Chƣơng 4 : PHÂN TÍCH DỮ LIỆU
4.2 Thiết lập mơhình hồi quy tổng qt
4.2.2 Phân tích nhân tốEF A Exploratory Factor Analysis
Phân tích nhân tố là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu, rất có ích cho việc xác định các tập hợp nhóm biến.
Nghiên cứu Marketing
Quan hệ của các nhóm biến có liên hệ qua lại lẫn nhau đƣợc xem xét dƣới dạng một số các nhân tố cơ bản.
Mỗi biến quan sát sẽ đƣợc tính một tỷ số gọi là hệ số tải nhân tố (Factor Loading), hệ số này cho biết mỗi biến đo lƣờng sẽ thuộc về nhân tố nào.
Hệ số KMO (Kaiser-Meyer-Olkin) phải đạt giá trị 0.5 trở lên (0.5=<KMO<=1) thể hiện phân tích nhân tố là phù hợp.
Kiểm định Bartlett (Bartlett’s test) có ý nghĩa thống kê (sig < 0.05), chứng tỏ các biến quan sát có tƣơng quan với nhau trong tổng thể.
Hệ số tải nhân tố (Factor Loading) là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA >= 0.5.
Chú ý : Các biến có trọng số khơng rõ cho một nhân tố nào thì cũng bị loại, ví dụ
nhƣng có trọng số ở nhân tố 1 là 0.7 nhƣng cũng có trọng số cho nhân tố 2 là 0.6 cũng sẽ bị loại)
Factor Loading > 0.3 Đạt mức tối thiểu Factor Loading > 0.4 Xem là quan trọng
Factor Loading > 0.5 Xem là có ý nghĩa thực tiễn Factor Loading ≥ 0.3 cỡ mẫu ít nhất 350
Factor Loading ≥ 0.55 cỡ mẫu khoảng 100
350 Factor Loading ≥ 0.75 cỡ mẫu khoảng 50
100
(Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International).
Total Varicance Explained (tổng phƣơng sai trích) phải đạt giá trị từ 50% trở lên.
Eigenvalue (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố) > 1 thì nhân tố rút ra có ý nghĩa tóm tắt thơng tin tốt nhất.
Giả sử phương sai trích = 66.793. người ta nói phương sai trích bằng 66,793%. Con số này cho biết các nhân tố giải thích được 66.793% biến thiên của các biến quan sát (hay của dữ liệu)
Nhƣ vậy sau phần phân tích Cronbach’s Alpha chúng ta cịn 7 nhân tố phù hợp (khơng kể biến Y – nhận biết chung) tƣơng ứng với 31 biến tiếp tục đi vào phân tích EFA.
Kết quả phân tích Phân tích lần 1:
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity
KMO = 0.764 nên phân tích nhân tố là phù hợp
Sig. (Bartlett’s Test) = 0.000 (sig. < 0.05) chứng tỏ các biến quan sát có tƣơng quan với nhau trong tổng thể. Component Total 1 9,278 2 2,552 3 1,949 4 1,883 5 1,624 6 1,373 7 1,321 8 1,105 9 ,985 10 ,936 11 ,846 12 ,749 13 ,724 14 ,669 15 ,591 16 ,549 17 ,465
18 ,426 19 ,385 20 ,352 21 ,323 22 ,300 HộI NGộ 38
Extraction Method: Principal Component
Analysis.
Eigenvalues = 1.105> 1 đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố,
thì nhân tố rút ra có ý ghĩa tóm tắt thơng tin tốt nhất.
Tổng phƣơng sai trích: Rotation Sums of Squared Loadings (Cumulative %) = 68.011% > 50 %. Điều này chứng tỏ 68.011% biến thiên của dữ liệu đƣợc giải thích bởi 8 nhân tố.
Camera phan giai lon Chup anh dep Man hinh sac net Man hinh cam ung sieu nhay
He dieu hanh moi la Luot web nhanh Tong dai vien co kien thuc tot
Tong dai vien co thai do chuyen nghiep
DV BH chat luong
DV BH nhanh chong BP CSKH phuc vu tan tinh
Ten de phan biet Ten de doc de nho Ten de gay an tuong
Logo de phan biet Su da dang chung loai san pham
Mau sac noi bat Su da dang mau sac Su da dang ve doi tuong su dung
Logo bat mat
Logo co thiet ke gay an tuong
Thiet ke dep
Thoi luong pin lau dai Slogan co y nghia Slogan de nho Slogan sang tao Slogan an tuong De su dung
Nhieu phan mem tien ich Dien thoai co kich thuoc mong
Kieu dang trang nha
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 19 iterations.
Kết quả phân tích lần 1: 31 biến quan sát đƣợc gom thành 8 nhân tố, trong đó có các
biến quan sát là:
V8.1 (luot web nhanh) V7.1 (Thiet ke dep)
V8.5 (Thoi luong pin lau dai)
có hệ số Factor Loading < 0.5 nên loại khỏi phân tích EFA. Cơng việc đƣợc thực hiện tƣơng tự. Phân tích lần
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity
Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 HộI NGộ 41
Nghiên cứu Marketing
Extraction Method: Principal Component Analysis.
Rotated Component Matrixa
1 Tong dai vien co thai do
chuyen nghiep Tong dai vien co kien thuc tot
DV BH chat luong DV BH nhanh chong BP CSKH phuc vu tan tinh
Camera phan giai lon Chup anh dep Man hinh sac net Man hinh cam ung sieu nhay
He dieu hanh moi la Ten de doc de nho Ten de phan biet Ten de gay an tuong Nhieu chung loai sp Su da dang mau sac Mau sac noi bat Phu hop voi nhieu doi tuog
Thiet ke gay an tuong Logo bat mat
Logo de phan biet Slogan co y nghia
Slogan de nho Slogan sang tao Slogan an tuong De su dung
Nhieu phan mem tien ich Dt kich thuoc mong Kieu dang trang nha
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 15 iterations.
Kết quả phân tích:
Các điều kiện về KMO, sig., vẫn tiếp tục thỏa mãn. Tổng phƣơng sai trích tăng lên 70.361% chứng tỏ ta đang đi đúng hƣớng. Tiếp tục loại 2 biến ra khỏi mơ hình:
He dieu hanh moi la [V8.7] Kieu dang trang nha [V7.2]
Phân tích lần thứ 3
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity
Initial Eigenvalues Component 1 2 3 4 5 6 7
HộI NGộ 43
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
Extraction Method: Principal Component Analysis.
Rotated Component Matrixa
1 Tong dai vien co thai do
chuyen nghiep Tong dai vien co kien thuc tot
DV BH chat luong DV BH nhanh chong BP CSKH phuc vu tan tinh
Camera phan giai lon Chup anh dep Man hinh sac net
Nghiên cứu Marketing
Man hinh cam ung sieu nhay
Ten de doc de nho Ten de phan biet Ten de gay an tuong Thiet ke gay an tuong Logo bat mat
Logo de phan biet Nhieu chung loai sp Mau sac noi bat Su da dang mau sac Phu hop voi nhieu doi tuog
Slogan co y nghia Slogan sang tao Slogan de nho Slogan an tuong De su dung
Nhieu phan mem tien ich Dt kich thuoc mong
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 15 iterations.
Kết quả phân tích lần 3: 26 biến quan sát còn lại đƣợc gom thành 7 nhân tố, tất cả có hệ số
Factor Loading > 0.5 nên đều có ý nghĩa và đƣợc chấp nhận sử dụng trong các bƣớc phân tích tiếp theo.
