6. Kết cấu của luận văn
3.2.2. Kiểm định thang đo thông qua phân tích các nhân tố khám phá EFA
Sau khi kiểm định độ tin cậy các thành phần của thang đo thông qua hệ số Cronbach Alpha, nghiên cứu tiếp tục thực hiện phân tích nhân tố khám phá (EFA) đối với các thang đo, phƣơng pháp phân tích nhân tố à phƣơng pháp Principa Component với phép quay Varimax.
Một số tiêu chuẩn mà các nhà nghiên cứu thƣờng quan tâm khi phân tích nhân tố khám phá (EFA). Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) – chỉ số thể hiện mức độ phù hợp của phƣơng pháp EFA - lớn hơn 0,50 và nhỏ hơn 1 thì phân tích nhân tố đƣợc coi là phù hợp, kiểm định Bart ett (Bart ett’s test) xem xét giả thiết H0 - độ tƣơng quan giữa các biến quan sát bằng 0 trong tổng thể, nếu kiểm định này có mức ý nghĩa thống kê, tức sig của kiểm định Bart ett ≤ 0,05 thì các quan sát có tƣơng quan với nhau trong tổng thể. Thứ hai, hệ số tải nhân tố (Factor Loading) ≥ 0,50 đƣợc xem à có nghĩa, nếu biến quan sát nào có hệ số tải nhân tố < 0,50 sẽ bị loại. Thứ ba, thang đo đƣợc chấp nhận khi tổng phƣơng sai trích (Total variance explained) ≥ 50%. Thứ tƣ, hệ số eigenvalue phải có giá trị ≥ 1 (Gerbing & Anderson 1988). Thứ năm, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi 2003).
3.2.2.1. Phân tích các nhân tố khám phá (EFA) của các nhân tố độc lập
* Kết quả phân tích nhân tố lần đầu
Kết quả EFA cho thấy có 10 nhân tố đƣợc trích tại eigenvalue là 1,027; các tiêu chuẩn còn lại đƣợc thể hiện nhƣ sau:
Yếu tố cần đánh giá Giá trị
bảng Giá trị so sánh Nhận xét
Hệ số KMO 0,835 0,5<0,835<1 Phân tích nhân tố là phù hợp Giá trị sig trong kiểm định
Barlett
0,000 0,000<0,05 Các biến quan sát có tƣơng quan với nhau trong tổng thể Phƣơng sai trích (Total
variance explained)
62,586% 62,586%>50% 62,586% biến thiên của dữ liệu đƣợc giải thích bởi các nhân tố
Giá trị Eigenvalues 1,027 1,027>1 Phù hợp
Đây à kết quả đạt yêu cầu, vì thế việc phân tích nhân tố là phù hợp.
Bảng 3.12. Kết quả EFA của các nhân tố độc lập Rotated Component Matrixa
Biến Component 1 2 3 4 5 6 7 8 9 10 AW2 0,716 AW5 0,632 AW3 0,622 AW1 0,618 AW4 0,618 AW6 0,586 LY2 0,726 LY3 0,700 LY1 0,663 LY6 0,538 LY5 0,530 LY4 PF1 0,748 PF2 0,713 PF4 0,688 PF5 0,608 EX1 0,761 EX2 0,743 EX3 0,713 EX7 BI2 0,771 BI3 0,766 BI1 0,653 BI4 0,574 PQ3 0,775
PQ2 0,768 PQ1 0,678 EX5 PQ5 0,691 PQ4 0,598 PQ6 0,528 EX4 0,611 EX6 PF6 0,620 PF3 0,733 PQ7 0,501 0,556
Hệ số tải nhân tố (Factor Loading) của các biến EX7, EX5, EX6 (thang đo ngƣời tiêu dùngấn tƣợng thƣơng hiệu), LY4 (thang đo ngƣời tiêu dùng trung thành thƣơng hiệu) có giá trị bé hơn 0,5. Thêm vào đó, biến PQ7 (thang đo ngƣời tiêu dùng cảm nhận chất ƣợng thƣơng hiệu) giải thích cùng lúc cho 2 nhân tố thứ 7 và thứ 10, hệ số tải Factor Loading của biến PQ7 trong 2 nhân tố lại có độ chênh lệch bé hơn 0,3 nên không xác định nó giải thích cho nhân tố nào (xem bảng 3.12), cho nên tiến hành phân tích lần hai. Việc trình bày phân tích các lần tiếp theo khá dài hơn nữa lại tƣơng tự, do đó nghiên cứu sẽ tập trung vào phân tích và trình bày kết quả phân tích nhân tố lần cuối cùng.
* Kết quả phân tích nhân tố lần cuối cùng
Kết quả EFA cho thấy có sáu nhân tố đƣợc trích tại eigenvalue là 1,280; các tiêu chuẩn còn lại đƣợc thể hiện nhƣ sau:
Yếu tố cần đánh giá Giá trị
bảng Giá trị so sánh Nhận xét
Hệ số KMO 0,822 0,5<0,822<1 Phân tích nhân tố là phù hợp Giá trị sig trong kiểm
định Barlett
0,000 0,000<0,05 Các biến quan sát có tƣơng quan với nhau trong tổng thể Phƣơng sai trích (Total
variance explained)
59,813% 59,813%>50% 59,813% biến thiên của dữ liệu đƣợc giải thích bởi các nhân tố
Giá trị Eigenvalues 1,280 1,280>1 Phù hợp
Đây à kết quả đạt yêu cầu, vì thế việc phân tích nhân tố là phù hợp.
Bảng 3.13. Kết quả EFA của các nhân tố độc lập lần cuối cùng Rotated Component Matrixa
Biến Component 1 2 3 4 5 6 AW2 0,734 AW5 0,678 AW3 0,649 AW6 0,614 AW1 0,614 AW4 0,598 PF2 0,768 PF1 0,767 PF4 0,637 PF5 0,596 PF3 0,521 BI1 0,774 BI3 0,755 BI2 0,741 PQ2 0,814 PQ3 0,770 PQ1 0,736 EX1 0,797 EX2 0,762 EX3 0,717 LY3 0,784 LY2 0,761 LY1 0,660
Hệ số tải nhân tố (Factor Loading) của các biến đều lớn hơn 0,5. Sau quá trình thực hiện phân tích nhân tố, 23 biến quan sát đƣợc gom thành 6 nhân tố.
Nhƣ vậy, sau khi đánh giá thang đo giá trị thƣơng hiệu bột giặt bằng hệ số tin cậy Cronbach alpha và phân tích các nhân tố khám phá (EFA) thì các thang đo đều đạt yêu cầu với sáu thành phần và 23 biến quan sát.
3.2.2.2. Phân tích các nhân tố khám phá (EFA) của thang đo giá trị thương hiệu
Kết quả EFA cho thấy có một nhân tố đƣợc trích tại eigenvalue là 2,507; các tiêu chuẩn còn lại đƣợc thể hiện nhƣ sau:
Yếu tố cần đánh giá Giá trị
bảng Giá trị so sánh Nhận xét
Hệ số KMO 0,787 0,5<0,787<1 Phân tích nhân tố là phù hợp Giá trị sig trong kiểm
định Barlett
0,000 0,000<0,05 Các biến quan sát có tƣơng quan với nhau trong tổng thể Phƣơng sai trích (Total
variance explained)
62,667% 62,667%>50% 62,667% biến thiên của dữ liệu đƣợc giải thích bởi nhân tố này Giá trị Eigenvalues 2,507 2,507>1 Phù hợp
Đây à kết quả đạt yêu cầu, vì thế việc phân tích nhân tố là phù hợp.
Bảng 3.14. Kết quả EFA của thang đo giá trị thƣơng hiệu Component Matrixa Biến Component 1 BE3 0,833 BE5 0,825 BE2 0,818 BE1 0,798 BE6 0,755 BE4 0,712
Hệ số tải nhân tố (Factor Loading) của các biến đều lớn hơn 0,5; Nhƣ vậy các biến quan sát của thang đo này đều đạt yêu cầu cho phân tích tiếp theo.
Các kết quả thu đƣơc từ độ tin cậy Cronbach alpha và phân tích các nhân tố khám phá EFA ở trên cho thấy thang đo các khái niệm nghiên cứu đều đạt yêu cầu về giá trị và độ tin cậy.
3.2.2.3. Điều chỉnh mô hình nghiên cứu
Việc đặt tên các nhân tố đƣợc thực hiện trên cơ sở nhận ra các biến quan sát có hệ số tải nhân tố (loading factor) lớn nằm trong cùng một nhân tố. Nhƣ vậy, nhân tố này có thể giải thích bằng các biến có hệ số lớn nằm trong nó.
- Nhân tố 1: Gồm các biến quan sát sau:
AW2 Tôi có thể dễ dàng phân biệt Omo với các loại bột giặt khác AW5 Các địa điểm mua Omo có thể đến với tôi một cách nhanh chóng
AW3 Tôi có thể nhớ và nhận biết logo của Omo một cách nhanh chóng, dễ dàng
AW6 Thƣơng hiệu bột giặt Omo rất khác biệt với các thƣơng hiệu khác AW1 Tôi có thể dễ dàng nhận biết Omo trong các loại bột giặt khác AW4 Các đặc điểm của Omo có thể đến với tôi một cách nhanh chóng
Các biến quan sát này thuộc thành phần nhận biết thƣơng hiệu. Vì vậy, chúng ta vẫn đặt tên cho nhân tố này là “Nhận biết thương hiệu” (X1).
- Nhân tố 2: Gồm các biến quan sát sau:
PF2 Tôi thích dùng Omo hơn các thƣơng hiệu khác PF1 Tôi thích Omo hơn các thƣơng hiệu khác
PF4 Tôi hiểu rất rõ những gì iên quan đến thƣơng hiệu bột giặt Omo PF5 Tôi thích thuyết phục mọi ngƣời dùng Omo
PF3 Tôi tin rằng dùng Omo xứng đáng đồng tiền hơn các thƣơng hiệu khác Các biến quan sát này thuộc thành phần thích thú thƣơng hiệu. Vì vậy, chúng ta vẫn đặt tên cho nhân tố này là “Thích thú thương hiệu” (X2).
- Nhân tố 3: Gồm các biến quan sát sau:
BI1 Khả năng mua Omo của tôi rất cao BI3 Tôi tin rằng tôi muốn mua Omo
BI2 Tôi nghĩ rằng nếu đi mua bột giặt tôi sẽ mua Omo
Các biến quan sát này thuộc thành phần Có xu hƣớng tiêu d ng thƣơng hiệu. Vì vậy, chúng ta vẫn đặt tên cho nhân tố này là “Xu hướng tiêu dùng thương hiệu”
- Nhân tố 4: Gồm các biến quan sát sau: PQ2 Omo giữ cho vải bền PQ3 Omo có m i thơm dễ chịu PQ1 Omo giặt rất sạch
Các biến quan sát này thuộc thành phần chất ƣợng cảm nhận thƣơng hiệu. Vì vậy, chúng ta vẫn đặt tên cho nhân tố này là “Chất lượng cảm nhận thương hiệu”
(X4).
- Nhân tố 5: Gồm các biến quan sát sau:
EX1 Tôi rất ấn tƣợng với sức mạnh đánh sạch vết bẩn của Omo EX2 Tôi rất ấn tƣợng với khả năng giữ bền vải của Omo
EX3 Tôi rất ấn tƣợng với m i hƣơng của Omo
Các biến quan sát này thuộc thành phần ấn tƣợng thƣơng hiệu. Vì vậy, chúng ta vẫn đặt tên cho nhân tố này là “Ấn tượng thương hiệu” (X5).
- Nhân tố 6: Gồm các biến quan sát sau:
LY3 Tôi cho tôi là khách hàng trung thành của thƣơng hiệu bột giặt Omo LY2 Tôi sẽ tìm mua đƣợc Omo chứ không mua các loại khác
LY1 Tôi sẽ không mua bột giặt khác nếu Omo có bán ở cửa hàng
Các biến quan sát này thuộc thành phần Trung thành thƣơng hiệu. Vì vậy, chúng ta vẫn đặt tên cho nhân tố này là “Trung thành thương hiệu” (X6).
Nhƣ vậy, mô hình lý thuyết phải đƣợc điều chỉnh lại cho phù hợp và tiếp tục thực hiện các phân tích tiếp theo.
Bảng 3.15. Thang đo các nhân tố đã qua kiểm định Cronbach Anpha và EFA STT Thang đo khái niệm Ký hiệu SL Biến quan sát
1 Nhận biết thƣơng hiệu X1 6 AW1, AW2, AW3, AW4, AW5, AW6
2 Thích thú thƣơng hiệu X2 5 PF1, PF2, PF3, PF4, PF5 3 Xu hƣớng tiêu d ng thƣơng hiệu X3 3 BI1, BI2, BI3
4 Chất ƣợng cảm nhận thƣơng hiệu X4 3 PQ1, PQ2, PQ3 5 Ấn tƣợng thƣơng hiệu X5 3 EX1, EX2, EX3 6 Trung thành thƣơng hiệu X6 3 LY1, LY2, LY3
Sau khi điều chỉnh mô hình nghiên cứu, giá trị thƣơng hiệu đƣợc đo ƣờng bởi sáu biến quan sát X1, X2, X3, X4, X5, X6 đƣợc thể hiện ở hình 3.1.
Hình 3.1. Mô hình nghiên cứu sau phân tích nhân tố EFA 3.3. Kiểm định mô hình nghiên cứu và các giả thiết nghiên cứu
Trong phần này, căn cứ vào dữ liệu thu thập đƣợc, tác giả sẽ sử dụng các phƣơng pháp: Phân tích hồi qui tuyến tính, phân tích tƣơng quan, phân tích hồi qui đa biến và phân tích phƣơng sai bằng công cụ SPSS 18.0 để kiểm định mô hình lý thuyết và giả thuyết nghiên cứu. Kết quả cuối c ng có đƣợc sẽ là mô hình nghiên cứu thực nghiệm.
Để kiểm định vai trò quan trọng của các nhân tố trong việc đánh giá giá trị thƣơng hiệu bột giặt thông qua thái độ ngƣời tiêu dùng.
3.3.1. Phân tích hệ số tƣơng quan Pearson
Ngƣời ta sử dụng hệ số tƣơng quan Pearson để ƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định ƣợng. Nếu giữa 2 biến có sự tƣơng quan chặt chẽ thì phải ƣu vấn đề đa cộng tuyến khi phân tích hồi quy.
X2 X3 X4 X5 X6 X1 Thích thú thƣơng hiệu
Xu hƣớng tiêu d ng thƣơng hiệu
Chất ƣợng cảm nhận thƣơng hiệu
Ấn tƣợng thƣơng hiệu
Trung thành thƣơng hiệu
Giá trị thƣơng hiệu
Đa cộng tuyến là trạng thái các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Đa cộng tuyến àm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê “t” của kiểm định nghĩa nên các hệ số có khuynh hƣớng kém nghĩa.
Cần xem xét hiện tƣợng đa cộng tuyến khi phân tích hồi quy nếu hệ số tƣơng quan pearson > 0.3.
Thực hiện tạo các biến mới đại diện cho từng nhóm biến (giá trị trung bình) với: • X1 đại diện cho AW1, AW2, AW3, AW4, AW5, AW6
• X2 đại diện cho PF1, PF2, PF3, PF4, PF5 • X3 đại diện cho BI1, BI2, BI3
• X4 đại diện cho PQ1, PQ2, PQ3 • X5 đại diện cho EX1, EX2, EX3 • X6 đại diện cho LY1, LY2, LY3
• Y đại diện cho BE1, BE2, BE3, BE4, BE5, BE6
Gọi phƣơng trình hồi quy chƣa chuẩn hóa của mô hình có dạng nhƣ sau:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6
Trong đó:
- Y (Giá trị thƣơng hiệu) đƣợc xem là biến phụ thuộc.
- Các biến độc lập là: X 1 ( Nhận biết thƣơng hiệu), X2 (Thích thú thƣơng hiệu), X3 (Xu hƣớng tiêu d ng thƣơng hiệu), X4 (Chất ƣợng cảm nhận thƣơng hiệu), X5 (Ấn tƣợng thƣơng hiệu) và X6 (Trung thành thƣơng hiệu).
