CHƢƠNG 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.3 Phân tích nhân tố khám phá (EFA)
4.3.2 Kết quả phân tích EFA biến phụ thuộc ý định mua sách trực tuyến
Thang đo ý định mua sách trực tuyến có 03 biến quan sát. Sau khi phân tích Cronbach’s Alpha, các biến đều đảm bảo độ tin cậy, không biến nào bị loại nên tiếp tục tiến hành phân tích nhân tố khám phá để kiểm định giá trị hội tụ của thang đo này. Phân tích EFA được sử dụng với một mẫu gồm 259 người tiêu dùng TP. HCM với kết quả do SPSS 20.0 thực hiện được trình bày trong Bảng 4.9, Bảng 4.10 và Bảng 4.11. Kết quả này dựa vào phép trích nhân tố là Principal Component với phép quay vng góc Varimax và điểm dừng khi trích các yếu tốcó Eigenvalues ≥ 1 đối với 03 biến quan sát của nhân tố phụ thuộc.
Chỉ số KMO là 0,677 > 0,5 (Bảng 4.9): đạt yêu cầu.
Kiểm định Barlett: Sig = 0,000 < 0,05 (Bảng 4.9): đạt yêu cầu.
Bảng 4.9: KMO and kiểm định Bartlett
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,677
Bartlett's Test of Sphericity
Approx. Chi-Square 156,343
df 3
Sig. 0,000
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kết quả phân tích (Bảng 4.10) cho thấy có một nhân tố trích được tại Eigenvalues là 1,937 > 1 với tổng phương sai trích (Total Variance Explained) là 64,552% > 50%. Điều này có nghĩa là nhân tố này lấy được 64,552% phương sai của 3 biến quan sát đo lường khái niệm ý định mua sách trực tuyến của người tiêu dùng TP. HCM. Các trọng số của thang đo ý định mua sách trực tuyến (IN) đều đạt yêu cầu (> 0,50). Trọng số nhỏ nhất là của biến IN2 (0,786; Bảng 4.11). Trọng số lớn nhất là của biến IN1 (0,829; Bảng 4.11), đạt yêu cầu. Như vậy, thang đo ý định mua sách trực tuyến của người tiêu dùng TP. HCM đạt giá trị hội tụ. Vì chỉ có một nhân tố, nên tác giả không xem xét giá trị phân biệt.
Bảng 4.10: Tổng phƣơng sai trích (Total Variance Explained)
Các biến
Initial Eigenvalues Extraction Sums of Squared Loadings
Tổng cộng % Phương sai % Tích luỹ Tổng cộng % Phương sai % Tích luỹ 1 1,937 64,552 64,552 1,937 64,552 64,552 2 0,579 19,300 83,852 3 0,484 16,148 100,000
Extraction Method: Principal Component Analysis.
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả) Bảng 4.11: Ma trận nhân tố Nhân tố 1 IN1 0,829 IN2 0,786 IN3 0,795 (Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
4.4. Phân tích hồi quy bội MLR (Multiple Linear Regression) 4.4.1. Ma trận hệ sốtƣơng quan giữa các biến
Bước đầu tiên khi tiến hành phân tích hồi quy bội là xem xét các mối tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập cũng như giữa các biến độc lập với nhau. Nếu hệ sốtương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có mối quan hệ với nhau và phân tích hồi quy có thể phù hợp. Vì thế, ta xem xét bảng ma trận hệ số tương quan giữa các biến (Bảng 4.12) được trình bày dưới đây:
Bảng 4.12: Ma trận hệ sốtƣơng quan giữa các biến
Các mối tƣơng quan
TR EN PU SI CO PR IN TR Pearson Correlation 1 Sig. (2-tailed) N 259 EN Pearson Correlation 0,473** 1 Sig. (2-tailed) 0,000 N 259 259 PU Pearson Correlation 0,388** 0,416** 1 Sig. (2-tailed) 0,000 0,000 N 259 259 259 SI Pearson Correlation 0,475** 0,423** 0,319** 1 Sig. (2-tailed) 0,000 0,000 0,000 N 259 259 259 259 CO Pearson Correlation 0,048 0,026 0,215** 0,04 1 Sig. (2-tailed) 0,438 0,682 0,000 0,516 N 259 259 259 259 259 PR Pearson Correlation -0,403 -0,388 -0,399 -0,319 -0,084 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,178 N 259 259 259 259 259 259 IN Pearson Correlation 0,688** 0,675** 0,652** 0,560** 0,243** -0,486 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000 N 259 259 259 259 259 259 259
