Kiểm Định Kmo Và Bartlett’S Test Các Biến Độc Lập


Austdoor thông qua logo




Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor thông qua slogan

DG3

0,695

0,893

Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor thông qua quảng cáo

thương hiệu

DG4

0,732

0,888

Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor thông qua bao bì sản phẩm.

DG5

0,764

0,883

Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor.

DG6

0,809

0,877

Có thể bạn quan tâm!

Xem toàn bộ 159 trang tài liệu này.

Đánh giá mức độ nhận biết thương hiệu cửa cuốn Austdoor trên địa bàn thành phố Đà Nẵng - 12


( Nguồn: Số liệu điều tra và xử lý SPSS năm 2021)


Thang đo này bao gồm các yếu tố đánh giá chung về mức độ nhận biết thương hiệu cửa cuốn Austdoor. Kết quả phân tích cho kết quả Cronbach’s Alpha của các hệ số tương quan biến tổng của các biến quan sát thành phần đều lớn hơn 0,6 nên đạt yêu cầu về độ tin cậy. Bên cạnh đó, hệ số tương quan biến phù hợp vì tổng của các biến phân tích tiếp theo.

2.3.7. Phân tích nhân tố khám phá EFA


Thang đo các nhân tố đánh giá mức độ nhận diện thương hiệu cửa cuốn Austdoor bằng 21 biến quan sát cho 5 thành phần của thang đo. Phân tích nhân tố được sử dụng để đánh giá mức độ hội tụ của các biến quan sát theo các thành phần.

Phân tích nhân tố biến độc lập


Bảng 2.9: Kiểm định KMO và Bartlett’s Test các biến độc lập



KMO and Bartlett’s Test

Trị số KMO

0,830


Đại lượng thống kê Bartlett’s Test of

Sphericity

Approx. Chi-Square

1947,716

Df

210

Sig.

0,000

(Nguồn: Số liệu điều tra và xử lý SPSS năm 2021)


Với giả thuyết:


H0: Giữa 21 biến quan sát trong tổng thể không có mối tương quan với nhau. H1: Giữa 21 biến quan sát trong tổng thể có mối tương quan với nhau.

Kiểm định KMO và Bartlett’s trong phân tích nhân tố cho thấy giả thuyết Ho bị bác bỏ (sig = 0,000) và hệ số KMO là 0,830 (>0,5). Kết quả này chỉ ra rằng các biến quan sát trong tổng thể có mối tương quan với nhau và phân tích nhân tố là thích hợp.

Phân tích nhân tố khám phá EFA cho các nhân tố đánh giá mức độ nhận biết thương hiệu cửa cuốn Austdoor

Bảng 2.10: Ma trận xoay nhân tố


Rotated Component Matrixa

Biến quan sát

Hệ số tải nhân tố của các thành phần

1

2

3

4

5

TH3

0,833





TH1

0,827





TH2

0,812






TH5

0,753





TH4

0,732





BB4


0,894




BB2


0,894




BB1


0,819




BB3


0,817




LG3



0,884



LG4



0,854



LG2



0,807



LG1



0,760



QC1




0,856


QC3




0,822


QC2




0,799


QC4




0,791


SL4





0,853

SL2





0,787

SL1





0,782

SL3





0,765

Cumulative

%

16,820

31,806

46,021

59,666

73,016

Eigenvalues

3,532

3,147

2,985

2,865

2,803


(Nguồn: Kết quả xử lí SPSS năm 2021)


Kết quả phân tích nhân tố khám phá (sử dụng phương pháp trích Principal components với phép xoay Varimax) các nhân tố ảnh hưởng đến chất lượng thẩm định tài sản đảm bảo cho thấy, toàn bộ biến quan sát dùng để đo lường các các yếu tố ảnh hưởng được rút trích thành 06 nhân tố tại giá trị Eigenvalues = 2,803 và phương sai trích được là 73,016%. Cụ thể:

- Nhân tố thứ nhất: Gồm 05 biến quan sát: “Tên thương hiệu dễ đọc”, “Tên thương hiệu dễ nhớ”, “Tên thương hiệu ngắn gọn”, “Tên thương hiệu dễ liên tưởng”, “ Tên thương hiệu tạo ấn tượng” được trích lập thành một nhân tố với phương sai trích là 16,820% và Eigenvalue là 3,532. Nhân tố này được đặt tên là Tên thương hiệu (TH).

