CHƯƠNG 2 THỰC TRẠNG KHẢ NĂNG TIẾP CẬN THỊ TRƯỜNG CỦA CHÈ
2.3. Phân tích kết quả khả năng tiếp cận thị trường
2.3.3. Phân tích nhân tố khám phá EFA
2.3.3.1. Phân tích nhân tố khám phá EFA cho biến độc lập
Sau khi đánh giá, kiểm định độ tin cậy của thang đo Cronbach’s Alpha, phân tích khám phá nhân tố EFA được tiến hành nhằm rút gọn một tập hợp những biến quan sát để thành các nhóm biến quan sát còn lại gồm các nhân tố có ý nghĩa hơn.
Kết quả phân tích nhân tố khám phá EFA được thể hiện ở bảng 2.6a, 2.7a và 2.8a như bên dưới. Bảng 2.6a cho ra kết quả của hệ số KMO và kiểm định Barlett.
Hệ số KMO trong mô hình này là 0,863. Giá trị này thuộc khoảng (0,5;1) nên phân tích nhân tố là phù hợp và các nhân tố là thích hợp với dữ liệu nghiên cứu. Mặt khác, Sig Bartlett’s Test có giá trị là 0,000, nhỏ hơn 0,05, do đó kiểm định Bartlett có ý nghĩa thống kê và có sự tương quan giữa các biến quan sát trong các nhân tố.
Bảng 2.6a: Hệ số KMO và kiểm định Bartlett
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .863 Bartlett's Test of Sphericity
Approx. Chi-Square 1381.138
df 153
Sig. .000
Nguồn: Kết quả được trích từ phần mềm SPSS Kết quả bảng 2.7a thể hiện số biến được giữ lại trong mô hình và kiểm định mô hình EFA là phù hợp hay không thông qua giá trị Eigenvalue và tổng phương sai trích. Giá trị Eigenvalue tại biến thứ tư là 1,142 (lớn hơn 1) đã trích được 4 nhân tố có ý nghĩa và sẽ được giữ lại trong mô hình. Hơn nữa, tích lũy của phương sai bằng 72,972%, cho thấy mô hình EFA là hoàn toàn phù hợp vì đáp ứng đủ điều kiện tổng phương sai trích lớn hơn 50%. Như vậy, 4 nhân tố trong mô hình được giải thích bởi 72,972% sự thay đổi của các biến quan sát.
Bảng 2.7a: Tổng phương sai trích
Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared
Loadings
Rotation Sums of Squared Loadings
Total % of Variance
Cumulative
%
Total % of Variance
Cumulative
%
Total % of Variance
Cumulative
%
1 6.807 37.817 37.817 6.807 37.817 37.817 4.163 23.128 23.128
2 3.625 20.138 57.955 3.625 20.138 57.955 3.605 20.027 43.155
3 1.561 8.673 66.628 1.561 8.673 66.628 3.292 18.291 61.447
4 1.142 6.345 72.972 1.142 6.345 72.972 2.075 11.526 72.972
5 .752 4.176 77.148
6 .713 3.964 81.112
7 .523 2.908 84.020
8 .464 2.578 86.597
9 .391 2.173 88.770
10 .376 2.089 90.859
11 .332 1.844 92.703
12 .309 1.715 94.418
13 .264 1.469 95.887
14 .216 1.202 97.089
15 .167 .928 98.017
16 .134 .742 98.760
17 .128 .709 99.468
18 .096 .532 100.000
Extraction Method: Principal Component Analysis.
Nguồn: Kết quả được trích từ phần mềm SPSS Tiếp đó, để xem xét 4 yếu tố được giữ lại trong mô hình có thay đổi các biến quan sát so với ban đầu hay không sẽ được thể hiện ở bảng 2.8a dưới đây. Như chúng ta có thể thấy, các trọng số nhân tố đều có giá trị lớn hơn 0,6, đặc biệt có nhiều trọng số nhân tố còn đạt giá trị trên 0,8, phản ánh các biến quan sát trong mô hình tương quan khá chặt chẽ với các biến độc lập. Bên cạnh đó, các biến quan sát đã được nhóm lại thành các tập hợp có ý nghĩa hơn đo lường biến độc lập trong mô hình. Tuy nhiên, kết quả lại cho thấy không có thay đổi nào trong các biến quan sát đo lường biến độc lập so với ban đầu. Vì vậy, các biến quan sát đo lường biến độc lập được giữ nguyên như sau: Điều kiện đường xá (ROAD1, ROAD2, ROAD3, ROAD4, ROAD5), tiếp cận thông tin thị trường (INF1, INF2, INF3, INF4, INF5), sự liên kết/hợp tác (ASS1, ASS2, ASS3, ASS4, ASS5) và sở hữu (OWN1, OWN2, OWN3)
Bảng 2.8a: Ma trận nhân tố xoay
Rotated Component Matrixa Component
1 2 3 4
ASS2 .878
ASS5 .862
ASS4 .858
ASS1 .851
ASS3 .794
ROAD5 .828
ROAD2 .761
ROAD1 .759
ROAD4 .758
ROAD3 .749
INF5 .843
INF2 .817
INF4 .795
INF3 .789
INF1 .611
OWN1 .888
OWN2 .878
OWN3 .615
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 6 iterations.
