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!
- Sơ Đồ Ban Lãnh Đạo Công Ty Cổ Phần Tập Đoàn Austdoor
- Kết Quả Hoạt Động Kinh Doanh Trong Giai Đoạn 2018-2020
- Đánh Giá Mức Độ Nhận Biết Thương Hiệu Cửa Cuốn Austdoor Trên Địa
- Mức Độ Đánh Giá Của Khách Hàng Về Các Nhóm Nhân Tố Trong Mô Hình
- Khả Năng Khách Hàng Sẽ Sử Dụng Sản Phẩm Trong Tương Lai
- Giải Pháp Đối Với Bao Bì Sản Phẩm Cửa Cuốn Austdoor
Xem toàn bộ 159 trang tài liệu này.
( 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
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 |
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
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 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 |
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
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
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
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: