PHẦN II : NỘI DUNG VÀ KẾT QUẢNGHIÊN CỨU
2.2.2.1.Kiểmđịnh độtin cậy của thang đo đối với biếnđộc lập
2.2. Kết quả điều tra đánh giá hoạtđộng Marketing Online của Trung tâm ngoại ngữ
2.2.2.1.Kiểmđịnh độtin cậy của thang đo đối với biếnđộc lập
Tác giảthực hiện kiểm định độtin cậy của 5 biến độc lập và 22 biến quan sát, kết quả được trình bày trong bảng dưới đây:
Bảng 2.13: Kiểm định Cronbach’s Alpha từng biến độc lập
Biến
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến Hệsốtương quan biến tổng Hệs ố Cronbach’s Alpha nếu loại biến CY1 15,42 7,304 0,568 0,800 CY2 15,30 7,371 0,675 0,769 CY3 15,39 7,854 0,456 0,833 CY4 15,22 7,247 0,761 0,747 CY5 15,24 7,160 0,647 0,775
Biến “CY” Cronbach’s Alpha = 0,821
TT1 14,41 9,017 0,452 0,697
TT2 14,32 9,546 0,368 0,720
TT3 14,43 8,597 0,498 0,680
Biến
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến Hệsốtương quan biến tổng Hệs ố Cronbach’s Alpha nếu loại biến TT5 14,37 8,285 0,577 0,648
Biến “TT” Cronbach’s Alpha = 0,729
TK1 15,15 5,524 0,430 0,626
TK2 14,98 6,151 0,393 0,637
TK3 14,88 5,741 0,553 0,564
TK4 14,99 6,109 0,446 0,613
TK5 16,20 7,187 0,334 0,660
Biến “TK” Cronbach’s Alpha = 0,673
HD1 11,22 5,314 0,560 0,729
HD2 10,98 5,571 0,613 0,699
HD3 11,18 5,608 0,543 0,735
HD4 11,08 5,758 0,592 0,711
Biến “HD” Cronbach’s Alpha = 0,773
CS1 7,74 2,630 0,560 0,767
CS2 7,92 2,211 0,640 0,684
CS3 7,66 2,429 0,666 0,656
Biến “CS” Cronbach’s Alpha = 0,782
Trong mơ hình nghiên cứu, sự đánh giá hoạt động marketing onlineđược đo lường qua 5 biến độc lập: Sựchú ý, Sựthích thú, Tìm kiếm thơng tin, Hànhđộng và Chia sẻ.
Thang đo “Sựchú ý” gồm 5 biến quan sát CY1, CY2, CY3, CY4, CY5 có hệsố Cronbach’s Alpha là 0,821 đạt yêu cầu. Các hệsốtương quan biến tổng đều lớn hơn 0,3. Do vậy các biến quan sát trong thang đo này được đưa vào phân tích nhân tốkhám phá EFA.
Thang đo “Sựthích thú” gồm 5 biến quan sát TT1, TT2, TT3, TT4, TT5 có hệsố Cronbach’s Alpha là 0,729đạt yêu cầu. Các hệsốtương quan biến tổng của các biến quan sát đều lớn hơn 0,3. Do vậy các biến quan sát của thang đo nàyđạt yêu cầu và được đưa vào phân tích nhân tốkhám phá EFA tiếp theo.
Thang đo “Tìm kiếm thơng tin” gồm 5 biến quan sát TK1, TK2, TK3, TK4, TK5 có hệsốCronbach’s Alpha là 0,673 đạt yêu cầu. Các hệsốtương quan biến tổng đều lớn hơn 0,3. Do đó, các biến quan sát của thang đo này đạt yêu cầu và được đưa vào phân tích nhân tốkhám phá EFA tiếp theo.
