Trung bình thang đo nếu loại biến | Phương sai thang đo nếu loại biến | Tương quan biến tổng | Cronbach’s Alpha nếu biến loại | |
DEDANG2 | 13,34 | 1,787 | 0,728 | 0,810 |
DEDANG3 | 13,27 | 1,697 | 0,820 | 0,771 |
DEDANG4 | 13,33 | 1,651 | 0,819 | 0,769 |
Thành phần Đặc điểm hàng hóa: Cronbach Alpha = 0,800 | ||||
HANGHOA1 | 10,98 | 4,281 | 0,292 | 0,870 |
HANGHOA2 | 11,30 | 2,697 | 0,753 | 0,673 |
HANGHOA3 | 11,21 | 3,338 | 0,584 | 0,763 |
HANGHOA4 | 11,36 | 2,270 | 0,875 | 0,594 |
Thành phần Cấu trúc (thiết kế) trang web: Cronbach Alpha = 0,925 | ||||
WEB1 | 19,84 | 4,747 | 0,714 | 0,921 |
WEB2 | 19,96 | 4,714 | 0,829 | 0,906 |
WEB3 | 19,95 | 4,665 | 0,823 | 0,906 |
WEB4 | 19,95 | 4,997 | 0,750 | 0,916 |
WEB5 | 20,05 | 4,622 | 0,794 | 0,910 |
WEB6 | 20,05 | 4,630 | 0,804 | 0,909 |
Thành phần Mức độ bảo mật, an toàn: Cronbach Alpha = 0,905 | ||||
ANTOAN1 | 11,56 | 1,763 | 0,780 | 0,884 |
ANTOAN2 | 11,40 | 2,062 | 0,785 | 0,882 |
ANTOAN3 | 11,48 | 1,782 | 0,871 | 0,846 |
ANTOAN4 | 11,49 | 2,001 | 0,733 | 0,896 |
Thành phần Dịch vụ khách hàng: Cronbach Alpha = 0,854 | ||||
DICHVU1 | 16,37 | 2,686 | 0,717 | 0,811 |
DICHVU2 | 16,40 | 2,982 | 0,765 | 0,804 |
DICHVU3 | 16,01 | 2,941 | 0,596 | 0,844 |
DICHVU4 | 16,33 | 2,934 | 0,662 | 0,826 |
Có thể bạn quan tâm!
-
Mô Hình Của Schaupp And Bélanger (2005) -
Phân Tích Hồi Quy Tuyến Tính Bội Và Kiểm Định Mô Hình -
Kiểm Định Giả Thuyết Về Độ Phù Hợp Của Mô Hình -
Giả Định Liên Hệ Tuyến Tính Và Phương Sai Bằng Nhau -
Tăng Cường Chất Lượng Thông Tin Sản Phẩm/dịch Vụ -
Davis, D. Fred, And Arbor, Ann. (1989), Perceived Usefulness, Perceived Ease Of Use, And User Acceptance Of Information Technology. Mis Quarterly September 1989.
Xem toàn bộ 102 trang tài liệu này.
Trung bình thang đo nếu loại biến | Phương sai thang đo nếu loại biến | Tương quan biến tổng | Cronbach’s Alpha nếu biến loại | |
DICHVU5 | 16,00 | 3,035 | 0,625 | 0,835 |
Thành phần sự hài lòng của khách hàng khi mua sắm trực tuyến: Cronbach Alpha = 0,757 | ||||
HAILONG1 | 11,25 | 1,362 | 0,424 | 0,768 |
HAILONG2 | 11,33 | 1,057 | 0,561 | 0,708 |
HAILONG3 | 11,33 | 1,106 | 0,475 | 0,664 |
HAILONG4 | 11,34 | 1,093 | 0,523 | 0,648 |
Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả
Thành phần sự thuận tiện có hệ số Cronbach Alpha là 0,859 và hệ số tương quan biến tổng của các biến (DEDANG1, DEDANG2, DEDANG3, DEDANG4) đều lớn hơn 0,3 đồng thời các biến (DEDANG2, DEDANG3, DEDANG4) có Cronbach Alpha if Items Deleted đều nhỏ hơn Cronbach Alpha ban đầu nên ta không loại biến nào. Riêng ở mục Cronbach Alpha if Items Deleted có biến DEDANG1 lớn hơn Cronbach Alpha ban đầu (0,908>0,859) nhưng ta vẫn không loại biến này vì khi bỏ biến này đi thì Cronbach Alpha mới tăng lên không đáng kể (chỉ 0,049). Vì vậy 4 biến này đều được sử dụng cho phân tích nhân tố khám phá tiếp theo.
Thành phần hàng hóa có hệ số Cronbach Alpha là 0,800 và hệ số tương quan biến tổng của các biến (HANGHOA2, HANGHOA3, HANGHOA4) đều lớn hơn 0,3. Riêng biến HANGHOA1lại có hệ số tương quan biến tổng là 0,292 ≈ 0,3. Đồng thời ở mục Cronbach Alpha if Items Deleted biến này lớn hơn Cronbach Alpha ban đầu (0,870>0,800) chứng tỏ khi bỏ biến này đi thì Cronbach Alpha mới tăng lên không đáng kể (chỉ 0,07) nên ta quyết định sẽ không loại bỏ biến này. Các biến còn lại có Cronbach Alpha if Items Deleted đều nhỏ hơn Cronbach Alpha ban đầu nên ta không loại biến nào. Vì vậy, 4 biến này đều được sử dụng cho phân tích nhân tố khám phá tiếp theo.
Thành phần cấu trúc thiết kế trang web có hệ số Cronbach Alpha là 0,925 và hệ số tương quan biến tổng của các biến (WEB1, WEB2, WEB3, WEB4, WEB5, WEB6)
đều lớn hơn 0,3. Đồng thời ở mục Cronbach Alpha if Items Deleted đều nhỏ hơn Cronbach Alpha ban đầu nên ta cũng không loại biến nào. Vậy 6 biến này được sử dụng cho phân tích nhân tố khám phá tiếp theo.
Thành phần mức độ bảo mật, an toàn có hệ số Cronbach Alpha là 0,905 và hệ số tương quan biến tổng của các biến (ANTOAN1, ANTOAN2, ANTOAN3, ANTOAN4) đều lớn hơn 0,3. Đồng thời ở mục Cronbach Alpha if Items Deleted đều nhỏ hơn Cronbach Alpha ban đầu nên ta cũng không loại biến nào. Vì vậy, 4 biến này được sử dụng cho phân tích nhân tố khám phá tiếp theo.
Thành phần dịch vụ khách hàng có hệ số Cronbach Alpha là 0,854 và hệ số tương quan biến tổng của các biến (DICHVU1, DICHVU2, DICHVU3, DICHVU4, DICHVU5) đều lớn hơn 0,3. Đồng thời ở mục Cronbach Alpha if Items Deleted đều nhỏ hơn Cronbach Alpha ban đầu nên ta cũng không loại biến nào.
Kết quả đánh giá sự hài lòng của khách hàng mua sắm trực tuyến có hệ số Cronbach Alpha là 0,757 và có hệ số tương quan biến tổng của các biến (HAILONG1, HAILONG2, HAILONG3, HAILONG4) đều lớn hơn 0,3 (nhỏ nhất là 0,424). Vì vậy các biến này đều được sử dụng cho phân tích khám phá nhân tố tiếp theo.
Kết luận: Đảm bảo độ tin cậy để tiến hành phân tích nhân tố khám phá (EFA).
4.2.2. Phân tích nhân tố khám phá (EFA)
Tiến hành phân tích nhân tố sau khi đánh giá độ tin cậy của thang đo.
Ban đầu, chúng ta có 23 biến quan sát, thông qua hệ số Cronbach Alpha biến quan sát còn lại vẫn là 23 biến phù hợp cho phân tích nhân tố khám phá.
Phân tích nhân tố khám phá EFA là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Ngoài ra, phân
tích nhân tố còn dựa vào hệ số Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc. Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (Component matrix) hay ma trận nhân tố khi các nhân tố được xoay (Rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức các nhân tố). Những hệ số tải nhân tố (Factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố Pricipal Components nên các hệ số tải nhân tố phải có trọng số lớn hơn
0,5 thì mới đạt yêu cầu.
Phân tích khám phá nhân tố với các nhân tố ảnh hưởng tới sự hài lòng của khách hàng mua hàng trực tuyến có kết quả như tại phụ lục 4. Để đáp ứng được phân tích nhân tố thì các biến phải có liên hệ với nhau. Nếu hệ số tương quan nhỏ thì có thể dẫn đến phân tích nhân tố không thích hợp. Ngoài ra chúng ta còn sử dụng Bartlett’s Test of Sphericity để kiểm định giả thuyết H0: không có mối tương quan với nhau trong tổng thể.
Bảng 4.2: Hệ số KMO và Bartlett’s Test
.852 | ||
Approx. Chi-Square | 4889.021 | |
Bartlett's Test of Sphericity | df | 253 |
Sig. | .000 |
Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả
Theo Bảng 4.2 ta thấy Sig = 0,000 rất nhỏ so với mức ý nghĩa 1% nên giả thuyết H0 bị bác bỏ tức là giữa các biến có mối liên hệ với nhau. Đồng thời hệ số KMO = 0,852 chứng tỏ mô hình phân tích nhân tố là phù hợp.
Bảng 4.3: Kết quả phân tích EFA
Nhân tố | |||||
1 | 2 | 3 | 4 | 5 | |
DEDANG1 | 0,517 | ||||
DEDANG2 | 0,836 | ||||
DEDANG3 | 0,871 | ||||
DEDANG4 | 0,880 | ||||
HANGHOA1 | 0,451 | ||||
HANGHOA2 | 0,885 | ||||
HANGHOA3 | 0,779 | ||||
HANGHOA4 | 0,948 | ||||
WEB1 | 0,697 | ||||
WEB2 | 0,815 | ||||
WEB3 | 0,821 | ||||
WEB4 | 0,768 | ||||
WEB5 | 0,843 | ||||
WEB6 | 0,853 | ||||
ANTOAN1 | 0,738 | ||||
ANTOAN2 | 0,780 | ||||
ANTOAN3 | 0,779 | ||||
ANTOAN4 | 0,723 | ||||
DICHVU1 | 0,668 | ||||
DICHVU2 | 0,671 | ||||
DICHVU3 | 0,808 | ||||
DICHVU4 | 0,612 | ||||
DICHVU5 | 0,782 |
Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả
Số lượng nhân tố: Theo tiêu chuẩn Eigenvalue thì có 5 nhân tố được rút ra. Và 5 nhân tố này giải thích được 71,175% (>50%) sự biến thiên của dữ liệu. Bảng Communalities cho biết các thông tin có liên quan sau khi số lượng nhân tố được rút ra. Nó cho biết các Communalities của các biến tức là phần biến thiên được giải thích
bởi các nhân tố chung. Việc giải thích kết quả được tăng cường bằng cách xoay các nhân tố.
Theo bảng 4.3: Ma trận xoay các nhân tố từ kết quả phân tích EFA cho thấy có 23 biến được rút trích thành 5 nhân tố và đặt tên như sau:
Nhân tố 1: Cấu trúc thiết kế trang web gồm 6 biến quan sát (WEB1, WEB2, WEB3, WEB4, WEB5, WEB6)
Nhân tố 2: Mức độ bảo mật, an toàn gồm 4 biến quan sát (ANTOAN1, ANTOAN2, ANTOAN3, ANTOAN4)
Nhân tố 3: Dịch vụ khách hàng gồm 5 biến quan sát (DICHVU1, DICHVU2, DICHVU3, DICHVU4, DICHVU5)
Nhân tố 4: Sự thuận tiện gồm 4 biến quan sát (DEDANG1, DEDANG2, DEDANG3, DEDANG4).
Nhân tố 5: Hàng hóa gồm 4 biến quan sát (HANGHOA1, HANGHOA2, HANGHOA3, HANGHOA4).
Bảng 4.4: Kết quả phân tích EFA sự hài lòng của khách hàng
Nhân tố | |
1 | |
HAILONG1 | 0,644 |
HAILONG2 | 0,767 |
HAILONG3 | 0,805 |
HAILONG4 | 0,824 |
Eigenvalue | 2,330 |
Phương sai rút trích (%) | 58,244 |
KMO | 0,503 |
Sig. | 0,000 |
Nguồn: Tổng hợp kết quả xử lý dữ liệu điều tra của tác giả
Kết quả phân tích nhân tố đối với thang đo sự hài lòng của khách hàng được thể hiện tại bảng 4.4. Hệ số KMO = 0,503 và Sig.= 0,000<1%, do vậy phân tích nhân tố với biến này là thích hợp. Một nhân tố được trích rút tại eigenvalue là 2,330, phương sai rút là 58,244% và các hệ số tải đều lớn hơn 0,5. Như vậy, các biến quan sát của thang đo này đạt yêu cầu cho phân tích tiếp theo.
Từ mô hình ban đầu với 23 biến quan sát khi phân tích Cronbach Alpha. Sau khi phân tích EFA trên 23 biến này được gom thành 5 nhân tố nên ta có mô hình như sau:
Hình 4.6 Mô hình nghiên cứu sau khi phân tích Cronbach Alpha và phân tích nhân tố EFA
Nguồn: Tổng hợp từ nghiên cứu của tác giả
4.2.3. Phân tích tương quan và hồi quy tuyến tính bội
Căn cứ vào mô hình nghiên cứu đã điều chỉnh ta có phương trình hồi quy tuyến tính bội được thể hiện như sau:
Sự hài lòng của khách hàng = β0 + β1 * Cấu trúc (thiết kế) trang web + β2 * Mức độ bảo mật, an toàn + β3 * Dịch vụ khách hàng + β4 * Sự thuận tiện + β5 * Đặc điểm hàng hóa
Trong đó: β0: Hằng số
β1, β2, β3, β4, β5: Các hệ số hồi quy riêng phần
4.2.3.1. Phân tích tương quan
Bước đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội là xem xét các mối tương quan tuyến tính giữa tất cả các biến. Ma trận tương quan được xây dựng tại phụ lục 6 và kết quả hệ số tương quan được trình bày tại bảng 4.5 như sau:
Bảng 4.5: Ma trận tương quan giữa các biến
Sự hài lòng | Cấu trúc (thiết kế) trang web | Mức độ bảo mật, an toàn | Dịch vụ khách hàng | Sự thuận tiện | Đặc điểm hàng hóa | ||
Tương quan Pearson | Sự hài lòng | 1,000 | 0,557 | 0,675 | 0,585 | 0,533 | 0,386 |
Cấu trúc (thiết kế) trang web | 0,557 | 1,000 | 0,588 | 0,434 | 0,477 | 0,092 | |
Mức độ bảo mật, an toàn | 0,675 | 0,588 | 1,000 | 0,610 | 0,522 | 0,072 | |
Dịch vụ khách hàng | 0,585 | 0,434 | 0,610 | 1,000 | 0,400 | 0,019 | |
Sự thuận tiện | 0,533 | 0,477 | 0,522 | 0,400 | 1,000 | 0,002 | |
Đặc điểm hàng hóa | 0,386 | 0,092 | 0,072 | 0,019 | 0,002 | 1,000 | |
Sig. (1- tailed) | Sự hài lòng | . | 0,000 | 0,000 | 0,000 | 0,000 | 0,000 |
Cấu trúc (thiết kế) trang web | 0,000 | . | 0,000 | 0,000 | 0,000 | 0,031 | |
Mức độ bảo mật, an toàn | 0,000 | 0,000 | . | 0,000 | 0,000 | 0,026 | |
Dịch vụ khách hàng | 0,000 | 0,000 | 0,000 | . | 0,000 | 0,000 | |
Sự thuận tiện | 0,000 | 0,000 | 0,000 | 0,000 | . | 0,043 | |
Đặc điểm hàng hóa | 0,000 | 0,071 | 0,126 | 0,380 | 0,489 | . | |
N | Sự hài lòng | 257 | 257 | 257 | 257 | 257 | 257 |
Cấu trúc (thiết kế) trang web | 257 | 257 | 257 | 257 | 257 | 257 | |
Mức độ bảo mật, an toàn | 257 | 257 | 257 | 257 | 257 | 257 | |
Dịch vụ khách hàng | 257 | 257 | 257 | 257 | 257 | 257 | |
Sự thuận tiện | 257 | 257 | 257 | 257 | 257 | 257 | |
Đặc điểm hàng hóa | 257 | 257 | 257 | 257 | 257 | 257 |
Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả