 -0.087 0.717 0.046 H4 -0.102 0.039 -0.07 -0.005 0.032 0.8 -0.093 H5 -0.179 0.187 -0.04 0.037 0.067 0.662 -0.051
I1 0.183 0.771 0.28 -0.012 0.111 -0.063 0.199 I2 0.153 0.758 0.244 -0.017 0.155 0.035 0.196 I3 0.236 0.719 0.188 -0.011 0.208 -0.086 0.143 I4 0.276 0.478 0.271 -0.029 0.407 0.07 0.172 I5 0.446 0.625 0.03 0.034 0.259 0.009 0.078 P1 0.377 0.252 0.235 0.104 0.54 -0.033 0.122 P2 0.274 0.319 -0.02 0.016 0.707 0.012 0.089 P3 0.172 0.178 0.175 -0.009 0.811 0.049 0.07 P4 0.198 0.13 0.117 -0.008 0.835 0.022 0.176 V1 -0.09 0.137 -0.02 0.756 -0.058 0.03 0.035 V2 0 0.082 -0.07 0.749 0.018 -0.004 -0.01 V3 0.038 -0.22 -0.01 0.677 0.154 -0.097 -0.038 V4 0.046 -0.07 0.073 0.831 -0.029 0.024 -0.012 V5 0.024 0.02 0.109 0.815 -0.027 0.02 -0.036 Eigenvalues 9.584 3.019 2.839 2.398 1.475 1.407 1.017 Phƣơng sai rút trích (%) 29.043 9.15 8.603 7.267 4.468 4.265 3.083 Cronbach alpha 0.889 0.865 0.867 0.826 0.842 0.792 0.757
Như vậy, thang đo các nhân tố nhận thức lợi ích ảnh hưởng đến quyết định mua sắm sau khi đánh giá sơ bộ bao gồm 7 thành phần và 31 biến quan sát. Thành phần sự lựa chọn sản phẩm đo lường 5 biến quan sát (S1, S2, S3, S4, S5), thành phần thông tin phong phú đo lường bởi 5 biến quan sát (C5, I1, I2, I3, I5), thành phần thoải mái mua sắm đo lường bởi 4 biến quan sát (T1, T2, T3, T4), thành phần đặc tính sản phẩm được đo lường bởi 5 biến quan sát (V1, V2, V3, V4, V5), thành phần sự giảm giá được đo lường bởi 4 biến quan sát (P1,P2, P3, P4), thành phần thích thú mua sắm được đo lường bởi 5 biến quan sát (H1, H2, H3, H4, H5), thành phần sự tiện lợi mua sắm được đo lường bởi 3 biến quan sát (C1, C2, C3) (xem Bảng 3.4)
Bảng 3.4: Thang đo các nhân tố nhận thức lợi ích ảnh hƣởng đến quyết định sau khi phân tích EFA
Biến quan sát
Diễn giải Nhân tố 1: Thành phần sự lựa chọn sản phẩm (S)
S1 Thật dễ dàng để hoàn thành một giao dịch mua Voucher S2 Việc tìm sản phẩm trên phạm vi rộng hơn.
S3 Các Voucher được bán cung cấp hàng hóa/dịch vụ phong phú đa dạng. S4 Có rất nhiều Website bán Voucher cho bạn lựa chọn.
I1 Thông tin trên Website rõ ràng, dể hiểu
I2 Thông tin trên Website luôn được cập nhật thường xuyên I3 Thơng tin trên Website truy cập nhanh chóng
I5 Bạn ln có được những thơng tin mình cần trên Website. C5 Thật dễ dàng để hoàn thành một giao dịch mua Voucher
Nhân tố 3: Thành phần thoải mái mua sắm (T)
T1 Không phải lo lắng mất thời gian xếp hàng. T2 Không phải tranh giành với ai khi mua sắm.
T3 Không phải ngại khi mình khơng mua gì.
T4 Khơng hạn chế thời gian mua sắm.
Nhân tố 4: Thành phần đặc tính sản phẩm (V)
V1 Số lượng Voucher sử dụng cho hóa đơn thanh tốn càng nhiều thì sẽ hấp dẫn bạn mua.
V2 Thời hạn sử dụng voucher dài sẽ hấp dẫn bạn mua.
V3 Địa điểm áp dụng Voucher cũng sẽ ảnh hưởng đến quyết định mua của bạn. V4 Thương hiệu của hàng hóa/dịch vụ trên Voucher càng nổi tiếng thì bạn sẽ
muốn mua Voucher đó.
V5 Bạn thích mua Voucher trên nhưng Website được nhiều người truy cập.
Nhân tố 5: Thành phần sự giảm giá (P)
P1 Bạn cảm thấy có nhiều lợi ích với chi phí mình bỏ ra mua Voucher. P2 Bạn cảm thấy mình tiết kiệm được nhiều tiền khi mua Voucher. P3 Phần trăm giảm giá của Voucher là yếu tố hấp dẫn nhất đối với bạn. P4 Voucher giảm giá càng nhiều thì bạn càng muốn mua Voucher.
Nhân tố 6: Thành phần sự thích thú mua sắm (H)
H1 Bạn có cơ hội thử được trải nghiệm mới
H2 Bạn thích thú khi nhận được một món đồ
H3 Bạn có thể mua sắm tùy hứng theo các mẫu quảng cáo
H4 Bạn có cơ hội khám phá ra một dịch vụ hay một sản phẩm mới
H5 Nhiều người mua Voucher thì bạn càng muốn mua Voucher đó.
Nhân tố 7: Thành phần sự tiện lợi mua sắm ( C)
C1 Bạn có thể mua sắm Voucher tại nhà
C2 Bạn có thể mua sắm Voucher bất cứ khi nào bạn muốn. C3 Bạn có thể tiết kiệm công sức đi nhiều cửa hàng mua sắm
3.4.2 Phân tích nhân tố đối với thang đo quyết định mua sắm
Kết quả EFA cho thấy có 1 nhân tố được trích tại eigenvalue là 2.646 và phương sai trích là 66.156%. Hơn nữa trọng số của các biến quan sát đều cao (xem Bảng 3.5). Như vậy, các biến quan sát của thang đo này đạt yêu cầu cho phân tích tiếp theo.
Bảng 3.5: Kết quả phân tích EFA của thang quyết định mua sắm. Biến quan sát Yếu tố 1 D1 0.800 D2 0.814 D3 0.829 D4 0.810 Eigenvalues 2.646 Phƣơng sai rút trích (%) 66.156 Cronbach alpha 0.829
3.5 Xây dựng ma trận tƣơng quan giữa các biến độc lập với biến phụ thuộc
Từ kết quả phân tích hệ số tương quan ở bảng 3.6, ta nhận thấy rằng quyết định mua sắm của khách hàng có tương quan tuyến tính với 4 yếu tố (sự lựa chọn sản phẩm, thông tin phong phú, sự giảm giá và sự tiện lợi) ở mức ý nghĩa 0.01. Hệ số tương quan giữa quyết định mua sắm và các các yếu tố cao nhất là 0.505 và thấp nhất là 0.153, nên sơ bộ ta có thể kết luận rằng 4 yếu tố này có thể đưa vào mơ hình để giải thích cho sự quyết định mua sắm của khách hàng. Hệ số tương quan giữa các yếu tố với nhau rất nhỏ, nên sơ bộ ta thấy khơng có hiện tượng đa cộng tuyến giữa các yếu tố này. Yếu tố thoải mái mua sắm, đặc tính sản phẩm, thích thú mua sắm có giá trị sig. rất lớn (lớn hơn 0.01), nên yếu tố này khơng có ý nghĩa về mặt thống kê và bị loại khỏi mơ hình nghiên cứu. (Xem phụ lục 8)
Bảng 3.6: Kết quả phân tích hệ số tƣơng quan Pearson.
Sự lựa chọn Thơng tin Thoải mái Đặc tính sp Sự giảm giá Thích thú Tiện lợi Quyết định Sự lựa chọn Pearson Correlation 1 Sig. (2-tailed) 1 N 280 280 Thông tin Pearson Correlation 0 1 Sig. (2-tailed) 1 1 N 280 280 280 Thoải mái Pearson Correlation 0 0 1 Sig. (2-tailed) 1 1 1 N 280 280 280 280 Đặc tính sp Pearson Correlation 0 0 0 1
Sig. (2-tailed) 1 1 1 1 N 280 280 280 280 280 Sự giảm giá Pearson Correlation 0 0 0 0 1 Sig. (2-tailed) 1 1 1 1 1 N 280 280 280 280 280 280 Thích thú Pearson Correlation 0 0 0 0 0 1 Sig. (2-tailed) 1 1 1 1 1 1 N 280 280 280 280 280 280 280
Tiện lợi Pearson
Correlation 0 0 0 0 0 0 1 Sig. (2-tailed) 1 1 1 1 1 1 N 280 280 280 280 280 280 280 Quyết định Pearson Correlation .368** .351** 0.052 -0.064 .505** - 0.053 .153* 1 Sig. (2-tailed) 0 0 0.389 0.283 0 0.376 0.01 N 280 280 280 280 280 280 280 280
3.6 Xác lập phƣơng trình hồi quy
Qua kết quả phân tích về sự tương quan, mơ hình các nhân tố nhận thức lợi ích ảnh hưởng đến quyết định mua sắm của khách hàng được chọn là mơ hình hồi quy tuyến tính, được thể hiện ở phương trình sau:
Y = β0 + β1 * X1 + β2 * X2 + β3*X3 + β4*X34
Trong đó:
Y: quyết định mua sắm của khách hàng X1: sự lựa chọn sản phẩm
X2: thông tin phong phú X3:: sự giảm giá
X4:: sự tiện lợi
β0: hằng số
β1, β2, β3, β4: các hệ số hồi quy riêng phần
Ta tiến hành phân tích hồi quy để xác định cụ thể trọng số của từng yếu tố ảnh hưởng đến quyết định mua sắm của khách hàng. Phân tích hồi quy tuyến tính được dùng để kiểm định mơ hình và các giả thuyết, thủ tục chọn biến là các biến được đưa vào cùng một lúc (phương pháp Enter).
Bảng 3.7: Kết quả phân tích hồi quy Model Summary(b) Model Summary(b)
Model R R2 R2 điều chỉnh Sai số chuẩn ƣớc lƣợng
1 .733a
0.538 0.531 0.68480778
ANOVA(b)
Model Tổng bình phƣơng Df Bình phƣơng
trung bình
F Sig.
1 Hồi quy 150.036 4 37.509 79.98 .000a
Số dƣ 128.964 275 0.469
Tổng 279 279
Coefficients(a)
Model
Hệ số hồi quy chƣa chuẩn hóa Hệ số hồi quy chuẩn hóa t Sig. Thống kê cộng tuyến B Sai số
chuẩn Beta Dung sai VIF
1 Hằng số -2.57E-18 0.041 0 1 Sự lựa chọn 0.368 0.041 0.368 8.981 0 1 1 Thông tin 0.351 0.041 0.351 8.573 0 1 1 Sự giảm giá 0.505 0.041 0.505 12.32 0 1 1 Sự tiện lợi 0.153 0.041 0.153 3.737 0 1 1 Trị số thống kê F được tính từ R2
của mơ hình với mức ý nghĩa quan sát rất nhỏ (sig. = 0) cho thấy mơ hình các nhân tố tác động đến sự thỏa mãn của khách hàng phù hợp với tập dữ liệu và có thể sử dụng được.
Hệ số R2
hiệu chỉnh là 0.531, có nghĩa là mơ hình các nhân tố nhận thức lợi ích ảnh hưởng đến quyết định mua sắm của khách hàng đã xây dựng phù hợp với tập dữ liệu là 53.1%. Nói cách khác, quyết định mua sắm của khách hàng được giải thích bởi các biến độc lập trong mơ hình là 53.1%, và quyết định mua sắm của khách hàng được giải thích bởi các biến khác ngồi mơ hình là 46.9%.
Hệ số phóng đại VIF (Variance inflation factor – 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 tượng đa cộng tuyến xảy ra. Do đó mối quan hệ giữa các biến độc lập khơng ảnh hưởng đến kết quả giải thích của mơ hình.
Giá trị sig. của các biến độc lập đều nhỏ hơn 0.05. Hệ số hồi quy chuẩn hóa của biến sự giảm giá (X3) là 0.505 cao nhất trong các hệ số hồi quy chuẩn hóa, sự lựa chọn (X1) là 0.368, thông tin phong phú (X2) là 0.351 và sự tiện lợi (X4) là 0.153. Lúc này, chúng ta có thể viết được phương trình hồi quy cho mơ hình này như sau:
Phương trình hồi quy đã chuẩn hóa:
Y = 0.368*X1 + 0.351*X2 + 0.505 *X3+ 0.153 *X4
Y: quyết định mua sắm của khách hàng X1: sự lựa chọn sản phẩm X2: thông tin phong phú X3:: sự giảm giá X4:: sự tiện lợi β1 = 0.368 β2 = 0.351 β3 = 0.505 β4 = 0.153
Qua phương trình trên ta thấy cả 4 biến độc lập ảnh hưởng thuận đến quyết định mua sắm của khách hàng với độ tin cậy 95%. Như vậy, khi nhận thức lợi ích về sự lựa chọn sản phẩm tăng lên 1 thì quyết định mua sắm của khách hàng tăng 0.368 điểm, giữ ngun các biến độc lập cịn lại khơng thay đổi. Tương tự như vậy, khi nhận thức lợi ích về thơng tin phong phú tăng lên 1 điểm thì quyết định mua sắm của khách hàng tăng 0.351 điểm, khi nhận thức lợi ích về sự giảm giá tăng lên 1 điểm thì quyết định mua sắm của khách hàng tăng 0.505 điểm. Tương tự, khi nhận thức lợi ích về sự tiện lợi tăng lên 1 điểm thì quyết định mua sắm của khách hàng tăng 0.153 điểm.
Mơ hình nghiên cứu điều chỉnh gồm các nhân tố nhận thức lợi ích về sự lựa chọn sản phẩm, thông tin phong phú, sự giảm giá, sự tiện lợi ảnh hưởng đến quyết định mua sắm Voucher khuyến mãi trực tuyến của khách hàng. Thứ tự tầm quan trọng của từng nhân tố phụ thuộc vào giá trị tuyệt đối của hệ số hồi quy đã chuẩn hóa. Nhân tố nào có giá trị tuyệt đối càng lớn thì nhân tố đó sẽ ảnh hưởng đến quyết định mua sắm càng nhiều. Quyết định mua sắm của khách hàng chịu sự tác động nhiều nhất là nhân tố nhận thức lợi ích về sự giảm giá (Beta = 0.505), quan trọng thứ hai là nhân tố sự lựa chọn sản phẩm (Beta = 0.368) và quan trọng thứ ba là nhân tố thông tin phong phú (Beta = 0.351), quan trọng thứ tư là nhân tố sự tiện lợi (Beta = 0.153).
Hình 3.1 Mơ hình nghiên cứu điều chỉnh
3.7 Phân tích ảnh hƣởng của các biến định tính đến các nhân tố nhận thức lợi ích ảnh hƣởng đến quyết định mua sắm ích ảnh hƣởng đến quyết định mua sắm
Thực hiện so sánh sự khác biệt giữa các biến định tính với các nhân tố nhận thức lợi ích ảnh hưởng đến quyết định mua sắm Voucher khuyến mãi trực tuyến thông qua các kiểm định: phân tích phương sai Anova và Kruskal-Wallis. Phân tích Anova và Kruskal-Wallis được thực hiện để so sánh sự khác biệt về cảm nhận của khách hàng đối với các nhân tố về nhận thức lợi ích ảnh hưởng đến quyết định mua