CHƯƠNG 4 BÁO CÁO KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.3. Phân tích nhân tố khám phá EFA
Trong đề tài này, phân tích nhân tố hỗ trợ xem xét khả năng rút gọn số lượng 27 biến quan sát (Trong đó 24 biến quan sát của biến độc lập, 3 biến quan sát của biến phụ thuộc).
4.3.1 Phân tích nhân tố khám phá EFA đối với biến độc lập Kiểm định KMO:
Để tiến hành phân tích nhân tố khám phá thì dữ liệu thu được phải đáp ứng được các điều kiện qua kiểm định KMO và kiếm định Bartlett’s. Hệ số KMO dùng để kiếm tra xem kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay không. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) thì giá trị sig của Bartlett’s Test nhỏ hơn 0,05 và giá trị 0,5<KMO<1, có nghĩa phần nhân tố thích hợp.
Bảng 4.10: Kiểm định chỉ số KMO và Bartlett Hệ số KMO và Kiểm định Bartlett
Hệ số KMO 0.739
Kiểm định Bartlett
Giá trị chi bình phương xấp xỉ 891.503
Df 120
Giá trị Sig 0.000
(Nguồn: Kết quả phân tích SPSS, 2023) Giá trị chỉ số KMO thu về đạt 0.739 lớn hơn 0.5 và Sig. của Bartlett's Test là 0.000 nhỏ hơn 0.05 cho thấy các biến có tương quan với nhau trong tổng thể.
Ma trận xoay các nhân tố:
Phương pháp được chọn ở đây là phương pháp xoay nhân tố Promax, xoay không vuông góc. Phép quay này giả định các nhân tố có sự tương quan với nhau. . Sau khi xoay ma trận, nhóm tác giả sẽ giữ lại những biến nhỏ có giá trị hệ số tải lớn hơn 0.5 và sắp xếp chúng thành những nhóm chính đại diện đối với từng yếu tố độc lập và yếu tố phụ thuộc(Hồ Cao Trí và cộng sự, 2023).
39
Lần thứ nhất loại các biến PV1, PV2, QC3 và HT1 vì hệ số tải xuất hiện tại cả 2 nhân tố khác nhau và mức chênh lệch hệ số tải nhỏ hơn 0.2.
Lần thứ hai loại các biến CLSP1, CLSP2, CLSP3, CLSP4, CLSP5 vì các biến sắp xếp không theo trật tự nhóm và chèn vào các yếu tố khác nhau trong ma trận xoay.
Kết quả phân tích nhân tố khám phá cho ra được 5 nhóm nhân tố, 5 nhóm này được rút trích giải thích được 74.2% sự biến động của dữ liệu. Nhằm xác định số lượng nhân tố trong nghiên cứu này sử dụng 2 tiêu chuẩn:
Tiêu chuẩn Kaiser (Kaiser Criterion) nhằm xác định số nhân tố được trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Giá trị Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, chỉ có nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố là thích hợp nếu tổng phương sai trích không được nhỏ hơn 50%.
Đối với kết quả phân tích nhân tố khám phá trên, tổng phương sai trích là 74,2%
lớn hơn 50% và giá trị eigenvalues của các nhân tố đều lớn hơn 1, do đó sử dụng phương pháp phân tích nhân tố EFA đối với nghiên cứu hiện tại phù hợp.
Bảng 4.11: Kết quả phân tích ma trận xoay Biến
quan sát
Hệ số tải
1 2 3 4 5
KM2 0.818
KM3 0.733
KM1 0.731
KM4 0.719
HT3 0.833
HT2 0.788
HT4 0.763
HT1 0.571
PV4 0.868
PV3 0.790
40
PV5 0.656
QC1 0.796
QC2 0.764
GC2 0.756
GC3 0.624
GC1 0.618
1.006 Tổng phương sai trích:
74.2%
(Nguồn: Kết quả phân tích SPSS, 2023) Sau khi xoay các nhân tố, ta thấy sự tập trung của các biến quan sát theo từng nhân tố cụ thể và theo trật tự phù hợp. Bảng kết quả phân tích cho thấy có tất cả 17 quan sát tạo ra 05 nhân tố.
Yếu tố thứ nhất là khuyến mãi (KM) bao gồm 4 biến quan sát có mức hệ số tải dao động khoảng từ 0.719 - 0.818 (đạt giá trị cho phép khi lớn hơn 0.5) và đạt điều kiện phù hợp mức chênh lệch hệ số tải lớn hơn 0.3. Cụ thể 4 biến quan sát bao gồm: khuyến mãi có giá trị (KM2), khuyến mãi diễn ra thường xuyên (KM3), khuyến mãi đa dạng (KM1) và tại điểm bán có các hoạt động dùng thử hấp dẫn (KM4).
Yếu tố thứ hai là hình thức sản phẩm (HT) bao gồm 4 biến quan sát có mức độ hệ số tải dao động khoảng từ 0.571 - 0.833 (đạt giá trị cho phép khi lớn hơn 0.5) và đạt điều kiện phù hợp mức chênh lệch hệ số tải lớn hơn 0.3. Cụ thể 4 biến quan sát bao gồm kiểu dáng sản phẩm hấp dẫn (HT3), tính nhận diện thương hiệu cao (HT2), hình ảnh trên sản phẩm mang tính hấp dẫn (HT4) và nhìn bên ngoài sản phẩm rất bắt mắt và thu hút (HT1).
Yếu tố thứ ba là chất lượng phục vụ (PV) bao gồm 3 biến quan sát có mức độ hệ số tải dao động khoảng từ 0.656 - 0.868 (đạt giá trị cho phép khi lớn hơn 0.5) và đạt điều kiện phù hợp mức chênh lệch hệ số tải lớn hơn 0.3. Cụ thể 3 biến quan sát bao gồm: nhân viên hỗ trợ ngay lập tức khi khách hàng cần (PV4), nhân viên làm việc với thái độ nhiệt tình (PV3) và nhân viên trả lời được mọi vấn đề đặt ra (PV2).
Yếu tố thứ tư là quảng cáo (QC) bao gồm 2 biến quan sát có mức độ hệ số tải dao động khoảng từ 0.764 - 0.796 (đạt giá trị cho phép khi lớn hơn 0.5) và đạt điều kiện phù hợp mức chênh lệch hệ số tải lớn hơn 0.3. Cụ thể 2 biến quan sát bao gồm: thương hiệu
41
được truyền thông bởi người nổi tiếng (QC1) và thương hiệu có sự quảng bá trên các nền tảng Facebook, Tiktok, Intasgram (QC2).
Yếu tố thứ năm là giá cả (GC) bao gồm 3 biến quan sát có mức độ hệ số tải dao động khoảng từ 0.618 - 0.756 (đạt giá trị cho phép khi lớn hơn 0.5) và đạt điều kiện phù hợp mức chênh lệch hệ số tải lớn hơn 0.3. Cụ thể 3 biến quan sát bao gồm: giá cả phù hợp hơn so với đối thủ (QC2), giá cả phù hợp với thu nhập (QC3) và giá cả phải chăng đối với sản phẩm (GC1).
4.3.2 Phân tích nhân tố khám phá EFA đối với biến phụ thuộc Bảng 4.12. Kiểm định KMO đối với biến phụ thuộc
(Nguồn: Kết quả phân tích SPSS, 2023) Kết quả kiểm định cho ra trị số của KMO đạt 0.638 > 0.5 và giá trị Sig của kiểm định Bartlett là 0.000 nhỏ hơn 0,05 chứng tỏ biến quan sát QD1, QD2, QD3 có tương quan với nhau và hoàn toàn phù hợp đối với phân tích nhân tố.
Bảng 4.13: Kết quả EFA đối với biến phụ thuộc Biến quan sát Hệ số tải
QD2 0.894
QD3 0.877
QD1 0.721
Eigenvalues 2.544
Phương sai rút trích 68.987%
(Nguồn: Kết quả phân tích SPSS, 2023) Đối với kết quả phân tích nhân tố khám phá trên, tổng phương sai trích là 68.987% lớn hơn 50% và giá trị Eigenvalues của nhân tố lớn hơn 1, do đó sử dụng phương pháp phân tích nhân tố là phù hợp.
Hệ số KMO và Kiểm định Bartlett
Hệ số KMO 0.638
Kiểm định Bartlett
Giá trị chi bình phương xấp xỉ 98.780
Df 3
Giá trị Sig 0.000
42 4.3.3 Phân tích tương quan pearson
Bảng 4.14: Phân tích tương quan Tương quan
QD KM HT PV QC GC
QD Hệ số tương quan Pearson
1 0.555 0.669 0.524 0.532 -0.538
Giá trị Sig 0.000 0.000 0.000 0.000 0.006
Tần suất 100 100 100 100 100 100
KM Hệ số tương quan Pearson
0.555 1 0.454 0.356 0.310 0.209
Giá trị Sig 0.000 0.000 0.000 0.002 0.037
Tần suất 100 100 100 100 100 100
HT Hệ số tương quan Pearson
0.669 0.454 1 0.467 0.566 0.398
Giá trị Sig 0.000 0.000 0.000 0.000 0.000
Tần suất 100 100 100 100 100 100
PV Hệ số tương quan Pearson
0.524 0.356 0.467 1 0.292 0.562
Giá trị Sig 0.000 0.000 0.000 0.003 0.000
Tần suất 100 100 100 100 100 100
QC Hệ số tương quan Pearson
0.532 0.310 0.566 0.292 1 0.330
Giá trị Sig 0.000 0.002 0.000 0.003 0.001
Tần suất 100 100 100 100 100 100
GC Hệ số tương quan Pearson
-0.538 0.209 0.398 0.562 0.330 1
Giá trị Sig 0.006 0.037 0.000 0.000 0.001
Tần suất 100 100 100 100 100 100
(Nguồn: Kết quả phân tích SPSS, 2023)
43
Sau khi phân tích tương quan và kết quả thu về như sau: các biến độc lập bao gồm KM, HT, PV, QC và GC đều có chỉ số giá trị tuyệt đối về hệ số tương quan lớn hơn 0.4 (mức độ phù hợp về sự tương quan tuyến tính) và giá trị sig của các biến độc lập đều nhỏ hơn 0.05 (mức ý nghĩa nghiên cứu đề xuất là 95%). Kết luận các biến có sự tương quan giữa các biến độc lập với biến phụ thuộc và các biến độc lập sẽ được đưa vào mô hình để giải thích đối với sự thay đổi của biến phụ thuộc.
4.3.4 Phân tích hồi quy đa biến tuyến tính
Bảng 4.15: Tóm tắt mô hình
(Nguồn: Kết quả phân tích SPSS, 2023)
Giá trị R^2 hiệu chỉnh đạt 0.585 chứng tỏ các biến độc lập đề xuất sử dụng đối với mô hình giải thích được 58.5% sự thay đổi của biến phụ thuộc là quyết định mua hàng, chứng tỏ vẫn còn những biến khác không được xuất hiện trong mô hình giải thích được sự thay đổi này tuy nhiên giá trị giải thích vẫn khá cao đối với mục tiêu đề ra, bên cạnh đó là sai số ảnh hưởng.
Bảng 4.16: ANOVA
Biến Tổng bình phương df Trung bình bình phương F Sig.
Hồi quy 25.604 5 5.121 28.858 0.000
Giá trị dư 16.68 94 0.177
Tổng 42.284 99
(Nguồn: Kết quả phân tích SPSS, 2023) Xét bảng ANOVA cho thấy giá trị sig. đạt 0.000 nhỏ hơn mức ý nghĩa nghiên cứu đề xuất là 0.05 (95%), chứng tỏ mô hình hồi quy triển khai là phù hợp.
R R^2 R^2 hiệu chỉnh Sai số chuẩn
0.778 0.606 0.585 0.42125
3.
44
Bảng 4.17: Bảng phân tích hồi quy tuyến tính
(Nguồn: Kết quả phân tích SPSS, 2023) 4.3.4.1. Phân tích tự tương quan
Phân tích kết quả giả định tự tương quan kết quả phân tích hồi quy trên bảng 4.17 cho thấy 3 > Giá trị Durbin – Watson = 2.124 > 1, vì thế có thể kết luận không có hiện tượng tự tương quan giữa các phần dư. Nghĩa là, giả định này không vi phạm.
4.3.4.2. Đa cộng tuyến
Các biến được đưa vào mô hình hôi quy đều có chỉ số phóng đại phương sai (VIF) nhỏ hơn 3, do đó hiện tượng đa cộng tuyến không xảy ra trong phân tích hồi quy giữa các biến.
4.3.4.3 Phân tích mô hình hồi quy
Sau khi đã loại yếu tố chất lượng sản phẩm (CLSP) đến từ giả thiết và mô hình nghiên cứu đề xuất nhóm tác giả thực hiện triển khai mô hình hồi quy với 5 biến còn lại bao gồm khuyến mãi (KM), giá cả (GC), phục vụ (PV), hình thức sản phẩm (HT) và quảng cáo (QC).
Mô hình được triển khai dưới dạng như sau:
QD= β1 + β2.KM + β3.PV + β4.GC + β5.QC + β6.HT + ɛ.
Mô hình
Hệ số hồi quy chưa chuẩn
hóa
Hệ số hồi quy chuẩn
hóa
Giá trị Sig
Hệ số phóng đại phương sai (VIF)
B Sai số
chuẩn Beta
(Hằng số) 0.541 0.394 0.173
KM 0.225 0.065 0.255 0.001 2.383
HT 0.355 0.089 0.356 0.000 2.256
PV 0.327 0.095 0.292 0.001 1.543
QC 0.161 0.059 0.218 0.007 1.698
GC -0.190 0.097 -0.158 0.04 1.924
Giá trị Durbin- Watson
2.124
4.
45 Trong đó:
ɛ: sai số chuẩn
β1 – β6: hệ số ước lượng ảnh hưởng đối với biến phụ thuộc Kết quả sau khi xử lý dữ liệu được trình bày như sau:
Mô hình hồi quy chưa chuẩn hoá:
QD= 0.541 + HT*0.355 + PV*0.327 + KM*0.225+ QC* 161 - GC*0.19 Mô hình hồi quy đã chuẩn hoá:
QD= 0.541 + HT*0.356 + PV*0.292+ KM*0.255 + QC* 218 - GC*0.158 4.3.4.4. Giả định về phân phối chuẩn của phần dư
Hình 4.1: Đồ thị phân phối chuẩn của phần dư
(Nguồn: Kết quả phân tích SPSS, 2023) Biểu đồ Histogram đối với mô hình triển khai quyết định mua hàng đạt giá trị Mean gần bằng 0, độ lệch chuẩn bằng 0.974 gần bằng 1, đồng thời biểu đồ có dạng hình chuông. Thông qua các điều kiện trên chứng tỏ phân phối xấp xỉ chuẩn, giả định phân phối của phần dư không bị vi phạm.
46
Hình 4.2: Đồ thị các điểm phân vị
(Nguồn: Kết quả phân tích SPSS, 2023) Các điểm phân vị bám sát vào đường thẳng chứng tỏ phần dư đạt phân phối chuẩn.
4.3.4.5. Giả định phương sai của sai số không đổi
Hình 4.3: Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy (Nguồn: Kết quả phân tích SPSS, 2023) Các điểm phân vị phân tán ngẫu nhiên và xoay quanh tung độ góc là 0, chứng tỏ giả định mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc không bị vi phạm.
47 4.3.4.6.Kết luận mô hình hồi quy
Thông qua kết quả thu được sau khi triển khai mô hình hồi quy, yếu tố tác động mạnh nhất đối với quyết định mua hàng là hình thức sản phẩm với hệ số ước lượng là 0.356. Khi hình thức sản phẩm (HT) gia tăng 1 đơn vị ngay lập tức quyết định mua hàng (QD) sẽ gia tăng 0.356 đơn vị, thấp nhất là quảng cáo (QC) với hệ số ước lượng là 0.218. Bên cạnh đó, yếu tố giá cả (GC) có tác động ngược chiều đối với quyết định mua hàng khi giá cả tăng 1 đơn vị thì quyết định mua hàng sẽ giảm 0.158 đơn vị. Các nhân tố khác còn lại bao gồm chất lượng phục vụ đạt giá trị ước lượng 0.292 và khuyến mãi đạt giá trị là 0.255. Đồng thời các điều kiện để kiểm định và triển khai hồi quy đều phù hợp như kiểm định phương sai, kiểm tra mức phân phối chuẩn của phần dư, điểm phân vị.
KẾT LUẬN CHƯƠNG 4
Tại chương 4, nhóm tác giả đã trình bày về các bảng dữ liệu vè các thông tin cần thiết. Thống kê mô tả được sử dụng nhằm mô tả đặc tính và tính chất của mẫu quan sát, đồng thời phối hợp cùng thống kê suy diễn tìm ra sự khác biệt giữa các nhóm thực hiện trong kiểm định về quyết định mua hàng. Bên cạnh đó các bảng dữ liệu được trình bày và phương pháp lập luận dựa trên cơ sở những nền tảng liên quan về tính phù hợp của các yếu tố áp dụng trong mô hình nghiên cứu. Nhằm đánh giá được mức độ tác động và sự hiện diện của các yếu tố nhóm nghiên cứu triển khai theo các quy trình bao gồm phân tích độ tin cậy thang đo, phân tích nhân tố khám phá EFA, phân tích tương quan và tìm kiếm mức độ tác động dựa theo hồi quy.
48
PHIẾU KHẢO SÁT
BẢNG CÂU HỎI NGHIÊN CỨU ĐỊNH LƯỢNG
49
50