Thang đo “Hànhđộng” gồm 4 biến quan sát HD1, HD2, HD3, HD4 có hệsố Cronbach’s Alpha là 0,773đạt yêu cầu. Các hệsốtương quan biến tổngđều lớn hơn 0,3. Do đó, các biến quan sát của thang đo này đạt yêu cầu và được đưa vào phân tích nhân tốkhám phá EFA tiếp theo.
Thang đo “Chia sẻ” gồm 3 biến quan sát CS1, CS2, CS3 có hệsốCronbach’s Alpha là 0,782 đạt yêu cầu. Các hệsốtương quan biến tổng đều lớn hơn 0,3. Do đó, các biến quan sát của thang đo này đạt yêu cầu và được đưa vào phân tích nhân tố khám phá EFA tiếp theo.
Bảng 2.14: Thống kê sau khi kiểm định Cronbach’s Alpha hoàn thành
STT Biếnđộc lập Biến quan
sát banđầu Biến quan sát còn lại Cronbach’s Alpha Biến bị loại 1 CY 5 5 0,821 - 2 TT 5 5 0,729 - 3 TK 5 5 0,673 - 4 HD 4 4 0,773 - 5 CS 3 3 0,782 - TỔNG 22 22 0 (Nguồn: Kết quảxửlý SPSS) 2.2.2.2. Kiểm định độtin cậy của thang đo biến phụthuộc
Bảng 2.15: Kiểm định độtin cậy của thang đo biến phụthuộcBiến phụ Biến phụ
thuộc
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến Hệsốtương quan biến tổng Hệsố Cronbach’s Alpha nếu loại biến DG1 7,64 0,736 0,558 0,635 DG2 7,60 0,763 0,551 0,644 DG3 7,76 0,739 0,546 0,650
Biến “DG” Cronbach’s Alpha = 0,730
(Nguồn: Kết quảxửlý SPSS)
Biến phụthuộc “Đánh giá hoạt động Marketing Online” có kết quảhệsố Cronbach’s Alpha là 0,730≥0,6 các biến quan sátđều có hệsốtương quan biến tổng lớn hơn 0,3 và hệsốCronbach’s Alpha nếu loại biến đều nhỏhơn Cronbach’s Alpha của biến DG. Do đó thang đo đảm bảo độtin cậy cho việc phân tích nhân tốkhám phá EFA.
2.2.3.Phân tích nhân tố khám phá EF A đối với các thang đo
2.2.3.1. Phân tích nhân tố độc lập
Sau khi kiểm định độtin cậy của thang đó Cronbach’s Alpha khơng có biến nào bịloại khỏi mơ hình nên tác giảthực hiện phân tích nhân tốkhám phá EFA cho 22 biến quan sát thuộc 5 biến độc lập.
Mục đích của việc phân tích nhân tốlà nhằm tìm rađược các nhân tốthực sự ảnh hưởng đến sự đánh giá hoạt động marketing online, rút gọn bớt biến và tìm rađược mơ hình phù hợp nhất phục vụcho việc nghiên cứu.
Rút trích những nhân tố ảnh hưởng đến sự đánh giá hoạt động marketing online của Trung tâm ngoại ngữViệt Trung được thực hiện bởi hệsốKMO (Kaiser Meyer - Olikin of Sampling Adequacy) và Bartlet’s Test.
HệsốKMO (Kaiser - Meyer - Olkin): Là chỉsốdùng để đánh giá sựthích hợp của phân tích nhân tố, cụthểlà so sánh độlớn của hệsốtương quan giữa 2 biến với hệ sốtương quan riêng phần của chúng. Khi 0,5≤ KMO ≤1 thì phân tích nhân tốlà thích hợp. Nếu trịsốnày nhỏhơn 0,5 thì phân tích nhân tốcó khảnăng khơng thích hợp với tập dữliệu
Kiểm định Bartlett (Barlett’s test of sphericity): Dùng đểxem xét các biến quan sát trong nhân tốcó sựtương quan với nhau hay khơng. Nếu phép kiểm định Bartlett có ý nghĩa thống kê Sig Bartlett’s Test < 0,05 (p < 5%), chứng tỏcác biến quan sát có tương quan với nhau trong nhân tố.
Bảng 2.16: Kiểm định KMO và Bartlett cho 5 biến độc lập
Hệsốkiểm định KMO 0,693 Kiểm định Bartlett Khi – bình phương 957,078 Độlệch chu ẩn (df) 231 Mức ý nghĩa (Sig.) 0,000 (Nguồn: Kết quảxửlý SPSS)
Kết quảkiểm định KMO và Bartlett’s với KMO = 0,693 lớn hơn 0,5 và nhỏhơn 1 nên phân tích nhân tốphù hợp. Giá trịSig của kiểm định Bartlett’s = 0,000 nhỏhơn 0,05 chứng tỏcác biến quan sát có tương quan với nhau trong tổng thể. Như vậy dữ liệu dùng đểphân tích nhân tốlà hồn tồn phù hợp.
TrịsốEigenvalues là tiêu chí đểxác định tổng lượng nhân tốtrong EFA. Chỉ những nhân tốnào có trịsốEigenvalues lớn hơn 1 mới được giữlại trong phân tích nhân tốkhám phá. Kết quảphân tích nhân tốkhám phá rút ra được 5 nhân tốvới giá trịEigenvalues 1,334 lớn hơn 1 thõa mãnđiều kiện. Tổng phương sai trích là 57,991% lớn hơn 50%.
Bảng 2.17: Phân tích nhân tốkhám phá EFA của biến độc lập
Biến quan sát Nhân tố
1 2 3 4 5 CY4 0,817 CY5 0,710 CY2 0,707 CY3 0,694 CY1 0,615 HD2 0,764 HD4 0,748 HD1 0,732 HD3 0,709 TT5 0,773 TT4 0,732 TT1 0,655 TT3 0,647 TT2 0,584 TK3 0,717 TK4 0,687 TK2 0,639 TK1 0,619 TK5 0,504 CS3 0,847 CS2 0,814 CS1 0,795 Giá trịEigenvalues 1,334 Phương sai rút trích (%) 57,991 (Nguồn: Kết quảxửlý SPSS) 2.2.3.2. Phân tích nhân tốphụthuộc
Bảng 2.18: Kiểm định KMO và Bartlett cho biến phụthuộc
Hệsốkiểm định KMO 0,685 Kiểm định Bartlett Khi – bình phương 72,407 Độlệch chu ẩn (df) 3 Mức ý nghĩa (Sig) 0,000 (Nguồn: Kết quảxửlý SPSS)
Với kết quảkiểm định KMO và Bartlett’s của biến phụthuộc “Đánh giá” có giá trịSig trong kiểm định Bartlett’s = 0,000 < 0,05 chứng tỏcác biến quan sát có tương quan với nhau trong tổng thể, hệsốKMO = 0,685 đủ điều kiện nên việc phân tích nhân tốlà thích hợp với dữliệu mẫu.
Bảng 2.19: Phân tích nhân tốkhám phá EFA của biến phụthuộc
Biến phụthuộc Hệs ố tải nhân tố
1 DG1 0,811 DG2 0,805 DG3 0,801 Giá trịEigenvalues 1,948 Phương sai rút trích (%) 64,92 (Nguồn: Kết quảxửlý SPSS)
Sau khi phân tích nhân tốkhám phá với nhóm biến phụthuộc. Thang đo đánh giá hoạt động marketing online gồm 3 biến quan sát khi tiến hành phân tích EFA chỉ có một nhân tốrút trích với giá trịEigenvalues = 1,948 lớn hơn 1 và tổng phương sai trích là 64,92%, hệsốtải nhân tốcủa 3 biến quan sát đều lớn hơn 0,5 nên tất cảcác biến được giữngun trong mơ hình nghiên cứuđạt yêu cầu
Qua kiểm định phân tích nhân tốkhám phá EFAđạt yêu cầu, tác giảtiếp tục thực hiện phân tích tương quan hồi quy.