**. Tương quan có ý nghĩa ở mức 0,01 (2 đi).
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kết quả từ Bảng 4.12 cho thấy, các biến độc lập có tương quan với biến phụ thuộc, đồng thời các biến độc lập đạt giá trị phân biệt. Vì thế, tác giả tiếp tục đưa tất cả các biến vào phân tích hồi quy bội để phân tích sựtác động của các biến độc lập đến biến phụ thuộc.
4.4.2. Xây dựng mô hình hồi quy
Phương pháp được dùng để kiểm định mơ hình nghiên cứu và các giả thuyết nghiên cứu là phương pháp phân tích hồi quy bội. Phân tích hồi quy bội sẽ giúp chúng ta biết được cường độtác động của các biến độc lập lên biến phụ thuộc.
Kết quả phân tích hồi quy bội bằng phần mềm xử lý thống kê SPSS 20.0 với phương pháp Enter (đồng thời) được thể hiện trên Bảng 4.13, 4.14 và 4.15 như sau:
Bảng 4.13: Tóm tắt mơ hình hồi quy Mơ Mơ hình R R 2 R2 hiệu chỉnh Sai số chuẩn ƣớc lƣợng Thay đổi Hệ số Durbin- Watson R2
thay đổi F thay đổi df1 df2 thay đổi Sig. F
1 0,879a 0,773 0,768 0,35460 0,773 143,112 6 252 0,000 1,913 a. Biến độc lập: (Hằng số), PR, CO, SI, PU, EN, TR
b. Biến phụ thuộc: Ý định mua sách trực tuyến (IN).
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Bảng 4.14: Kết quả phân tích ANOVAa
Mơ hình Tổng độ lệch
bình phƣơng Bậc tự do Bình trung bình phƣơng F Sig.
1
Hồi quy 107,971 6 17,995 143,112 0,000b
Phần dư 31,687 252 0,126
Tổng cộng 139,658 258
a. Biến phụ thuộc: Ý định mua sách trực tuyến (IN). b. Biến độc lập: (Hằng số), PR, CO, SI, PU, EN, TR
Bảng 4.15: Trọng số hồi quya
Mơ hình
Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa
t Sig.
Thống kê đa cộng tuyến
B Sai số chuẩn Beta Độ chấp nhận của biến Hệ số phóng đại phương sai VIF 1 (Hằng số) -0,643 0,253 -2,543 0,012 TR 0,292 0,034 0,323 8,574 0,000 0,636 1,572 EN 0,358 0,043 0,307 8,302 0,000 0,659 1,517 PU 0,317 0,039 0,295 8,222 0,000 0,700 1,429 SI 0,158 0,035 0,159 4,480 0,000 0,712 1,405 CO 0,123 0,026 0,144 4,687 0,000 0,948 1,055 PR -0,059 0,036 -0,056 -1,617 0,107 0,739 1,352 a. Biến phụ thuộc: Ý định mua sách trực tuyến.
(Nguồn:Kết quả phân tích dữ liệu khảo sát của tác giả)
4.4.2.1. Kiểm định mức độ phù hợp của mơ hình
Trong mơ hình hồi quy bội, vì có nhiều biến độc lập nên chúng ta phải dùng hệ số xác định điều chỉnh R2 (Adjusted R Square) đểđánh giá độ phù hợp của mơ hình. Kết quả tóm tắt mơ hình hồi quy bội được thể hiện trên Bảng 4.13 cho thấy, hệ số xác định R2 = 0,773 (≠ 0) và R2 hiệu chỉnh = 0,768. Kiểm định F (Bảng 4.14 phân tích phương sai ANOVA) cho thấy mức ý nghĩa Sig = 0,000. Kiểm định đa cộng tuyến (Bảng 4.15), chúng ta nhận thấy VIF (Variance Inflation Factor) của các biến độc lập đều nhỏ hơn 2. Như vậy, mơ hình hồi quy phù hợp. Hay nói cách khác, các biến độc lập giải thích được 76,8% phương sai của biến phụ thuộc ý định mua sách trực tuyến của người tiêu dùng TP. HCM (IN).
4.4.2.2. Xác định tầm quan trọng của các biến trong mơ hình
Bảng trọng số hồi quy (Bảng 4.15) cho thấy, trong sáu biến được đưa vào mơ hình hồi quy thì có năm biến có tác động có ý nghĩa đến ý định mua sách trực tuyến của người tiêu dùng TP. HCM đó là sựtin tưởng (TR), nhận thức sự thích thú (EN), nhận thức tính hữu ích (PU), ảnh hưởng xã hội (SI) và sự tiện lợi (CO) vì cả năm biến đều có Sig. = 0,000. Cịn yếu tố nhận thức rủi ro (PR) tác động khơng có ý
nghĩa đến ý định mua sách trực tuyến của người tiêu dùng TP. HCM (Sig = 0,107 > 0,05).
Về cường độ ảnh hưởng (tầm quan trọng) của các biến độc lập lên biến phụ thuộc được so sánh thông qua hệ số Beta chuẩn hóa. Căn cứ vào kết quả trên Bảng 4.15 cho chúng ta thấy có năm yếu tốtác động đến ý định mua sách trực tuyến được xếp theo thứ tự quan trọng giảm dần như sau: sựtin tưởng (β=0,323); nhận thức sự thích thú (β=0,307); nhận thức tính hữu ích (β=0,295); ảnh hưởng xã hội (β=0,159); và cuối cùng là sự tiện lợi (β=0,144).
Như vậy, kết quả kiểm định các giả thuyết nghiên cứu chính thức (với mức ý nghĩa 0,05) được thể hiện trong bảng 4.16 như sau:
Bảng 4.16: Kết quả kiểm định các giả thuyết nghiên cứu chính thức Giả Giả
thuyết Phát biểu giả thuyết Giá trị P Kết quả
kiểm định H1 Sự tin tưởng có tác động tích cực (+) đến ý định mua sách trực tuyến. P<0,05 Chấp nhận H2 Nhận thức sự thích thú có tác động tích cực (+) đến ý định mua sách trực tuyến. P<0,05 Chấp nhận H3 Nhận thức tính hữu ích có tác động tích cực (+) đến ý định mua sách trực tuyến. P<0,05 Chấp nhận H4 Ảnh hưởng xã hội có tác động tích cực (+) đến ý định mua sách trực tuyến. P<0,05 Chấp nhận H5 Sự tiện lợi có tác động tích cực (+) đến ý định mua sách trực tuyến. P<0,05 Chấp nhận H6 Nhận thức rủi ro có tác động tiêu cực (-) đến ý định mua sách trực tuyến. P>0,05 Bác bỏ (Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
4.4.2.3. Dị tìm sự vi phạm các giảđịnh cần thiết trong hồi quy tuyến tính Kiểm tra giảđịnh liên hệ tuyến tính: Phương pháp được sử dụng là đồ thị Kiểm tra giảđịnh liên hệ tuyến tính: Phương pháp được sử dụng là đồ thị Scatterplot với giá trị phần dư chuẩn hóa (Standardized Residual) trên trục tung và giá trị dự đoán chuẩn hóa (Standardized Predicted Value) trên trục hồnh. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đốn và phần dư, chúng sẽ phân tán rất ngẫu nhiên (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 224).
Quan sát hình 4.1, ta thấy các phần dư phân tán ngẫu nhiên chứ khơng tạo thành một hình dạng nào. Điều này có nghĩa là giả định liên hệ tuyến tính khơng bị vi phạm.
Hình 4.1: Đồ thị phân tán Scatterplot
Kiểm tra giả định về phân phối chuẩn của phần dƣ: Phần dư có thể khơng tn theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 228). Chúng ta sẽ sử dụng các biểu đồ tần số (Histogram, P-P plot) của các phần dư (đã được chuẩn hóa) để kiểm tra giảđịnh này.
Kết quả biểu đồ tần số Histogram của phần dư được thể hiện trong Hình 4.2 cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình Mean = 9,54*10-7 gần bằng 0 và độ lệch chuẩn Std. Dev. = 0,988 tức là gần bằng 1). Điều này có nghĩa là giả định về phân phối chuẩn của phần dư khơng bị vi phạm.
Hình 4.2: Đồ thị tần số Histogram
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kết quả biểu đồ tần số P-P plot được thể hiện trong Hình 4.3 cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng, nên ta có thể kết luận là giảđịnh về phân phối chuẩn của phần dư khơng bị vi phạm.
Hình 4.3: Đồ thị tần số P-P plot
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kiểm tra giả định về tính độc lập của sai số (khơng có tƣơng quan giữa các phần dƣ): Ta dùng đại lượng thống kê Durbin-Watson (d) để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất). Giả thuyết khi tiến hành kiểm định này là:
H0: hệ sốtương quan tổng thể của các phần dư = 0
Đại lượng d có giá trị biến thiên trong khoảng từ0 đến 4. Nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 232-233). Theo kết quả từ Bảng 4.13, giá trị d = 1,913 < 2 có nghĩa là giá trịd tính được rơi vào miền chấp nhận giả thuyết khơng có tương quan chuỗi bậc nhất. Như vậy, ta có thể kết luận là khơng có tương quan giữa các phần dư.
Kiểm tra giả định khơng có mối tƣơng quan giữa các biến độc lập (đo lƣờng Đa cộng tuyến): Cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 235). Các công cụ chuẩn đoán giúp ta phát hiện sự tồn tại của cộng tuyến trong dữ liệu và đánh giá mức độ cộng tuyến làm thối hóa các tham số được ước lượng là: Độ chấp nhận của biến (Tolerance), hệ sốphóng đại phương sai (Variance Inflation Factor - VIF). Nếu độ chấp nhận của một biến nhỏ, thì nó gần như là một kết hợp tuyến tính của các biến độc lập khá, và đó là dấu hiệu của Đa cộng tuyến. Hệ số phóng đại phương sai VIF là nghịch đảo của độ chấp nhận biến (Tolerance). Khi Tolerance nhỏ thì VIF lớn, quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của Đa cộng tuyến (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 251 - 252).
Nhìn kết quả từ Bảng 4.15 cho thấy, các hệ sốphóng đại phương sai VIF của các biến độc lập khá nhỏ, cao nhất là 1,572 < 2, trong khi đó hệ số VIF của một biến độc lập > 10 mới được xem là có hiện tượng đa cộng tuyến. Do đó, ta có thể bác bỏ giả thuyết mơ hình đa cộng tuyến. Điều này có nghĩa là khơng có mối tương quan giữa các biến độc lập hoặc khơng có hiện tượng đa cộng tuyến.
Như vậy, mơ hình hồi quy bội được xây dựng không vi phạm các giả định cần thiết trong hồi quy tuyến tính.
4.5. Kiểm định sự khác biệt vềý định mua sách trực tuyến của ngƣời tiêu dùng TP. HCM theo các đặc điểm cá nhân ngƣời tiêu dùng TP. HCM theo các đặc điểm cá nhân ngƣời tiêu dùng
Sau khi thực hiện phân tích hồi quy bội, tác giả tiến hành kiểm định sự khác biệt vềý định mua sách trực tuyến của người tiêu dùng TP. HCM để tìm kiếm khám phá dữ liệu theo các biến định tính: giới tính, độ tuổi, thu nhập, trình độ học vấn, nghề nghiệp.
4.5.1. Kiểm định sự khác biệt theo giới tính
Để đánh giá sự khác biệt giữa các nhóm người tiêu dùng phân theo giới tính, tác giả sử dụng phép kiểm định Independent-Sample T-test cùng mức ý nghĩa =
5% (tức là độ tin cậy 95%), tác giả thu được kết quả như sau:
Bảng 4.17: Kết quả kiểm định theo nhóm giới tính
Kiểm định
Levene Kiểm định t-test
F Sig. t df Sig. (2-tailed)
Sự khác biệt trung bình Sự khác biệt độ lệch chuẩn
Khoảng tin cậy
95%
Thấp
hơn Cao hơn
IN Giả định phương sai bằng nhau 2,579 0,110 -0,498 257 0,619 -0,04565 0,09172 -0,22627 0,13497 Giả định phương sai không bằng nhau -0,494 242,582 0,622 -0,04565 0,09241 -0,22768 0,13637 (Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kết quả tại Bảng 4.17 cho thấy trong kiểm định Levene, giá trị Sig. của IN bằng 0,110 > 0,05 thì phương sai giữa 2 nhóm giới tính của người tiêu dùng khơng khác nhau. Tác giả sẽ sử dụng kết quả kiểm định t ở phần giảđịnh phương sai bằng nhau, với Sig. của IN bằng 0,619 > 0,05. Do đó, tác giả có thể kết luận rằng: Ở độ tin cậy 95%, khơng có sự khác biệt có ý nghĩa thống kê về ý định mua sách trực tuyến của người tiêu dùng TP. HCM giữa hai nhóm người tiêu dùng nam và nữ.
4.5.2. Kiểm định sự khác biệt theo độ tuổi
Đểđánh giá sự khác biệt giữa các nhóm người tiêu dùng phân theo độ tuổi, tác giả tiến hành phân tích phương sai ANOVA với mức ý nghĩa = 5% (tức là độ tin cậy 95%), tác giảthu được kết quảnhư sau:
Bảng 4.18: Kiểm định Levene phƣơng sai đồng nhất
Thống kê Levene df1 df2 Sig.
IN 0,319 3 255 0,812
Bảng 4.19: Kết quả ANOVA Tổng Tổng biến thiên df Trung bình biến thiên F Sig. IN Giữa nhóm 1,686 3 0,562 1,039 0,376 Trong nhóm 137,971 255 0,541 Tổng 139,658 258 (Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kết quả kiểm định ANOVA từ SPSS 20.0 cho thấy: kiểm định Levene về phương sai đồng nhất khơng có ý nghĩa (Sig. = 0,812 > 0,05; Bảng 4.18), nghĩa là khơng có sự khác biệt về phương sai của các nhóm. Tiếp theo, kết quả kiểm định sự khác biệt giữa các nhóm cũng cho thấy khơng có sự khác biệt giữa các nhóm (Sig. = 0,376 > 0,05; Bảng 4.19). Vậy, ta có thể kết luận: Ở độ tin cậy 95% khơng có sự khác biệt có ý nghĩa thống kê về ý định mua sách trực tuyến giữa bốn nhóm người tiêu dùng có độ tuổi khác nhau.
4.5.3. Kiểm định sự khác biệt theo thu nhập
Để đánh giá sự khác biệt giữa các nhóm người tiêu dùng phân theo mức thu nhập, tác giả tiến hành phân tích phương sai ANOVA với mức ý nghĩa = 5% (tức là độ tin cậy 95%), tác giảthu được kết quảnhư sau:
Bảng 4.20: Kiểm định Levene phƣơng sai đồng nhất
Thống kê Levene df1 df2 Sig.
IN 0,267 3 255 0,849
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Bảng 4.21: Kết quả ANOVA Tổng biến thiên df Trung bình biến thiên F Sig. IN Giữa nhóm 0,690 3 0,230 0,422 0,737 Trong nhóm 138,968 255 0,545