Nguồn: Kết quả được trích từ phần mềm SPSS
2.3.3.2. Phân tích nhân tố khám phá EFA cho biến phụ thuộc
Tương tự như phân tích nhân tố khám phá EFA với các biến độc lập, chúng ta thấy bảng 2.6b thể hiện kết quả hệ số KMO và kiểm định Bartlett. Với giá trị 0,932 của hệ số KMO, phân tích biến phụ là phù hợp với dữ liệu nghiên cứu. Ngoài ra, giá trị Sig của kiểm định Bartlett là 0,000, nhỏ hơn 0,05 nên kiểm định này có ý nghĩa thống kê và có sự tương quan giữa các biến quan sát của biến phụ thuộc (khả năng tiếp cận thị trường).
Bảng 2.6b: Hệ số KMO và kiểm định Bartlett
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .932 Bartlett's Test of Sphericity
Approx. Chi-Square 821.032
df 15
Sig. .000
Nguồn: Kết quả được trích từ phần mềm SPSS Trong bảng 2.7b, giá trị Eigenvalue tại nhân tố thứ nhất là 5,184, lớn hơn 1 nên biến phụ thuộc có ý nghĩa trong mô hình và cũng hoàn toàn phù hợp, vì mô hình nghiên cứu chỉ xem xét một biến phụ thuộc duy nhất. Đồng thời, tích lũy phương sai của biến phụ thuộc là 86,395% cho thấy mô hình EFA là phù hợp và biến phụ thuộc được giải thích bởi 86,395% sự thay đổi của các biến quan sát. Như vậy, chỉ có 13,605% còn lại được giải thích bởi sự thay đổi của những biến quan sát khác ngoài mô hình và sai số. Do đó, thang đo đo lường biến phụ thuộc này là tương đối tốt.
Bảng 2.7b: Tổng phương sai trích
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of
Variance
Cumulative %
1 5.184 86.395 86.395 5.184 86.395 86.395
2 .247 4.125 90.520
3 .192 3.193 93.714
4 .158 2.638 96.352
5 .136 2.272 98.624
6 .083 1.376 100.000
Extraction Method: Principal Component Analysis.
Nguồn: Kết quả được trích từ phần mềm SPSS
Không giống như phân tích đối với các biến độc lập, do biến phụ thuộc trong mô hình chỉ có duy nhất là khả năng tiếp cận thị trường nên sẽ phân tích ma trận thành phần thay vì ma trận xoay như đối với các biến độc lập. Kết quả được trình bày ở bảng 2.8b. Có thể thấy rằng, các trọng số nhân tố của biến phụ thuộc rất lớn, đều lớn hơn 0,9. Vì vậy sự tương quan giữa các biến quan sát và biến phụ thuộc là rất chặt. Đồng thời, biến phụ thuộc vẫn được đo lường bởi những biến quan sát như ban đầu: Khả năng đáp ứng nhu cầu của thị trường (MA1), mức độ nhận diện sản phẩm của người tiêu dùng (MA2), mức độ mở rộng của thị trường (MA3), quy mô của thị trường tiêu thụ sản phẩm (MA4), lượng hàng hóa tồn dư sau mỗi vụ (MA5) và giá cả sản phẩm (MA6).
Bảng 2.8b: Ma trận thành phần biến phụ thuộc
Component Matrixa Component
1
MA6 .959
MA5 .939
MA4 .936
MA1 .919
MA3 .916
MA2 .907
Extraction Method:
Principal Component Analysis.
a. 1 components extracted.
Nguồn: Kết quả được trích từ phần mềm SPSS Như vậy, từ kiểm định hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA đối với biến độc lập và biến phụ thuộc, chúng ta có bảng kết quả cuối cùng các biến được tổng hợp như sau:
Bảng 2.9: Tổng hợp những biến quan sát còn lại của mô hình
STT Tên biến Biến quan
sát ban đầu
Biến quan sát còn lại
Cronbach's Alpha
Biến bị loại
1 Điều kiện đường xá 5 5 0.886 0
2 Tiếp cận thông tin thị trường 5 5 0.846 0
3 Sự liên kết/hợp tác 5 5 0.957 0
4 Sở hữu 3 3 0.778 0
5 Khả năng tiếp cận thị trường 5 5 0.968 0
Nguồn: Từ kết quả phân tích hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA