Nhân tố | ||||||||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | |
SEP3 | ,725 | |||||||||||
HBS3 | ,951 | |||||||||||
HBS2 | ,765 | |||||||||||
HBS4 | ,751 | |||||||||||
HBS1 | ,723 | |||||||||||
VLD4 | ,912 | |||||||||||
VLD1 | ,872 | |||||||||||
VLD2 | ,796 | |||||||||||
VLD3 | ,577 | |||||||||||
HDO2 | ,876 | |||||||||||
HDO1 | ,797 | |||||||||||
HDO3 | ,780 | |||||||||||
HDO4 | ,756 | |||||||||||
SED3 | ,858 | |||||||||||
SED2 | ,848 | |||||||||||
SED4 | ,688 | |||||||||||
SED1 | ,589 | |||||||||||
ISD4 | ,838 | |||||||||||
ISD3 | ,798 | |||||||||||
ISD2 | ,734 | |||||||||||
ISD1 | ,601 | |||||||||||
BIC2 | ,842 | |||||||||||
BIC3 | ,732 | |||||||||||
BIC4 | ,698 | |||||||||||
BIC1 | ,625 | |||||||||||
CDO2 | ,949 | |||||||||||
CDO3 | ,786 | |||||||||||
CDO1 | ,697 | |||||||||||
UBS2 | ,915 | |||||||||||
UBS1 | ,719 | |||||||||||
UBS3 | ,693 |
Có thể bạn quan tâm!
-
Thang Đo Sự Gắn Kết Của Khách Hàng Với Các Cộng Đồng Thương Hiệu Trực Tuyến -
Mục Tiêu Của Nghiên Cứu Định Lượng Chính Thức -
Thống Kê Mô Tả Theo Khuynh Hướng Văn Hóa Cá Nhân/tập Thể -
Kiểm Định Sự Khác Biệt Giữa Các Thuộc Tính Phân Nhóm Với Sự Gắn Kết Của Khách Hàng Với Cộng Đồng Thương Hiệu Trực Tuyến -
Kết Quả Phân Tích Post-Hoc Test Anova Đối Với Biến Phụ Thuộc Be -
Mối Quan Hệ Giữa Nhu Cầu Giải Trí Với Sự Gắn Kết Của Khách Hàng Với Cộng Đồng Thương Hiệu Trực Tuyến
Xem toàn bộ 234 trang tài liệu này.
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
Tác giả tiếp tục sử dụng ma trận xoay nhân tố với phép xoay Promax trích 11 nhân tố với thành phần giống như thang đo nghiên cứu chính thức. Kết quả cho thấy các hệ số tải trên từng nhân tố đều đạt yêu cầu (lớn hơn 0.5). Các biến được phân vào các yếu tố chính thức ban đầu đều cùng thuộc 1 yếu tố như kết quả của ma trận xoay nhân tố, không có hiện tượng xáo trộn hoặc tách, gộp nhân tố (Bảng 4.6). Kết quả thang đo sau khi phân tích nhân tố khám phá được dùng để phân tích nhân tố khẳng định CFA ở bước tiếp theo.
4.2.2.2. Phân tích EFA biến phụ thuộc
Tác giả tiếp tục tiến hành phân tích nhân tố khám phá (EFA) cho biến phụ thuộc là sự gắn kết của khách hàng về nhận thức, về tình cảm và về hành vi với cộng đồng thương hiệu trực tuyến. Kết quả phân tích được thể hiện trong bảng 4.7 và 4.8.
Bảng 4.7. Trị KMO và kiểm định Barlett
KMO and Bartlett's Test
,810 | ||
Bartlett's Test of Sphericity | Approx. Chi-Square | 3768,971 |
df | 55 | |
Sig. | ,000 |
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
Ta thấy, hệ số KMO đạt 0,810 (lớn hơn 0,5) và giá trị Sig. ở kiểm định Bartlett
đạt 0,000 (nhỏ hơn 0,05), đạt yêu cầu để tiến hành phân tích nhân tố khám phá EFA.
