Qua bảng trên ta thấy biến phụ thuộc MO và các biến độc lập là STH, SHD, STK, QTHD, SCS có mối tương quan với nhau, giá trị Sig. < 0,05 cho thấy sự tương quan này có ý nghĩa về mặt thống kê, hệ số tương quan giữa biến phụ thuộc “Sự chấp nhận” và các biến độc lập còn lại khá cao, 5 biến này sẽ được đưa vào mô hình hồi quy để giải thích sự chấp nhận lựa chọn công cụ Markteting Online của khách hàng.
2.3.5.2. Phân tích hồi quy
Sau khi xem xét mức độ tương quan giữa các biến, mô hình lý thuyết phù hợp cho nghiên cứu gồm biến quan sát và đánh giá chung về “Sự chấp nhận” của khách hàng. Trong đó, đánh giá chung về “Sự chấp nhận” là biến phụ thuộc, các biến còn lại là biến độc lập.
Mô hình hồi quy xây dựng như sau:
MO = β1 + β2 STH + β3 SHD + β4 STK + β5 QTHD + β6 SCS
Trong đó:
β Là hệ số hồi quy riêng tương ứng với các biến độc lập
MO: Giá trị của biến phụ thuộc “Sự chấp nhận” lựa chọn công cụ Marketing Online của khách hàng.
STH: Giá trị biến độc lập “Sự thu hút” SHD: Giá trị biến độc lập “Sự hấp dẫn” STK: Giá trị biến độc lập “Sự tìm kiếm”
QTHD: Giá trị biến độc lập “Quá trình hành động”
SCS: Giá trị biên độc lập “Sự chia sẻ”
Các giả thuyết của mô hình hồi quy được điều chỉnh như sau:
- Giả thuyết H1: Nhóm yếu tố “Sự thu hút” có ảnh hưởng tích cực đến sự chấp nhận lựa chọn công cụ Marketing Online của công ty Philip Entertainment
- Giả thuyết H2: Nhóm yếu tố “Sự hấp dẫn” có ảnh hưởng tích cực đến sự chấp nhận lựa chọn công cụ Marketing Online của công ty Philip Entertainment
- Giả thuyết H3: Nhóm yếu tố “Sự tìm kiếm” có ảnh hưởng tích cực đến sự chấp
nhận lựa chọn công cụ Marketing Online của công ty Philip Entertainment
- Giả thuyết H4: Nhóm yếu tố “Quá trình hành động” có ảnh hưởng tích cực đến sự chấp nhận lựa chọn công cụ Marketing Online của công ty Philip Entertainment
- Giả thuyết H5: Nhóm yếu tố “Sự chia sẻ” có ảnh hưởng tích cực đến sự chấp nhận lựa chọn công cụ Marketing Online của công ty Philip Entertainment
Phương pháp hồi quy tuyến tính bội với toàn bộ các biến độc lập được đưa vào cùng lúc (Phương pháp Enter) cho thấy mô hình hồi quy thích hợp sử dụng để kiểm định mô hình lý thuyết.
Bảng 2. 26: Thống kê phân tích của hệ số hồi quy
Hệ số R | Hệ số R2 | Hệ số R2 hiệu chỉnh | Sai số chuẩn của ước lượng | Durbin - Watson | |
1 | 0,885a | 0,783 | 0,775 | 0,35749 | 1,941 |
a. Các yếu tố dự đoán: (Hằng số), STH, SHD, STK, QTHD, SCS | |||||
b. Biến phụ thuộc: MO | |||||
Có thể bạn quan tâm!
-
Philip Entertainment Xuất Hiện Trên Báo Pháp Luật & Phát Triển -
Những Nguồn Thông Tin Khách Hàng Biết Đến Công Ty Philip Entertainment -
Thống Kê Mô Tả Các Biến Quan Sát Của Yếu Tố “Sự Chia Sẻ” -
Kiểm Định Sự Khác Biệt Về Giới Tính Đối Với Sự Chấp Nhận Hệ Thống Marketing Online -
Những Kênh Online Được Khách Hàng Sử Dụng Khi Tìm Kiếm Thông Tin -
Thống Kê Mô Tả Các Yếu Tố Biến Quan Sát Biến Độc Lập
Xem toàn bộ 144 trang tài liệu này.
(Nguồn: Kết quả xử lý số liệu SPSS)
Bảng 2. 27: Phân tích phương sai ANOVA
Mô hình | Tổng bình phương | df | Trung bình bình phương | F | Sig. | |
1 | Hồi quy | 57,298 | 5 | 11,460 | 89,668 | 0,000b |
Phần dư | 15,847 | 124 | 0,128 | |||
Tổng | 73,145 | 129 | ||||
a. Biến phụ thuộc: MO b. Các yếu tố dự đoán: ( Hằng số), STH, SHD, STK, QTHD, SCS | ||||||
(Nguồn: Kết quả xử lý số liệu SPSS)
Kiểm định F trong bảng phân tích phương sai (ANOVA) được sử dụng để kiểm
định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể.