Phân tích tới lần thứ 3 chứng tỏ mơ hình cịn chƣa chặt chẽ, có nhiều biến quan sát khơng hợp lý. Sau đây là 5 biến đã bị loại khỏi mơ hình trong giai đoạn phân tích EFA:
luot web nhanh[V8.1] Thiet ke dep[V7.1]
Thoi luong pin lau dai[V8.5] He dieu hanh moi la [V8.7] Kieu dang trang nha [V7.2]
SPSS cho ta 26 biến quan sát trong 8 nhóm nhân tố. Sau đây là bảng tổng hợp:
Bảng phân nhóm và đặt tên nhóm cho các nhân tố:
Nhân tố Biến V9.2 V9.3 1 V9.5 V9.4 V9.1 V8.3 2 V8.4 V7.4 V8.2 V3.2 3 V3.1 V3.3 V4.2 4 V4.3 V4.1 V5.2 5 V7.3 V5.1 V5.3 V2.4 6 V2.3 V2.1 V2.2 7 V8.8 V8.6 V7.5 8
4.2.3 Mơ hình nghiên cứu tổng quát
Sau khi tiến hành phân tích nhân tố EFA, đã chọn lọc đƣợc 8 nhân tố. Mơ hình nghiên cứu tổng quát đƣợc xây dựng nhƣ sau:
Dịch vụ Kích thƣớc mỏng Slogan Các giả thuyết chính thức đặt ra là:
H1: Dịch vụ CSKH tác động đến sự nhận biết của sinh viên về Nokia Lumia
H2: Tính năng nổi bật của các sản phẩm Nokia Lumia tác động đến sự nhận biết của sinh viên về Nokia Lumia
H3: Tên thƣơng hiệu tác động đến sự nhận biết của sinh viên về Nokia Lumia H4: Logo thƣơng hiệu tác động đến sự nhận biết của sinh viên về Nokia Lumia H5: Sự đa dạng tác động đến sự nhận biết của sinh viên về Nokia Lumia
H6: Slogan tác động đến sự nhận biết của sinh viên về Nokia Lumia
H7: Tính hữu dụng tác động đến sự nhận biết của sinh viên về Nokia Lumia H8: Kích thƣớc mỏng của điện thoại tác động đến sự nhận biết của sinh viên về Nokia Lumia
Chúng ta sẽ tiếp tục kiểm tra các biến này trong quy trình cuối cùng là hồi quy.
4.3 Hồi quy tuyến tính (Regression)
Từ mơ hình hồi quy trên ta xây dựng phƣơng trình hồi quy có dạng nhƣ sau:
Y= β0+ β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8
Đặt các biến trong phƣơng trình hồi quy đa biến nhƣ sau:
X1: Dịch vụ chăm sóc khách hàng (là trung bình của các biến V9.2, V9.3, V9.5, V9.4, V9.1)
X2: Tính năng nổi bật (là trung bình của các biến V8.3, V8.4, V7.4, V8.2) X3: Tên (là trung bình của các biến V3.2, V3.1, V3.3)
X4: Logo (là trung bình của các biến V4.2, V4.3, V4.1)
Nghiên cứu Marketing
X6: Slogan (là trung bình của các biến V2.4, V2.3, V2.1, V2.2) X7: Tính hữu dụng (là trung bình của các biến V8.8, V8.6) X8: Điện thoại kích thƣớc mỏng (biến V7.5)
4.3.1 Phân tích tƣơng quan hệ số Pearson
Chúng ta sử dụng kiểm định Pearson để khảo sát đa cộng tuyến truớc khi hồi quy và lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng phịng trƣờng hợp đa cộng tuyến xảy ra.
Đa cộng tuyến là trƣờng hợp các biến độc lập có tƣơng quan với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng tạo ra các thông tin giống nhau, khó tách rời ra khỏi biến phụ thuộc.
Đa cộng tuyến làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa nên các hệ số có khuynh hƣớng kém ý nghĩa.
Cần xem xét hiện tƣợng đa cộng tuyến khi hồi quy nếu hệ số Pearson > 0.3. Bảng kết quả: X1 Pearson Correlation Sig. (2-tailed) N X2 Pearson Correlation Sig. (2-tailed) N X3 Pearson Correlation Sig. (2-tailed) N X4 Pearson Correlation Sig. (2-tailed) N X5 Pearson Correlation Sig. (2-tailed) N X6 Pearson Correlation Sig. (2-tailed) N X7 Pearson Correlation HộI NGộ 48
Sig. (2-tailed) N
X8 Pearson Correlation
Sig. (2-tailed) N
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Hầu hết các giá trị sigα đều nhỏ hơn 0.05 do vậy các biến đều tƣơng quan với nhau và có ý nghĩa thống kê. Cịn lại trƣờng hợp của X7 và X6 sig. là 0.099 không đáng kể lắm và trƣờng hợp của X7 và X8 sig. là 0.213 cần chú ý.
Hệ số tƣơng quan của các biến Xi tƣơng tác nhau cũng không cao lắm (so với 0.3) nên khi phân tích tƣơng quan khơng cần chú ý lắm đến hiện tƣợng tự tƣơng quan của các biến độc lập.
4.3.2 Phân tích hồi quy
Phần này ta tiến hành phân tích hồi quy để tìm ra mối tƣơng quan giữa các biến trong mơ hình hồi quy. Phƣơng pháp đƣợc sử dụng là Stepwise (đƣa từng biến vào mô hình hồi quy).
Sau đây là kết quả phân tích:
Pearson Correlation
Sig. (1-tailed)
Nghiên cứu Marketing
N
Nhận xét: Biến Y có tƣơng quan thuận với các biến Xi , hệ số tƣơng quan R đều khá cao: biến tƣơng quan mạnh nhất với Y là X2 (R = 0.741), biến tƣơng quan yếu nhất là X8 (R = 0.185).
Mức ý nghĩa kiểm định mối tƣơng quan của các biến đa số đều có sigα
< 0.05 do vậy, chúng có ý nghĩa về mặt thống kê.
Bảng này thể hiện phƣơng pháp chọn biến Stepwise vào phƣơng trình hồi quy. Những biến có hệ số tƣơng quan R < 0.3 bị loại. Biến đƣa vào đầu tiên là biến tƣơng quan mạnh nhất với biến phụ thuộc Y (biến X2mạnh nhất, tiếp đến là biến X1… X6) và cũng thể hiện số lƣợng biến phù hợp trong mơ hình hồi quy đa biến. Nhƣ vậy biến X8 bị loại khỏi mơ hình hồi quy vì có hệ số tƣơng quan R < 0.3.
Variables Model Entered 1 X2 2 X1 3 X3 4 X4 5 X7 6 X5 HộI NGộ
Nghiên cứu Marketing
7 X6 Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-
to-remove >= .100). a. Dependent Variable: Y Model 1 2 3 4 5 6 7 a. Dependent Variable: Y
Hệ số tƣơng quan R đã đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mơ hình (7 biến).
R2 = (857) thể hiện thực tế của mơ hình.
R2điều chỉnh từ R2đƣợc sử dụng để phản ánh sát hơn mức độphù hợp của mơ hình hồi quy đa biến (0,845) vì nó khơng phụthuộc vào độ lệch phóng đại của R2.
Nhƣ vậy, với R2điều chỉnh là 0,845 cho thấy sự tƣơng thích của mơhình với biến quan sát là rất lớn và biến phụ thuộc sự hài lòng củakhách hàng gần nhƣ hồn tồn đƣợc giải thích bởi 7 biến độc lậptrong mơ hình.
Kiểm định độ phù hợp của mơ hình hồi quy:
Tiêu chuẩn chấp nhận sự phù hợp của mơ hình tƣơng quan hồi quy là: Kiểm định F phải có giá trị sigα < 0.05
Tiêu chuẩn chấp nhận các biến có giá trị Tolerance > 0,0001
Đại lƣợng chuẩn đoán hiện tƣợng đa cộng tuyến với hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor) < 10
Kiểm định F
thuyết về độ
biến phụ
lập. Trong
cho thấy mơ hình sử dụng là phù hợp. Bảng kết quả ANOVA nhƣ sau:
Model 1 Regression Residual Total 2 Regression Residual Total 3 Regression Residual Total 4 Regression Residual Total 5 Regression Residual Total 6 Regression Residual Total 7 Regression Residual Total
Dựa theo kết quả hồi quy, ta xác định đƣợc phƣơng trình hồi quy nhƣ sau:
Y = 0.219 + 0.204X1 + 0.217X2 + 0.197X3 + 0.156X4 + 0.133X5 + 0.106X6 + 0.162X7 Theo kết quả phân tích hồi quy, thì tất cả 7 thành phần đo lƣờng sự nhận biết của sinh viên đều có mức ý nghĩa sigα < 0.05, nên 7 nhân tố này đƣợc chấp nhận trong phƣơng trình hồi quy, và chúng tácđộng ảnh hƣởng đến sự nhận biết của sinh viên (Y).
4.4 Phân tích phƣơng sai ANOVA/One-way ANOVA
Khái niệm và vận dụng:
Khi sử dụng có 3 nhóm, phân loại có
Nghiên cứu Marketing
4,2-3,2-4,3- 4). Trong những trƣờng hợp nhƣ vậy, chúng ta có thể sử dụng phân tích phƣơng sai (Analysis Of Variance - ANOVA)
Các giả thuyết:
H1: Khơng có sự khác biệt về Sự nhận biết của sinh viên giữa các nhóm sinh viên có giới tính khác nhau.
H2: Khơng có sự khác biệt về Sự nhận biết của sinh viên giữa các nhóm sinh viên có thu nhập khác nhau.
Thực hiện ANOVA với SPSS nhƣ sau:
Giả thuyết H1: Khơng có sự khác biệt về Sự nhận biết của sinh viên giữa các nhóm sinh viên có giới tính khác nhau.
Test of Homogeneity of Variances
Y Levene Statistic .643
- Kiểm định Levene cho thấy sigα = 0.113 (> 0.05) nên chấp nhận giả thuyết phƣơng sai của mức độ nhận biết là bằng nhau giữa các nhóm sinh viên có giới tính khác nhau ở độ tin cậy 95%. ANOVA Y Between Groups Within Groups Total
Do vậy, bảng ANOVA sẽ đƣợc sử dụng. Kết quả Sigα = 0.837 (> 0.05) nên chấp nhận giả thuyết H1 ở độ tin cậy 95%, có nghĩa là khơng có sự khác biệt có ý nghĩa về thống kê mức độ nhận biết của sinh viên giữa các nhóm sinh viên có giới tính khác nhau.
Giả thiết H2: Khơng có sự khác biệt về Sự nhận biết của sinh viên giữa các nhóm sinh viên có thu nhập khác nhau.
Test of Homogeneity of Variances
Y Levene Statistic ,595
- Kiểm định Levene cho thấy sigα = 0.620 (> 0.05) nên chấp nhận giả thuyết phƣơng sai của mức độ nhận biết là bằng nhau giữa các nhóm sinh viên có thu nhập khác nhau ở độ tin cậy 95%. ANOVA Y Sum of Squares df Mean Square F Sig.
Nghiên cứu Marketing Between Groups Within Groups Total 1,265 54,125 55,390 3 96 99 ,422 ,564 ,748 ,526
- Do vậy, bảng ANOVA sẽ đƣợc sử dụng. Kết quả Sigα = 0.526 (> 0.05) nên chấp nhận giả thuyết H2 ở độ tin cậy 95%, có nghĩa là khơng có sự khác biệt có ý nghĩa thống kê về mức độ nhận biết của sinh viên giữa các nhóm sinh viên có thu nhập khác nhau.
ĐO LƢỜNG MỨC ĐỘ NHẬN BIẾT CỦA SINH VIÊN:
Chúng ta sẽ kiểm định thang đo mức độ nhận biết của sinh viên bằng One- Sample Statistics. Kết quả:
One-Sample Statistics N Mean Std. Deviation Std.Error Mean HộI NGộ 55 Nghiên cứu Marketing One-Sample Statistics
,74799 ,07480