Bảng 4.8. Ma trận xoay nhân tố
Nhân tố | |||
1 | 2 | 3 | |
BE2 | ,979 | ||
BE4 | ,895 | ||
BE3 | ,853 | ||
BE1 | ,745 | ||
CE2 | ,956 | ||
CE1 | ,905 | ||
CE3 | ,732 | ||
AE2 | ,871 | ||
AE3 | ,783 | ||
AE4 | ,739 | ||
AE1 | ,563 |
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
Ma trận xoay nhân tố với phép xoay Promax trích 3 nhân tố có thành phần giống như thang đo nghiên cứu chính thức. Kết quả cho thấy các hệ số tải trên từng nhân tố đều đạt yêu cầu (lớn hơn 0,5), không có các biến xấu. Các biến được phân vào các yếu tố chính thức ban đầu đều cùng thuộc một yếu tố.
Như vậy kết quả của phân tích nhân tố khám phá EFA đã xác định được 14 nhân tố, trong đó có 3 nhân tố cấu thành sự gắn kết của khách hàng với cộng đồng thương hiệu trực tuyến và 11 nhân tố thể hiện các yếu tố tác động đến sự gắn kết. Tất cả các nhân tố này tiếp tục được đưa vào phân tích nhân tố khẳng định CFA.
4.2.3. Kiểm định thang do bằng phân tích nhân tố khẳng định (CFA)
4.2.3.1. Kiểm định nhân tố khẳng định thang đo sự gắn kết của khách hàng với cộng đồng thương hiệu trực tuyến
Kết quả ma trận xoay nhân tố có được từ phân tích EFA được đưa vào phần mềm AMOS 20 để tiến hành kiểm định CFA. Bảng 4.6 thể hiện các chỉ số độ phù hợp của thang đo. Kết quả cho thấy các giá trị đều thỏa mãn. Theo Hair và cộng sự (2010), chỉ báo Chi-square/df nên nằm trong khoảng từ 1 đến 3, tuy nhiên trường hợp nếu mẫu có hơn 200 quan sát thì giá trị này có thể chấp nhận được nếu <5. Như vậy, giá trị của chỉ báo này của thang đo sự gắn kết với cộng đồng thương hiệu trực tuyến bằng 3,986 là phù hợp. Các chỉ báo CFI, GFI, TLI đều lớn hơn 0,9, như vậy mô hình phù hợp tốt. RMSEA bằng 0,079 <0,08 do đó mô hình phù hợp với tổng thể ở mức tốt. Như vậy, các thang đo sự gắn kết của khách hàng với cộng đồng thương hiệu trực tuyến có mức độ phù hợp ở mức tốt.
Bảng 4.9. Chỉ báo độ phù hợp của mô hình các nhân tố cấu thành sự gắn kết của khách hàng với cộng đồng thương hiệu trực tuyến
Giá trị | Giá trị so sánh | |
Chi-square/df | 3,986 | < 5 |
CFI | 0,967 | > 0,9 |
GFI | 0,941 | > 0,9 |
TLI | 0,956 | > 0,9 |
RMSEA | 0,079 | < 0,08 |
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
4.2.3.2. Kiểm định nhân tố khẳng định thang đo các nhân tố ảnh hưởng đến sự gắn kết của khách hàng với cộng đồng thương hiệu trực tuyến
Kết quả phân tích nhân tố khám phá EFA ở trên đã cho thấy các biến quan sát hội tụ về 11 nhân tố. Tất cả các biến quan sát đều có hệ số tải trên từng nhân tố đạt yêu cầu. Các điều kiện phân tích nhân tố đều thỏa mãn. Các nhân tố này sẽ được đưa vào phân tích nhân tố khẳng định CFA trước khi đưa vào mô hình hồi quy để ước lượng tác động.