Khi xây dựng xong 1 mô hình hồi quy tuyến tính ta xem xét sự phù hợp của mô hình đối với tập dữ liệu qua giá trị R square (sự phù hợp này chỉ thể hiện giữa mô hình bạn xây dựng với tập dữ liệu mẫu) để suy diễn cho mô hình thực của tổng thể thì kiểm định F sẽ giúp ta làm điều đó.
Kết quả sau khi thực hiện hồi quy, ta thấy rằng kiểm định F cho giá trị p-value (Sig.) = 0,000 < 0,05; như vậy mô hình phù hợp, có ý nghĩa suy rộng ra cho tổng thể. Hơn nữa, R2 hiệu chỉnh có giá trị bằng 0,775 = 77,5%; như vậy các biến độc lập đưa vào chạy hồi quy ảnh hưởng tới 77,5% sự thay đổi của biến phụ thuộc. Hay nói cách khác mô hình hồi quy giải thích được 77,5% sự biến thiên của biến phụ thuộc.
Như vậy, có thể xem mô hình này có giá trị giải thích ở mức độ cao.
Bảng 2. 28 Kết quả phân tích hồi quy
Hệ số hồi quy chưa chuẩn hóa | Hệ số hồi quy chuẩn hóa | t | Giá trị Sig. | Đa cộng tuyến | |||
B | Sai số chuẩn | Beta | Tolerance | VIF | |||
Hằng số | -0,960 | 0,216 | - 4,443 | 0,000 | |||
STH | 0,343 | 0,062 | 0,308 | 5,507 | 0,000 | 0,557 | 1,795 |
SHD | 0,350 | 0,063 | 0,290 | 5,543 | 0,000 | 0,639 | 1,564 |
STK | 0,127 | 0,044 | 0,147 | 2,886 | 0,005 | 0,672 | 1,488 |
QTHD | 0,176 | 0,047 | 0,188 | 3,770 | 0,000 | 0,703 | 1,422 |
SCS | 0,241 | 0,052 | 0,237 | 4,588 | 0,000 | 0,656 | 1,525 |
a. | Biến phụ thuộc: MO | ||||||
(Nguồn: Kết quả xử lý số liệu SPSS)
Hồi quy không có nhân tố nào bị loại bỏ do Sig. kiểm định t của từng biến độc lập
đều nhỏ hơn 0,05; chứng tỏ các biến độc lập này đều có ý nghĩa thống kê trong mô hình.
Kết quả phân tích hồi quy theo phương pháp Enter ở bảng cho thấy hiện tượng đa cộng tuyến không có ảnh hưởng đến kết quả giải thích mô hình với các hệ số phóng đại phương sai VIF của mỗi biến lớn hơn 1,000 (< 10). Quy tắc là khi VIF vượt quá 10 thì đó là dấu hiệu của đa cộng tuyến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 252). Trong một số tài liệu khác đưa ra điều kiện VIF < 4 là thỏa mãn điều kiện. Nhìn vào kết quả hồi quy cho thấy giá trị VIF của các biến độc lập đều bé hơn 2 nên có thể kết luận hiện tượng đa cộng tuyến giữa các biến độc lập không xảy ra.Dựa vào hệ số beta chuẩn hóa, có thể viết lại phương trình hồi quy như sau:
MO = -0,960 + 0,343 STH + 0,350 SHD + 0,127 STK + 0,176 QTHD + 0,241 SCS
Dựa vào mô hình hồi quy các nhân tố ảnh hưởng đến sự chấp nhận hệ thống Marketing Online của khách hàng, ta có thể nhận thấy mức độ ảnh hưởng của 5 nhân tố theo thứ tự như sau: “Sự hấp dẫn”, “Sự thu hút”, “Sự chia sẻ”, “Quá trình hành động”, “Sự tìm kiếm”.
Theo mô hình hồi quy có 5 nhân tố ảnh hưởng tới sự chấp nhận hệ thống Marketing Online của khách hàng:
Nhân tố “Sự hấp dẫn”
H0: Nhóm yếu tố “Sự hấp dẫn” không ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment
H1: Nhóm yếu tố “Sự hấp dẫn” có ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entainment
Dựa vào kết quả hồi quy ta thấy: Sig. = 0,000 < 0,05 nên bác bỏ lý thuyết H0. Kết luận nhóm yếu tố “Sự hấp dẫn” có ảnh hưởng tích cực đến sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment. Cụ thể khi biến “Sự hấp dẫn” tăng lên
1 đơn vị thì “Sự chấp nhận” sẽ tăng 0,350 đơn vị trong trường hợp không có sự ảnh hưởng của các biến độc lập khác.
Nhân tố “Sự thu hút”
H0: Nhóm yếu tố “Sự thu hút” không ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment
H1: Nhóm yếu tố “Sự thu hút” có ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entainment
Dựa vào kết quả hồi quy ta thấy: Sig. = 0,000 < 0,05 nên bác bỏ giả thuyết H0. Kết luận nhóm yếu tố “Sự thu hút” có ảnh hưởng tích cực đến sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment. Cụ thể khi biến “Sự thu hút” tăng lên 1 đơn vị thì “Sự chấp nhận” sẽ tăng 0,343 đơn vị trong trường hợp không có sự ảnh hưởng của các biến độc lập khác.
Nhân tố “Sự chia sẻ”
H0: Nhóm yếu tố “Sự chia sẻ” không ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment
H1: Nhóm yếu tố “Sự chia sẻ” có ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entainment
Dựa vào kết quả hồi quy ta thấy: Sig. = 0,000 < 0,05 nên bác bỏ lý thuyết H0. Kết luận nhóm yếu tố “Sự chia sẻ” có ảnh hưởng tích cực đến sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment. Cụ thể khi biến “Sự chia sẻ” tăng lên 1 đơn vị thì “Sự chấp nhận” sẽ tăng 0,241 đơn vị trong trường hợp không có sự ảnh hưởng của các biến độc lập khác.
Nhân tố “Quá trình hành động”
H0: Nhóm yếu tố “Quá trình hành động” không ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment
H1: Nhóm yếu tố “Quá trình hành động” có ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entainment
Dựa vào kết quả hồi quy ta thấy: Sig. = 0,000 < 0,05 nên bác bỏ lý thuyết H0. Kết luận nhóm yếu tố “Quá trình hành động” có ảnh hưởng tích cực đến sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment. Cụ thể khi biến “Sự tìm kiếm” tăng lên 1 đơn vị thì “Sự chấp nhận” sẽ tăng 0,176 đơn vị trong trường hợp không có sự ảnh hưởng của các biến độc lập khác.
Nhân tố “Sự tìm kiếm”
H0: Nhóm yếu tố “Sự tìm kiếm” không ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment
H1: Nhóm yếu tố “Sự tìm kiếm” có ảnh hưởng tích cực tới sự chấp nhận hệ thống Marketing Online tại công ty Philip Entainment
Dựa vào kết quả hồi quy ta thấy: Sig. = 0,023 < 0,05 nên bác bỏ lý thuyết H0. Kết luận nhóm yếu tố “Sự tìm kiếm” có ảnh hưởng tích cực đến sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment. Cụ thể khi biến “Sự tìm kiếm” tăng lên 1 đơn vị thì “Sự chấp nhận” sẽ tăng 0,127 đơn vị trong trường hợp không có sự ảnh hưởng của các biến độc lập khác.
Kết quả kiểm định sau hồi quy cho ta thấy có 5 yếu tố tác động cùng chiều lên biến phụ thuộc “Sự chấp nhận” là: “Sự hấp dẫn”, “Sự thu hút”, “Sự chia sẻ”, “Quá trình hành động” và “Sự tìm kiếm”. Trong đó, “Sự hấp dẫn” là yếu tó có sự tác động mạnh nhất và “Sự tìm kiếm” là yếu tố tác động yếu nhất.
Biểu đồ 2. 1 Tần số của phần dư chuẩn hóa
(Nguồn: Kết quả xử lý số liệu SPSS)
Biểu đồ 2. 2 Giả định phân phối chuẩn của phần dư
(Nguồn: Kết quả xử lý số liệu SPSS)
Sử dụng công cụ biểu đồ Histogram ta quan sát được phân phối của phần dư. Biểu đồ tần số của phần dư chuẩn hóa cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối dư với Mean = -4,33E – 15 và độ lệch chuẩn Std. Dev
= 0,980 tức gần bằng 1 nên ta có thể khẳng định phần dư có phân phối chuẩn.
Xem biểu đồ Normal P-P Plot trên, các trị số quan sát và trị số mong đợi đều nằm gần trên đường chéo chứng tỏ phần dư chuẩn hóa có phân phối chuẩn. Kiểm định bằng Biểu đồ P-P Plot thể hiện những giá trị của các điểm phân vị của phân phối của biến theo các phân vị của phân phối chuẩn. Quan sát mức độ các điểm thực tế tập trung sát đường thẳng kỳ vọng, cho thấy tập dữ liệu nghiên cứu là tốt, phần dư chuẩn hóa có phân phối gần sát phân phối chuẩn.
2.3.6. Kiểm định sự khác biệt trung bình về sự chấp nhận hệ thống Marketing Online tại công ty Philip Entertainment đối với các nhóm đối tượng khách hàng
2.3.6.1. Kiểm định sự khác biệt trung bình theo giới tính
Sử dụng kiểm định Independent – samples T – test để xem xét có sự khác biệt giữa các nhóm giới tính đối với “Sự chấp nhận” hay không.
Giả thuyết kiểm định:
(1) H0: Không có sự khác biệt về “Sự chấp nhận” giữa các nhóm giới tính của khách hàng (Sig. ≥ 0,05)
(2) H1: Có sự khác biệt về “Sự chấp nhận” giữa các nhóm giới tính của khách hàng (Sig. < 0,05)
(3) Nếu Sig. ≥ 0,05: giả thuyết H0 được chấp nhận
(4) Nếu Sig. < 0,05: giả thuyết H0 bị bác bỏ