2.2.4.Phân tích tương quan hồi quy
2.2.4.1. Phân tích tương quan
Một trong những điều kiện cần đểphân tích hồi quy là biến độc lập phải có tương quan với biến phụthuộc, nên nếuởbước phân tích tương quan này biến độc lập khơng có tương quan với biến phụthuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.
Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽgiữa biến phụthuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau.
thống kê kiểm tra đo lường mối quan hệthống kê hoặc liên kết giữa các biến phụ thuộc với các biến liên tục. Hệsốtương quan Pearson sẽnhận giá trịtừ-1 tới +1:
Nếu r càng tiến về0 thì tương quan tuyến tính càng yếu.
Nếu r càng tiến về+1, -1 thì tương quan tuyến tính càng mạnh. Điều kiện đểtương quan có ý nghĩa là giá trịSig. nhỏhơn 0,05.
Bảng 2.20: Phân tích tương quan Pearson
DG CY TT TK HD CS
DG
Hệs ố tương quan Pearson 1 0,545** 0,486** 0,620** 0,411** 0,231*
Giá trịSig. 0,000 0,000 0,000 0,000 0,011
N 120 120 120 120 120 120
CY
Hệs ố tương quan Pearson 0,545** 1 0,173 0,318** 0,503** 0,052
Giá trịSig. 0,000 0,059 0,000 0,000 0,571
N 120 120 120 120 120 120
TT
Hệs ố tương quan Pearson 0,486** 0,173 1 0,166 0,032 -0,087
Giá trịSig. 0,000 0,059 0,071 0,729 0,344
N 120 120 120 120 120 120
TK
Hệsốtương quan Pearson 0,620** 0,318** 0,166 1 0,178 0,092
Giá trịSig. 0,000 0,000 0,071 0,052 0,319
N 120 120 120 120 120 120
HD
Hệs ố tương quan Pearson 0,411** 0,503** 0,032 0,178 1 0,139
Giá trịSig. 0,000 0,000 0,729 0,052 0,129
N 120 120 120 120 120 120
CS
Hệsốtương quan Pearson 0,231* 0,052 -0,087 0,092 0,139 1
Giá trịSig. 0,011 0,571 0,344 0,319 0,129
N 120 120 120 120 120 120
**. Có tương quan với độtin cậy 99% *. Có tương quan với độtin cậy 95%
Qua bảng trên ta thấy biến phụthuộc DG và các biến độc lập CY, TT, TK, HD, CS có mối tương quan với nhau, giá trịSig. nhỏhơn 0,05 cho thấy sựtương quan này có ý nghĩa vềmặt thống kê. Hệsốtương quan giữa biến phụthuộc “Đánh giá” và các biến độc lập còn lại khá cao, 5 biến này sẽ được đưa vào mơ hình hồi quyởphần tiếp theo.
2.2.4.2. Phân tích hồi quy
Phân tích hồi quy là bước kiểm định mơ hình nghiên cứu đểlựa chọn ra các biến độc lập thỏa mãn điều kiện. Hồi quy đểxác định cụthểtrọng sốcủa từng biến độc lập tác động đến biến phụthuộc từ đó đưa ra được phương trình hồi quy.
Sau khi xem xét mức độtương quan giữa các biến, mơ hình lý thuyết phù hợp cho nghiên cứu gồm biến quan sát và biến “Đánh giá”. Trong đó “Đánh giá” là biến phụthuộc, các biến cịn lại là biến độc lập
Mơ hình hồi quy xây dựng như sau:
DG = β0 + β1CY + β2TT +β 3TK + β4HD + β5CS
Trong đó:
β: hệsốhồi quy riêng phần tươngứng với các biến độc lập
DG: Giá trịcủa biến phụthuộc “Đánh giá hoạt động marketing online” CY: Giá trịcủa biến độc lập “Sựchú ý”
TT: Giá trịcủa biến độc lập “Sựthích thú”
TK: Giá trịcủa biến độc lập “Tìm kiếm thơng tin” HD: Giá trịcủa biến độc lập “Hànhđộng”
CS: Giá trịcủa biến độc lập “Chia sẻ”
Các giảthuyết của mơ hình hồi quy như sau:
- Giảthuyết H 1: Nhóm yếu tố“Sựchú ý” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
- Giảthuyết H 2: Nhóm yếu tố“Sựthích thú” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
- Giảthuyết H 3: Nhóm yếu tố“Tìm kiếm thơng tin” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
- Giảthuyết H 4: Nhóm yếu tố“Hànhđộng” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
- Giảthuyết H 5: Nhóm yếu tố“Chia sẻ” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
Phương pháp hồi quy tuyến tính bội với toàn bộcác biến độc lập được đưa vào cùng lúc (Phương pháp Enter) cho thấy mơ hình hồi quy thích hợp sửdụng đểkiểm định mơ hình lý thuyết.
Bảng 2.21: Tóm tắt mơ hình hồi quy tuyến tínhMơ Mơ hình HệsốR Hệs ố xác định R2 R2 hiệu chỉnh Sai số chuẩn ước lượng Hệs ố Durbin-Watson 1 0,838a 0,702 0,689 0,25051 1,790
a. Các yếu tố dự đoán: (Hằng số), CY, TT, TK, HD, CS b. Biến phụthuộc: DG
(Nguồn: Kết quảxửlý SPSS)
Bảng 2.22: Kiểm định sựphù hợp của mơ hình hồi quy
ANOVAa Mơ hình Tổng bình phương Bậc tựdo df Bình phương trung bình Giá trị thống kê F Mức ý nghĩa (Sig.) 1 Hồi quy 16,842 5 3,368 53,675 0,000b Còn lại 7,154 114 0,063 Tổng 23,996 119 a. Biến phụthuộc: DG
b. Các yếu tốdự đoán: (Hằng số), CY, TT, TK, HD, CS
(Nguồn: Kết quảxửlý SPSS)
Kiểm định F trong bảng phân tích phương sai ANOVA được dùng đểkiểm định giảthuyết về độphù hợp của mơ hình hồi quy tuyến tính tổng thể.
Khi xây dựng xong một mơ hình hồi quy tuyến tính ta xem xét sựphù hợp của mơ hìnhđối với tập dữliệu qua giá trịR 2 (sựphù hợp này chỉthểhiện giữa mơ hình bạn xây dựng với tập dữliệu mẫu) đểsuy diễn cho mơ hình thực của tổng thểthì kiểm định F sẽgiúp ta làm điều đó.
Kết quảsau khi thực hiện hồi quy, ta thấy kiểm định F cho giá trịp-value (Sig) là 0,000 (< 0,05), như vậy mơ hình phù hợp có ý nghĩa suy rộng ra cho tổng thể. Bên cạnh đó, R2 hiệu chỉnh có giá trịbằng 0,689 = 68,9%. Như vậy các biếnđộc lập đưa vào chạy hồi quyảnh hưởng 68,9% sựthay đổi của biến phụthuộc. Nói cách khác, mơ hình hồi quy giải thích được 68,9% sựbiến thiên của biến phụthuộc. Như vậy, mơ hình này có giá trịgiải thíchởmức độcao.
Bảng 2.23: Kết quảphân tích mơ hình hồi quy tuyến tính
Mơ hình
Hệsốhồi quy chưa chuẩn hóa Hệsốhồi quy chuẩn hóa t Giá trị Sig. Đa cộng tuyến B Sai số
chuẩn Beta T VIF
Hằng số0,214 0,228 0,940 0,349 CY 0,166 0,042 0,245 3,948 0,000 0,678 1,475 TT 0,241 0,033 0,384 7,284 0,000 0,943 1,061 TK 0,325 0,041 0,430 7,889 0,000 0,878 1,139 HD 0,103 0,035 0,173 2,896 0,005 0,732 1,366 CS 0,114 0,032 0,188 3,605 0,000 0,964 1,037 (Nguồn: Kết quảxửlý SPSS)
Sau khi kiểm tra hồi quy khơng có nhân tốnào bịloại bỏdo giá trịSig kiểm định t của từng biến độc lập đều nhỏhơn 0,05; chứng tỏcác biến độc lập này đều có ý nghĩa thống kê trong mơ hình.
Kết quảphân tích hồi quy theo phương pháp Enterởbảng cho thấy hiện tượng đa cộng tuyến khơng cóảnh huởng đến kết quảgiải thích mơ hình với các hệsốphóng đại phương sai VIF của mỗi biến đều lớn hơn 1,000 (< 10). Quy tắc khi VIF vượt q 10 thìđó là dấu hiệu của đa cộng tuyến (Hồng Trọng & Chu Mộng Ngọc, 2008, tập 1, trang 252). Trong một sốtài liệu khác đưa ra điều kiện VIF < 4 là thoã mãnđiều kiện. Nhìn vào kết quảcho thấy các giá trịVIF của các biến độc lập đều bé hơn 2 nên có thể kết luận khơng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.
Biểu đồ2.1: Tần sốcủa phần dư chuẩn hóa
(Nguồn: Kết quảxửlý SPSS)
Phần dư có thểkhơng tn theo phân phối chuẩn vì những lí do như: sửdụng sai mơ hình, phương sai khơng phải là hằng số, sốlượng các phần dư khơng đủnhiều đểphân tích. Vì vậy, chúng ta cần thực hiện nhiều cách khảo sát khác nhau. Một cách đơn giản nhất là xâu dựng biểu đồcác phần dư Histogram. Từbiểu đồta thấy được một đường cong phân phối chuẩn được đặt chồng lên biểu đồtần số. Đường cong này có dạng hình chng, phù hợp với dạng đồthịcủa phân phối chuẩn.
Phân phối dư có Mean = 3,75E-15 gần bằng 0 và độlệch chuẩn Std.Dev = 0,979 gần bằng 1 nên ta có thểkhẳng định phần dư có phân phối chuẩn. Nhưvậy, giả thiết phân phối chuẩn của phần dư không bịvi phạm.
Biểu đồ2.2: Giả định phân phối chuẩn của phần dư
Ngoài cách kiểm tra bằng biểu đồHistogram thì P-P Plot cũng là một dạng biểu đồ được sửdụng đểgiúp nhận diện phần dưvi phạm giả định phần dư chuẩn hóa. Nhìn vào biểu đồphân tán phần dư ta thấy các điểm phân vịtrong phân phối của phần dư tập trung thành một đường chéo.Điều đó có nghĩa là giả định phân phối chuẩn của phần dưkhơng bịvi phạm.
2.2.4.3. Kiểm định các giảthuyết của mơ hình
Dựa vào hệsốbeta chưa chuẩn hóa, có thểviết laịmơ hình hồi quy như sau:
DG = 0,166 CY + 0,241 TT + 0,325 TK + 0,103 HD + 0,114 CS
Dựa vào mơ hình hồi quy có 5 yếu số ảnh hưởng đến sự đánh giá hoạt động marketing online của khách hàng.
Yếu tố“Sựchú ý”
H0: Yếu tố“Sựchú ý” khôngảnh hưởng tốt tới sự đánh giá hoạt động Marketing Online tại Trung tâm ngoại ngữViệt Trung.
H1: Yếu tố“Sựchú ý”ảnh hưởng tốt tới sự đánh giá hoạt động Marketing Online tại Trung tâm ngoại ngữViệt Trung.
Dựa vào kết quảhồi quy ta thấy: Sig. = 0,000 < 0,05 nên bác bỏgiảthuyết H 0. Kết luận yếu tố“Sựchú ý” cỏ ảnh hưởng tốt tới sự đánh giá hoạt động Marketing Online tại Trung tâm ngoại ngữViệt Trung.