Bảng 2. 10: Rút trích nhân tố biến độc lập
Nhóm nhân tố | |||||
1 | 2 | 3 | 4 | 5 | |
CHAMSOC1 | 0.906 | ||||
CHAMSOC2 | 0.902 | ||||
CHAMSOC3 | 0.844 | ||||
CHAMSOC4 | 0.728 | ||||
GIACA2 | 0.860 | ||||
GIACA1 | 0.812 | ||||
GIACA4 | 0.771 | ||||
GIACA3 | 0.692 | ||||
THUONGHIEU3 | 0.866 | ||||
THUONGHIEU1 | 0.716 | ||||
THUONGHIEU2 | 0.706 | ||||
THUONGHIEU4 | 0.618 | ||||
CHUQUAN4 | 0.781 | ||||
CHUQUAN1 | 0.648 | ||||
CHUQUAN2 | 0.638 | ||||
CHUQUAN3 | 0.608 | ||||
CHATLUONG2 | 0.788 | ||||
CHATLUONG1 | 0.759 | ||||
CHATLUONG3 | 0.668 | ||||
Hệ số Eigenvalue | 5.601 | 3.017 | 1.645 | 1.364 | 1.147 |
Phương sai tiến lũy tiến(%) | 29.481 | 45.359 | 54.016 | 61.197 | 67.236 |
Có thể bạn quan tâm!
-
Mô Hình Chấp Thuận Công Nghệ (Technology Acceptance Model – Tam) -
Cơ Cấu Tổ Chức Của Công Ty Tnhh Mtv Nội Thất Wood Park Huế -
Mô Tả Hành Vi Sử Dụng Sản Phẩm Nội Thất Của Khách Hàng. -
Biểu Đồ Tần Số Histogram Của Phần Dư Chuẩn Hóa -
Đánh Giá Của Khách Hàng Đối Với Nhóm Chất Lượng Sản Phẩm -
Giải Pháp Thức Đẩy Khách Hàng Tại Thành Phố Huế Mua Sản Phẩm Nội Thất Của Công Ty Wood Park
Xem toàn bộ 142 trang tài liệu này.
(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020)
Thực hiện phân tích nhân tố lần đầu tiên, đưa 19 biến quan sát trong 5 biến độc lập ảnh hưởng đến quyết định mua của khách hàng vào phân tích nhân tố theo tiêu chuẩn Eigenvalue lớn hơn 1 đã có 5 nhân tố được tạo ra.
Như vậy, sau khi tiến hành phân tích nhân tố khám phá EFA, số biến quan sát vẫn là 19, được rút trích lại còn 5 nhân tố. Không có biến quan sát nào có hệ số tải nhân tố (Factor Loading) bé hơn 0.5 nên không loại bỏ biến, đề tài tiếp tục tiến hành các bước phân tích tiếp theo.
Kết quả phân tích nhân tố được chấp nhận khi Tiêu chuẩn phương sai trích (Variance Explained Criteria) > 50% và giá trị Eigenvalue lớn hơn 1 (theo Gerbing & Anderson, 1998). Dựa vào kết quả trên, tổng phương sai trích là 67.236% > 50% do đó phân tích nhân tố là phụ hợp.
Đặt tên cho các nhóm nhân tố:
- Nhân tố (Factor 1) gồm 4 biến quan sát: THUONGHIEU1, THUONGHIEU2, THUONGHIEU3, THUONGHIEU4. Nghiên cứu đặt tên nhân tố mới này là “ Thương hiệu”.
- Nhân tố 2 (Factor2) gồm 4 biến quan sát: GIACA1, GIACA2, GIACA3, GIACA4. Nghiên cứu đặt tên nhân tố mới này là “Giá cả”.
- Nhân tố 3 (Factor 3) gồm 3 biến quan sát: CHATLUONG1, CHATLUONG2, CHATLUONG3. Nghiên cứu đặt tên nhân tố mới này là “Chất lượng sản phẩm”.
- Nhân tố 4 (Factor 4) gồm 4 biến quan sát: CHAMSOC1, CHAMSOC2, CHAMSOC3, CHAMSOC4. Nghiên cứu đặt tên nhân tố mới này là “Chăm sóc khách hàng”.
- Nhân tố 5 (Factor 5) gồm 4 biến quan sát: CHUQUAN1, CHUQUAN2, CHUQUAN3, CHUQUAN4. Nghiên cứu đặt tên nhân tố mới này là “Chuẩn chủ quan”.
2.2.4.3. Kiểm định KMO và Bartlett’s Test biến phụ thuộc
Bảng 2. 11: Kiểm định KMO và Bartlett’s Test biến phụ thuộc
Trị số KMO (Kaiser Meyer-Olkin Measure of Sampling Adequacy) | 0.781 | |
Đại lượng thống kê Bartlett’s Test | Approx. Chi-Square | 217.994 |
df | 6 | |
Sig. | 0.000 | |
(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020)
Kết quả từ bảng trên cho thấy cơ sở dữ liệu này là hoàn toàn phù hợp với phân tích các nhân tố vì giá trị Kaiser Meyer-Olkin Measure of Sampling Adequacy là 0.781 tương ứng với 78.1% lớn hơn 0.5 tương ứng với 50% với mức ý nghĩa thống kê là 99%. Ngoài ra, do số phiếu điều tra khá lớn nên phân tích nhân tố là hoàn toàn phù hợp.
2.2.4.4. Phân tích nhân tố khám phá EFA biến phụ thuộc
Bảng 2. 12: Rút trích nhân tố biến phụ thuộc
Hệ số tải | |
QUYETDINHMUA1 | 0.893 |
QUYETDINHMUA2 | 0.872 |
QUYETDINHMUA3 | 0.843 |
QUYETDINHMUA4 | 0.695 |
Phương sai tích lũy tiến (%) | 68.790% |
(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020)
Kết quả phân tích nhân tố khám phá rút trích ra được một nhân tố, nhân tố này
được tạo ra từ 4 biến quan sát mà đề tài đã đề xuất từ trước, nhằm mục đích rút ra kết
luận về quyết định mua của khách hàng đối với sản phẩm nội thất tại công ty Wood Park.
Nhận xét:
Qua quá trình phân tích nhân tố khám phá EFA trên đã xác định được 5 nhân tố ảnh hưởng đến quyết định mua của khách hàng đối với sản phẩm nội thất tại công ty Wood Park, đó là “Thương hiệu”, “Giá cả”, “Chất lượng sản phẩm”, “Dịch vụ chăm sóc khách hàng”, “Chuẩn chủ quan”.
Như vậy, mô hình nghiên cứu sau khi phân tích nhân tố khám phá EFA không có gì thay đổi đáng kể so với ban đầu, không có biến quan sát nào bị loại ra khỏi mô hình trong quá trình kiểm định độ tin cậy thang đo và phân tích nhân tố khám phá.
2.2.5. Kiểm định độ tin cậy của thang đo sau khi phân tích nhân tố khám phá EFA
Sau khi phân tích nhân tố khám phá EFA theo phương pháp rút trích các nhân tố chính (Principal Components), nghiên cứu tiến hành kiểm định lại độ tin cậy thang đo của các nhân tố sau khi loại biến với các điều kiện kiểm định như trên, nhằm đảm bảo các nhân tố thu được có ý nghĩa cho các bước phân tích tiếp theo.
Bảng 2. 13: Kiểm định độ tin cậy của thang đo sau phân tích EFA
Hệ số Cronbach’s Alpha | |
Biến độc lập | |
Dịch vụ chăm sóc khách hàng | 0.873 |
Giá cả | 0.854 |
Thương hiệu | 0.764 |
Chuẩn chủ quan | 0.745 |
Chất lượng sản phẩm | 0.723 |
Quyết đinh mua | 0.838 |
(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020)
Nhìn vào bảng tổng hợp phân tích, có thể nhận ra rằng không có sự thay đổi so với ban đầu sau khi phân tích EFA và hệ số Cronbach’s Alpha của các nhân tố này khá cao (đều lớn hơn 0.7), vì vậy các nhân tố này đảm bảo độ tin cậy và mức ý nghĩa trong các phân tích tiếp theo.
2.2.6. Kiểm định phân phối chuẩn
Trong nghiên cứu này, đề tài sử dụng kiểm định Kolmogorov-Smirnov để kiểm
định về phân phối chuẩn của bộ dữ liệu. Kết quả thu được như sau:
Bảng 2. 14 Kiểm định Kolmogorov-Smirnov
GC | TH | CL | CS | CQ | QD | ||
N | 120 | 120 | 120 | 120 | 120 | 120 | |
Normal Parameters | Mean | 3.8750 | 4.0042 | 4.0667 | 2.9375 | 3.8688 | 4.1000 |
Std. Deviation | 0.61409 | 0.49257 | 0.64618 | 1.14232 | 0.50415 | 0.66847 | |
Most Extreme Differences | Absolute | 0.156 | 0.183 | 0.160 | 0.120 | 0.109 | 0.224 |
Positive | 0.104 | 0.090 | 0.074 | 0.094 | 0.093 | 0.115 | |
Negative | -0.156 | -0.183 | -0.160 | -0.120 | -0.109 | -0.224 | |
Kolmogorov-Smirnov Z | 1.705 | 2.003 | 1.754 | 1.313 | 1.189 | 2.452 | |
Asymp. Sig. (2-tailed) | 0.006 | 0.001 | 0.004 | 0.064 | 0.118 | 0.000 | |
(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020)
Với giả thuyết H0 là có phân phối chuẩn, H1 là không có phân phối chuẩn, kết quả kiểm định Kolmogorov-Smirnov cho thấy: các biến “GC” (giá cả), “TH” (thương hiệu), “CL” (chất lượng sản phẩm), “QD” (quyết định mua) có giá trị Asymp. Sig. (2- tailed) bé hơn 0.05, bác bỏ giả thuyết H0. Như vậy có thể kết luận rằng, những biến
này không có phân phối chuẩn. Các biển “CS” (chăm sóc khác hàng), “CQ” (chuẩn chủ quan) có giá trị Asymp. Sig. (2-tailed) lớn hơn 0.05, chấp nhận giả thuyết H0, nên các biến này có phân phối chuẩn.
2.2.7. Kiểm định sự phù hợp của mô hình
2.2.7.1. Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc
Bảng 2. 15: Phân tích tương quan Pearson
GC | TH | CL | CS | CQ | QD | ||
QD | Tương quan Pearson | 0.512 | 0.516 | 0.680 | -0.166 | 0.555 | 1 |
Sig.(2-tailed) | 0.000 | 0.000 | 0.000 | 0.070 | 0.000 | ||
N | 120 | 120 | 120 | 120 | 120 | 120 |
(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020)
Dựa vào kết quả phân tích trên, ta thấy:
- Giá trị Sig.(2-tailed) của các nhân tố mới đều bé hơn mức ý nghĩa α = 0.05, cho thấy sự tương quan có ý nghĩa giữa các biến độc lập và biến phụ thuộc.
- Hệ số tương quan Pearson cũng khá cao (có 4 nhân tố lớn hơn 0.5 và 1 nhân tố nhỏ hơn 0.5) nên ta có thể kết luận rằng các biến độc lập sau khi điều chỉnh có thể giải thích cho biến phụ thuộc “quyết định mua”.
2.2.7.2. Xây dựng mô hình hồi quy
Sau khi tiến hành phân tích nhân tố khám phá EFA để khám phá các nhân tố mới có ảnh hưởng đến biến phụ thuộc “quyết định mua”, nghiên cứu tiến hành hồi quy mô hình tuyến tính để xác định được chiều hướng và mức độ ảnh hưởng của các nhân tố mới này đến quyết định sử dụng.
Mô hình hồi quy được xây dựng gồm biến phụ thuộc là “quyết định mua” (QD) và các biến độc lập được rút trích từ nhân tố khám phá EFA gồm 5 biến: “chất lượng sản phẩm” (CL), “thương hiệu” (TH), “chuẩn chủ quan”(CQ), “giá cả”(GC), “Dịch vụ chăm sóc khách hàng” (CS) với các hệ số Bê-ta tương ứng lần lượt là β1, β2, β3, β4, β5
Mô hình hồi quy được xây dựng như sau:
QD= β0 + β1CL + β2TH + β3CQ + β4GC + β5CS + ei
Dựa vào hệ số Bê-ta chuẩn hóa với mức ý nghĩa Sig. tương ứng để xác định các biến độc lập nào có ảnh hưởng đến biến phụ thuộc trong mô hình và ảnh hưởng với mức độ ra sao, theo chiều hướng nào. Từ đó, làm căn cứ để kết luận chính xác hơn và đưa ra giải pháp mang tính thuyết phục cao. Kết quả của mô hình hồi quy sẽ giúp ta xác định được chiều hướng, mức độ ảnh của các nhân tố ảnh hưởng đến quyết định mua của khách hành đối với sản phẩm nội thất tại công ty Wood Park.
2.2.7.3. Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được chiều hướng và cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Trong giai đoạn phân tích hồi quy, nghiên cứu chọn phương pháp Enter, chọc lọc dựa trên tiêu chí chọn những nhân tố có mức ý nghĩa Sig. < 0.05. Những nhân tố nào có giá trị Sig. > 0.05 sẽ bị loại khỏi mô hình và không tiếp tục nghiên cứu nhân tố đó.
Kết quả phân tích hồi quy được thể hiện qua các bảng sau:
Bảng 2. 16: Hệ số phân tích hồi quy
Hệ số chưa chuẩn hóa | Hệ số chuẩn hóa | t | Sig. | VIF | ||
B | Độ lệch chuẩn | Beta | ||||
Hằng số | -0.283 | 0.414 | -0.684 | 0.495 | ||
GC | 0.163 | 0.079 | 0.149 | 2.056 | 0.042 | 1.477 |
TH | 0.263 | 0.096 | 0.194 | 2.741 | 0.007 | 1.401 |
CL | 0.454 | 0.076 | 0.439 | 5.999 | 0.000 | 1.497 |
CS | -0.042 | 0.036 | -0.073 | -1.182 | 0.240 | 1.053 |
CQ | 0.253 | 0.098 | 0.191 | 2.579 | 0.011 | 1.531 |
(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020)
Giá trị Sig. tại các phép kiểm định của các biến độc lập được đưa vào mô hình:
“chất lượng sản phẩm”, “thương hiệu” ,“chuẩn chủ quan”, “giá cả” đều nhỏ hơn
0.05 chứng tỏ các biến độc lập này có ý nghĩa thống kê trong mô hình. Riêng đối với biến độc lập “dịch vụ chăm sóc khách hàng” có giá trị Sig. là 0.240 > 0.05 nên bị loại khỏi mô hình hồi quy. Ngoài ra, hằng số trong mô hình có giá trị Sig. là 0.495 > 0.05 nên cũng sẽ bị loại.
Như vậy, phương trình hồi quy được xác định như sau:
QD= 0.439CL + 0.194TH + 0.191CQ + 0.149GC + ei
Nhìn vào mô hình hồi quy, ta có thể xác định rằng: có 4 nhân tố đó là “chất lượng sản phẩm”, “thương hiệu” , “chuẩn chủ quan”, “giá cả” ảnh hưởng đến “quyết định mua” của khách hàng tại Thành phố Huế đối với sản phẩm nội thất của công ty Nội Thất Wood Park.
Đề tài tiến hành giải thích ý nghĩa các hệ số bê-ta như sau:
Hệ số β1 = 0.439 có nghĩa là khi biến “Chất lượng sản phẩm” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Quyết định mua” biến động cùng chiều 0.439 đơn vị. Tương tự với các biến còn lại cũng giải thích như vậy. Hệ số β2 = 0.194 có nghĩa là khi biến “Thương hiệu” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Quyết định mua” biến động cùng chiều 0.191 đơn vị. Hệ số β3 = 0.191 có nghĩa là khi biến “Chuẩn chủ quan” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Quyết định mua” biến động cùng chiều 0.194 đơn vị. Hệ số β4 = 0.149 có nghĩa là khi biến “Giá cả” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Quyết định mua” biến động cùng chiều 0.149 đơn vị. Có một điểm chung của các biến độc lập này là đều ảnh hưởng thuận chiều với biến phụ thuộc là “Quyết định mua”, quyết định mua của khách hàng đối với sản phẩm nội thất sẽ được nâng cao khi những yếu tố ảnh hưởng này tăng. Điều này cho thấy công ty TNHH MTV Nội Thất Wood Park cần phải có những động thái nhằm kiểm soát các yếu tố này một cách cẩn thận hơn.
Dựa trên mô hình hồi quy, ta có hệ số Bê-ta chuẩn hóa của biến “Chất lượng sản phẩm” có giá trị là 0.439. Đây là nhân tố ảnh hưởng mạnh nhất đến quyết định mua của khách hàng tại thành phố Huế đối với sản phẩm nội thất của Wood Park, ngoài ra biến “Thương hiệu” và biến “Chuẩn chủ quan” cũng có mức ảnh hưởng khá lớn với hệ số Bê-ta tương ứng là 0.194 và 0.191. Biến còn lại là “Giá cả” cũng sẽ được khách