Kết quả phân tích CFA cho thấy các giá trị đều thỏa mãn. Chỉ báo Chi- square/df bằng 2,122 <3 cho thấy mô hình là phù hợp (Hair và cộng sự, 2010). Các chỉ báo CFI, GFI, TLI đều lớn hơn 0,9, như vậy mô hình phù hợp tốt. RMSEA bằng 0.048
<0.08 do đó mô hình phù hợp với tổng thể ở mức tốt. Chỉ báo GFI = 0,848 mặc dù
<0,9 theo khuyến nghị của Hair và cộng sự (2010) nhưng vẫn lớn hơn 0,8 nên vẫn có thể chấp nhận được (Baumgartner và Homburg, 1995). Từ các kết quả phân tích trên có thể kết luận mô hình được đưa vào nghiên cứu là đáng tin cậy, phù hợp với dữ liệu khảo sát.
Bảng 4.10. Chỉ báo độ phù hợp của mô hình các nhân tố tác động đến sự gắn kết của khách hàng với OBC
Giá trị | Giá trị so sánh | |
Chi-square/df | 2,122 | < 5 |
CFI | 0,926 | > 0,9 |
GFI | 0,848 | > 0,8 |
TLI | 0,917 | > 0,9 |
RMSEA | 0,048 | < 0,08 |
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
4.2.3.3. Kiểm định độ tin cậy, giá trị hội tụ và phân biệt của các thang đo bằng CFA
Ở phần trước tác giả đã kiểm tra độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha. Các kết quả thu được cho thấy các thang đo đều đạt giá trị tin cậy. Để khẳng định lại độ tin cậy, giá trị hội tụ và phân biệt của các thang đo, tác giả tiếp tục tiến hành phân tích nhân tố khẳng định CFA.
Theo Hair và cộng sự (2010), độ tin cậy của thang đo được đánh giá thông qua 2 chỉ số là độ tin cậy tổng hợp (CR) và hệ số tải chuẩn hóa (Standardized Loading Estimates). Theo đó, hệ số tải chuẩn hóa phải >=0,5 và CR >= 0,7 thì thang đo mới đủ
độ tin cậy. Kết quả phân tích CFA cho thấy các thang đo cho 11 biến độc lập và 1 biến phân loại (COS) đều thoản mãn các tiêu chuẩn này, với chỉ số CR nhận các giá trị từ 0,818 đến 0,954 (bảng 4.8) và hệ số tải chuẩn hóa từ (Xem phụ lục 9). Như vậy, các thang đo đều đảm bảo độ tin cậy.
Cũng theo Hair và cộng sự (2010), để đảm bảo các thang đo đảm bảo tính hội tụ thì giá trị phương sai trích (AVE) phải >= 0,5. Kết quả phân tích CFA cho thấy giá trị AVE tương ứng với các nhân tố dao động từ 0,532 đến 0,806, do đó, thỏa mãn yêu cầu về tính hội tụ (Bảng 4.11).
Bảng 4.11. Độ tin cậy tổng hợp và hệ số tải chuẩn hóa theo CFA
CR | AVE | |
UBS | 0,865 | 0,682 |
COS | 0,954 | 0,806 |
PRT | 0,908 | 0,712 |
LMD | 0,896 | 0,683 |
SEP | 0,883 | 0,655 |
HBS | 0,882 | 0,653 |
VLD | 0,877 | 0,645 |
HDO | 0,878 | 0,643 |
SED | 0,850 | 0,587 |
ISD | 0,839 | 0,568 |
BIC | 0,818 | 0,532 |
CDO | 0,867 | 0,686 |
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
Để đánh giá giá trị phân biệt cần dựa vào 2 tiêu chí là phương sai riêng lớn nhất (MSV) < phương sai trung bình được trích (AVE) và căn bậc hai của AVE > các tương quan giữa hai khái niệm (Hair và cộng sự, 2010). Kết quả phân tích CFA cho thấy các tiêu chí nói trên đều được thỏa mãn. Phương sai trung bình được trích của từng khái niệm đều lớn hơn phương sai riêng lớn nhất (Bảng 4.12) và chỉ số căn bậc hai của phương sai trung bình được trích đều lớn hơn các tương quan giữa hai khái niệm (Phụ lục 4). Như vậy, các thang đo đều đạt giá trị phân biệt.
Bảng 4.12. Đánh giá tính phân biệt của thang đo
CR | AVE | MSV | |
CDO | 0,867 | 0,686 | 0,154 |
PRT | 0,908 | 0,712 | 0,092 |
LMD | 0,896 | 0,683 | 0,161 |
SEP | 0,883 | 0,655 | 0,233 |
HBS | 0,882 | 0,653 | 0,161 |
VLD | 0,877 | 0,645 | 0,151 |
HDO | 0,878 | 0,643 | 0,009 |
SED | 0,850 | 0,587 | 0,375 |
ISD | 0,839 | 0,568 | 0,240 |
BIC | 0,818 | 0,532 | 0,238 |
UBS | 0,865 | 0,682 | 0,375 |
COS | 0,954 | 0,806 | 0,018 |
Tóm lại, việc kiểm định độ phù hợp của mô hình nghiên cứu thông qua các chỉ số và các kiểm định về độ tin cậy, giá trị hội tụ cũng như giá trị phân biệt của hệ thống thang đo được sử dụng trong nghiên cứu cho phép khẳng định sự phù hợp của mô hình nghiên cứu với các dữ liệu điều tra. Đồng thời, các khái niệm có thể sử dụng tốt trong các phân tích tiếp theo.
4.3. Kiểm định tương quan các biến trong mô hình nghiên cứu
Để kiểm định tính phù hợp của mô hình nghiên cứu, tác giả tiến hành kiểm tra mối tương quan giữa các biến độc lập và các biến phụ thuộc. Likert là thang đo khoảng nên phân tích tương quan sử dụng hệ số Pearson. Với 483 quan sát, tương quan giữa sự gắn kết của khách hàng với các nhân tố nhu cầu được thể hiện ở bảng 4.13 dưới đây.
Bảng 4.13. Hệ số tương quan thang đo sự gắn kết của khách hàng với OBC
FAC1_BE | FAC2_AE | FAC3_CE | ||
FAC1_PRT | Pearson Correlation | -,110* | -,165** | -,215** |
Sig. (2-tailed) | ,016 | ,000 | ,000 | |
N | 483 | 483 | 483 | |
FAC2_LMD | Pearson Correlation | ,096* | ,253** | ,125** |
Sig. (2-tailed) | ,036 | ,000 | ,006 | |
N | 483 | 483 | 483 | |
FAC3_SEP | Pearson Correlation | ,269** | ,102* | ,181** |
Sig. (2-tailed) | ,000 | ,026 | ,000 | |
N | 483 | 483 | 483 | |
FAC4_HBS | Pearson Correlation | ,173** | ,171** | ,149** |
Sig. (2-tailed) | ,000 | ,000 | ,001 | |
N | 483 | 483 | 483 | |
FAC5_HDO | Pearson Correlation | ,040 | -,025 | -,012 |
Sig. (2-tailed) | ,381 | ,589 | ,787 | |
N | 483 | 483 | 483 | |
FAC6_VLD | Pearson Correlation | ,002 | ,269** | ,124** |
Sig. (2-tailed) | ,968 | ,000 | ,006 | |
N | 483 | 483 | 483 | |
FAC7_SED | Pearson Correlation | ,112* | -,081 | ,196** |
Sig. (2-tailed) | ,014 | ,076 | ,000 | |
N | 483 | 483 | 483 | |
FAC8_ISD | Pearson Correlation | ,116* | ,098* | ,147** |
Sig. (2-tailed) | ,011 | ,032 | ,001 | |
N | 483 | 483 | 483 | |
FAC9_BIC | Pearson Correlation | ,177** | ,090* | ,258** |
Sig. (2-tailed) | ,000 | ,049 | ,000 | |
N | 483 | 483 | 483 | |
FAC10_CDO | Pearson Correlation | ,180** | ,096* | ,215** |
Sig. (2-tailed) | ,000 | ,035 | ,000 | |
N | 483 | 483 | 483 | |
FAC11_UBS | Pearson Correlation | ,203** | -,115* | ,242** |
Sig. (2-tailed) | ,000 | ,012 | ,000 | |
N | 483 | 483 | 483 | |
*. Tương quan giữa 2 biến có ý nghĩa ở mức 5% | ||||
**. Tương quan giữa 2 biến có ý nghĩa ở mức 1% | ||||
Nguồn: Kết quả phân tích từ dữ liệu điều tra của tác giả
Kết quả phân tích cho thấy với mức ý nghĩa α= 0,05, tất cả hầu hết các biến trong mô hình đều có mối tương quan với các khía cạnh của sự gắn kết với giá trị của hệ số tương quan dao động từ -0,215 đến 0,269. Tuy nhiên, mức độ tương quan giữa các biến nhu cầu với các khía cạnh của sự gắn kết có sự khác biệt. Bên cạnh những nhân tố tương quan với cả 3 khía cạnh của sự gắn kết thì cũng có những nhân tố chỉ tương quan với khía cạnh này mà không tương quan với khía cạnh kia, ví dụ là nhu cầu được ghi nhận (VLD) chỉ tương quan với khía cạnh gắn kết về nhận thức và tình cảm, không tương quan với sự gắn kết về hành vi hay nhân tố nhu cầu tìm kiếm sự trợ giúp (SED) chỉ tương quan với sự gắn kết về nhận thức và hành vi mà không tương quan với sự gắn kết về tình cảm. Riêng nhân tố HDO (nhu cầu giúp đỡ người khác) không tương quan với cả 3 khía cạnh của sự gắn kết với α > 0,05. Sự liên quan của các nhân tố trong mô hình sẽ được kiểm định đầy đủ và rõ ràng hơn trong mô hình cấu trúc tuyến tính (SEM).
4.4. Kết quả kiểm định mô hình và các giả thuyết nghiên cứu
Kết quả của phân tích tương quan mới đã chỉ ra được mối liên hệ giữa các biến quan sát với sự gắn kết của khách hàng với OBC mà chưa chỉ rõ được mức độ ảnh hưởng của các nhu cầu này tới các khía cạnh của sự gắn kết. Do đó, tác giả tiếp tục sử dụng mô hình cấu trúc tuyến tính SEM để phân tích. Việc phân tích này sẽ giúp tác giả xác định được nhân tố nào đóng góp ít/nhiều hay không đóng góp vào sự thay đổi của biến phụ thuộc, ở đây là sự gắn kết của khách hàng với OBC, từ đó đưa ra các đề xuất thích hợp. Luận án đánh giá riêng từng biến phụ thuộc là CE (sự gắn kết về nhận thức của khách hàng với OBC), AE (sự gắn kết về tình cảm của khách hàng với OBC) và BE (sự gắn kết về hành vi của khách hàng với OBC) và các nhân tố tác động đến các biến phụ thuộc này.
4.4.1. Các chỉ số về sự phù hợp của mô hình
Khi sử dụng mô hình cấu trúc tuyến tính để ước lượng về mối quan hệ giữa các nhân tố, theo Hair và cộng sự (2010) có một số chỉ số bắt buộc phải báo cáo và các chỉ số này thường cung cấp thông tin đầy đủ để đánh giá mô hình gồm có: chỉ số khi bình phương ( 2 ), bậc tự do (df), CFI hoặc TLI và RMSEA. Ngoài ra, các chỉ số khi bình phương, bậc tự do được đánh giá chung bẳng chỉ số Chi-square/df với trị số nhỏ hơn 3 là tốt. Chỉ số RMSEA nhỏ hơn 0,05 tuy nhiên nếu như chỉ số này lớn hơn 0,05 nhưng vẫn nhỏ hơn 0,08 thì vẫn có thể chấp nhận được. Các chỉ số CFI và TLI có thể thay thế cho nhau với giá trị tối thiểu là 0,9.