- Nhân tố thứ hai: gồm 04 biến quan sát: “Logo dễ nhận biết”, “Logo có sự khác biệt”, “Logo ấn tượng”, “Logo có màu sắc đặc biệt” được trích lập thành một nhân tố với phương sai trích là 31,806% và Eigenvalue là 3,147. Nhân tố này được đặt tên là Logo (LG)

- Nhân tố thứ ba: gồm 04 biến quan sát: “Slogan dễ nhớ”, “Slogan dễ đọc”, “Slogan ấn tượng”, “Slogan có màu sắc đặc biệt” được trích lập thành một nhân tố với phương sai trích là 46,021% và Eigenvalue 2,985. Nhân tố này được đặt tên là Slogan (SL)

- Nhân tố thứ tư: gồm 04 biến quan sát: “Quảng cáo đúng nội dung, dễ hiểu”, “Quảng cáo đúng thời điểm”, “Quảng cáo đúng thời điểm”, “Quảng cáo thông tin sản phẩm rò ràng” được trích lập thành một nhân tố với phương sai trích là 59,666% và Eigenvalue là 2,865. Nhân tố này được đặt tên là Quảng cáo thương hiệu (QC).

- Nhân tố thứ năm: Gồm 04 biến quan sát: “Bao bì sản phẩm có nội dung đầy đủ”, “Bao bì sản phẩm có nội dung rò ràng”, “Bao bì sản phẩm có tính thẩm mỹ cao”, “Bao bì sản phẩm có tính kỹ thuật cao” được trích lập thành một nhân tố với phương sai trích là 73,016% và Eigenvalue là 2,803. Nhân tố này được đặt tên là Bao bì sản


phẩm (BB).


Kết quả phân tích nhân tố khám phá với biến phụ thuộc


Bảng 2.11: Kết quả kiểm định KMO và Bartlett’s biến phụ thuộc Đánh giá chung


KMO and Bartlett’s Test

Trị số KMO

0,770

Đại lượng thống kê

Bartlett’s Test of

Sphericity

Approx. Chi-Square

644,019


Df

15


Sig

0,000

(Nguồn: Kết quả xử lí SPSS năm 2021)


Kết quả cho thấy hệ số KMO với giá trị là 0,770 > 0,5 nên đảm bảo phân tích nhân tố là phù hợp và thống kê Chi bình phương của kiểm định Bartlett’s đạt giá trị 644,019 với giá trị Sig bằng 0,000 < 0,05 nên có thể tiến hành phân tích nhân tố khám phá EFA với nhóm các biến quan sát đánh giá chung này.

Bảng 2.12.: Kết quả xoay nhân tố đánh giá


Component Matrixa


Component 1

Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor.(DG6)

0,877

Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor thông qua bao bì sản phẩm.(DG5)

0,839


Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor thông qua quảng cáo thương hiệu. (DG4)

0,822

Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor thông qua logo. (DG2)

0,810

Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn

Austdoor thông qua tên thương hiệu. (DG1)

0,802

Khách hàng dễ dàng nhận biết được thương hiệu cửa cuốn Austdoor thông qua slogan. (DG3)

0,790

Eigenvalues

4.071

Phương sai trích %

67,857


(Nguồn: Kết quả xử lí SPSS năm 2021)


2.3.8. Mô hình hồi quy các nhân tố ảnh hưởng đến sự nhận biết thương hiệu


Trên cơ sở các nhân tố hội tụ, tiến hành phân tích hồi quy nhằm xác định mức độ ảnh hưởng của các nhân tố đến sự nhận biết thương hiệu cửa cuốn Austdoor của khách hàng.

Mô hình nghiên cứu được biểu diễn dưới dạng phương trình hồi quy tuyến tính

đa biến như sau:


Y = β0 + β1F1 + β2F2 + β3F3 + β4F4 + β5F5 + e


Trong đó:


Y: Mức độ nhận biết thương hiệu cửa cuốn Austdoor


F1: Tên thương hiệu F2: Logo

F3: Slogan


F4: Quảng cáo thương hiệu F5: Bao bì sản phẩm

Βi: Hệ số hồi quy tương ứng với các biến độc lập Fi e: Sai số của mô hình

Bảng 2.13: Kết quả đánh giá độ giải thích của mô hình nghiên cứu


Kiểu

R

R bình

phương

R bình phương có

hiệu chỉnh

Phương sai lỗi ước tính

Hệ số Durbin - Watson

1

0,730ª

0,533

0,516

0,35210

1,634

(Nguồn: Số liệu điều tra và xử lý năm 2021)


Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), Hệ số R² và R² có hiệu chỉnh của mô hình phải đạt được lớn hơn 50% thì mô hình mới có ý nghĩa về mặt nghiên cứu. Kết quả hồi quy cho thấy rằng hệ số R² điều chỉnh (Adjusted R square) trong mô hình này là 0,516 thể hiện sự phù hợp của mô hình với tổng thể. Điều này nói lên độ thích hợp của mô hình là 51,6% hay nói cách khác là 51,6% sự biến thiên của biến phụ thuộc được giải thích chung bởi các biến độc lập trong mô hình, còn lại 48,4% ảnh hưởng là do các nhân tố khác.

Bảng 2.14: Kết quả kiểm định độ phù hợp của mô hình


ANOVAᵇ

Model

Sum of Squares

df

Mean Square

F

Sig


1

Regression

20,351

5

4,070

32,832

0,000ᵇ

Residual

17,852

144

0,124



Total

38,204

149




( Nguồn: Số liệu điều tra và xử lý năm 2021)


Với độ tin cậy 99% quan sát kết quả kiểm định độ phù hợp Sig. = 0,000 cho thấy rằng chúng ta bác bỏ giả thuyết là hệ số hồi quy của các biến độc lập bằng không và chấp nhận rằng hệ số hồi quy của các biến số hồi quy của các biến độc lập là khác không. Hay nói cách khác mô hình được xây dựng có ít nhất một biến độc lập có ảnh hưởng đến sự thay đổi và tác động lên biến phụ thuôc. Do đó hoàn toàn có thể tiến hành hồi quy để xác định mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc Y.

Bảng 2.15: Kết quả phân tích hồi quy đa biến



Model

Hệ số hồi quy

chưa chuẩn hóa

Hệ số hồi quy chuẩn

hóa


t


Sig.

Thống kê đa cộng tuyến

Hệ số chặn

Sai số chuẩn

Beta

Tolerance

Hệ số VIF


1

(Constant)

0,923

0,248


3.718

0,000



TH

0,183

0,047

0,263

3,866

0,000

0,699

1,431

LG

0,100

0,046

0,139

2,166

0,032

0,790

1,266

SL

0,193

0,050

0,257

3,878

0,000

0,740

1,351

QC

0,154

0,041

0,234

3.757

0,000

0,834

1,199

BB

0,141

0,017

0,187

3.017

0,003

0,843

1,186

(Nguồn: Số liệu điều tra và xử lý năm 2021)


Kết quả hồi quy đa biến cho thấy rằng các giá trị Sig. đều bé hơn 0,05 với độ tin cậy 99% có đủ bằng chứng để khẳng định rằng tất cả các nhân tố đều giải thích được sự thay đổi của biến phụ thuộc.

Mô hình hồi quy được biểu diễn thông qua phương trình sau:

Xem tất cả 159 trang.

Ngày đăng: 05/07/2022
Trang chủ Tài liệu miễn phí