Bảng 3.16. Ma trận hệ số tƣơng quan giữa các biến Correlations X1 X2 X3 X4 X5 X6 Y X1 Pearson Correlation 1 Sig. (2-tailed) N 500 X2 Pearson Correlation 0,392** 1 Sig. (2-tailed) 0,000 N 500 500
X3 Pearson Correlation 0,356** 0,261** 1 Sig. (2-tailed) 0,000 0,000 N 500 500 500 X4 Pearson Correlation 0,261** 0,402** 0,181** 1 Sig. (2-tailed) 0,000 0,000 0,000 N 500 500 500 500 X5 Pearson Correlation 0,217** 0,371** 0,268** 0,227** 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 N 500 500 500 500 500 X6 Pearson Correlation 0,347** 0,421** 0,298** 0,277** 0,280** 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 N 500 500 500 500 500 500 Y Pearson Correlation 0,451** 0,385** 0,571** 0,318** 0,308** 0,504** 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000 N 500 500 500 500 500 500 500
Các giá trị Sig đều nhỏ hơn 0,05 do vậy các cặp biến đều tƣơng quan và có nghĩa thống kê. Hệ số tƣơng quan giữa giá trị thƣơng hiệu (Y) và các biến độc lập còn lại lần lƣợt với X1 là 0,451; với X2 là 0,385; với X3 là 0,571; với X4 là 0,318; với X5 là 0,308 và với X6 là 0,504. Các hệ số tƣơng quan này không quá cao nhƣng các hệ số này đều đạt yêu cầu (> 0,3) và ta có thể kết luận các biến độc lập này có thể đƣa vào mô hình để giải thích giá trị thƣơng hiệu bột giặt.
Hệ số tƣơng quan giữa các biến độc lập với nhau cũng có một số cặp khá lớn (nhƣ cặp X6 và X2 là 0,421; cặp X2 và X4 là 0,402) nên khi phân tích hồi quy cần chú đến hiện đa cộng tuyến của các biến độc lập. Trong các biến độc lập biến có tác động mạnh nhất đến biến phụ thuộc Y là biến X3 (hệ số tƣơng quan à 0,571), biến có tác động yếu nhất đến biến phụ thuộc Y là biến X5 (hệ số tƣơng quan à 0,308). Hệ số tƣơng quan giữa giá trị thƣơng hiệu (Y) và các biến độc lập còn lại đều dƣơng cho thấy các biến tác động thuận chiều tới biến phụ thuộc Y.
3.3.2. Phân tích hồi quy và kiểm định giả thuyết
3.3.2.1. Phân tích hồi quy
Xây dựng và phát triển giá trị thƣơng hiệu là việc vô cùng quan trọng trong hoạt động markting của một doanh nghiệp, do vậy mà việc phân tích các thái độ của ngƣời tiêu d ng đối với các thành phần giá trị thƣơng hiệu là việc làm vô cùng cần thiết. Chính vì vậy, phân tích hồi quy sẽ đƣợc nghiên cứu sử dụng để phân tích sự tác động của các biến độc lập (6 biến) tới biến phụ thuộc (giá trị thƣơng hiệu) trong phần này.
Phân tích hồi quy là một phân tích thống kê để xác định xem các biến độc lập (biến thuyết minh) quy định các biến phụ thuộc (biến đƣợc thuyết minh) nhƣ thế nào. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán đƣợc giá trị của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.
* Kiểm định các giả thiết
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta đƣa sáu biến độc lập trong mô hình điều chỉnh vào phân tích hồi quy bằng phƣơng pháp Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa nhỏ hơn 0.05. Kết quả phân tích hồi quy đƣợc thể hiện thông qua các bảng sau:
Bảng 3.17. Hệ số xác định R-Square (Lần 1) Model Summaryb
Model R R2 R2 hiệu chỉnh Sai số chuẩn Hệ số Durbin -Watson
1 0,705a 0,497 0,491 0,446 1,590
Bảng 3.18. Phân tích Anova (Lần 1) ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 97,094 6 16,182 81,233 0,000a Residual 98.210 493 0,199 Total 195,305 499 Bảng 3.19. Hệ số hồi quy (Lần 1) Biến Hệ số hồi quy chƣa chuẩn hóa
Hệ số hồi quy
B Std. Error Beta (Constant) -0,128 0,157 -0,819 0,413 X1 0,167 0,038 0,164 4,433 0,000 0,750 1,334 X2 0,049 0,042 0,046 1,161 0,246 0,650 1,538 X3 0,355 0,032 0,388 9,940 0,000 0,812 1,232