Kiểm Định Kmo Và Bartlett’S Test Các Biến Phụ Thuộc

Bảng 2.6 Các nhóm nhân tố được rút ra



Nhân tố


1

2

3

4

5

Vị trí – cơ sở vật chất

CS6

0,871





CS4

0,840





CS1

0,751





CS3

0,740





CS2

0,732





CS5

0,670





Hiệu quả mong đợi

HQ3


0,844




HQ5


0,761




HQ1


0,744




HQ2


0,644




HQ4


0,617




Chi phí dịch vụ

CP2



0,894



CP1



0,876



CP4



0,811



CP3



0,603



Ảnh hưởng xã hội

AH1




0,827


AH3




0,811


AH2




0,799


Truyền thông quảng cáo

QC2





0,829

QC4





0,812

QC1





0,570

QC3





0,567

Eigenvalue

6,742

2,401

2,093

1,929

1,410

Cumulative %

30,645

41,560

51,072

59,842

66,250

Có thể bạn quan tâm!

Xem toàn bộ 152 trang tài liệu này.

(Nguồn: kết quả xử lí số liệu trên spss 22)

Dựa vào bảng ma trận xoay của các nhân tố ở trên ta thấy các biến quan sát thuộc các nhóm nhân tố đều có hệ số tải lớn hơn 0,5 là đạt tiêu chuẩn, phù hợp cho các nghiên cứu tiếp theo.

2.2.3.2 Phân tích nhân tố đối với biến phụ thuộc

Bảng 2.7. Kiểm định KMO và Bartlett’s Test các biến phụ thuộc


Trị số KMO

0,695


Đại lượng thống kê Bartlett’s Test of Sphericity

Approx.Chi-Square

110,473

Df

3

Sig

,000

(Nguồn: kết quả xử lí số liệu trên spss 22)

Kết quả cho thấy hệ số KMO với giá trị là 0,695 >0,5 nên đảm bảo phân tích nhân tố là phù hợp và thống kê Chi bình phương của kiểm định Bartlett’s Test đạt giá trị 110,473 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 này.

Nhân tố “ Quyết định sử dụng” có giá trị Eigenvalues bằng 2,175 > 1 , nhân tố quyết đính sử dụng giải thích được 71,911 biến thiên của dữ liệu.

Kết quả phân tích nhân tố khám phá rút trích ra được một nhân tố, nhân tố này

được tạo ra từ 5 biến quan sát mà đề tài đã đề xuất từ trước.

Nhận xét:

Quá trình phân tích nhân tố khám phá EFA trên đã xác định được 5 nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ CEI Co-working space của người dùng, đó chính là “ vị trí – cơ sở vật chất”. “chi phí dịch vụ” , “ảnh hưởng xã hội” , “truyền thông- quảng cáo” , “ hiệu quả mong đợi”.

Như vậy, mô hình nghiên cứu sau khi phân tích nhân tố khám phá EFA không có gì thay đổi so với ban đầu, không có biến quan sát nào bị loại bỏ ra khỏi mô hình phân tích EFA.

2.2.4 Phân tích hệ số tương quan Person – r (Person Correlation Coefficient)

Bảng 2.8 : Ma trận tương quan giữa các biến độc lập với biến quyết định sử dụng dịch vụ

Sự tương quan


QD

CS

CP

AH

QC

HQ


Quyết định Sử dụng

Tương quan

Person

1

0,551**

0,601**

0,571**

0,514**

0,539**

Sig. (2-

tailed)


0,000

0,000

0,000

0,000

0,000



Vị trí – cơ sở vật chất

Tương quan

Person

0,551**

1

0,314**

0,334**

0,303**

0,352**

Sig. (2-

tailed)

0,000


0,001

0,000

0,001

0,000



Chi phí dịch vụ

Tương quan

Person

0,601**

0,314**

1

0,331**

0,277**

0,319**

Sig. (2-

tailed)

0,000

0,001


0,000

0,003

0,001



Ảnh hưởng xã hội

Tương quan

Person

0,571**

0,334**

0,331**

1

0,457**

0,363**

Sig. (2-

tailed)

0,000

0,000

0,000


0,000

0,000



Truyền thông – quảng cáo

Tương quan

Person

0,514**

0,303**

0,277**

0,457**

1

0,340**

Sig. (2-

tailed)

0,000

0,001

0,003

0,000


0,000



Hiệu quả mong đợi

Tương quan

Person

0,539**

0,352**

0,319**

0,363**

0,340**

1

Sig. (2-

tailed)

0,000

0,000

0,001

0,000

0,000



(Nguồn: kết quả xử lí số liệu trên spss 22)

Qua bảng số liệu ta thấy biến phụ thuộc quyết định sử dụng dịch vụ với các biến độc lập có sự tương quan với nhau. Tất cả các biến đều có giá trị sig < 0,05. Vì vậy có sự tương quan với quyết định sử dụng dịch vụ và thể hiện cụ thể qua hệ số tương quan như sau: Vị trí – cơ sở vật chất (0,551), Chi phí dịch vụ (0,601), Ảnh hưởng xã hội (0,571), Truyền thông – quảng cáo (0,514), Hiệu quả mong đợi (0,539). Như vậy, ta có thể kết luận 5 biến độc lập này có thể đưa vào để giải thích biến phụ thuộc quyết định sử dụng dịch vụ.

2.2.5 Phân tích hồi quy

Phương pháp kiểm định được sử dụng là hàm hồi quy tuyến tính bội và phương pháp đưa vào một lượt (enter).

Để đánh giá độ phù hợp của mô hình hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được xem xét R2 sẽ tăng lên khi đưa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao.

Bảng 2.9 Hệ số xác định độ phù hợp của mô hình


Mô hình khái quát

hình

R

R2

Hiệu chỉnh

R2

Ước lượng sai số

chuẩn

Trị số thống kê Durbin -

Watson

1

0,816a

0,665

0,650

0,32261

1,665

Biến độc lập: (Constant), HQ, CP, QC, CS, AH

Biến phụ thuộc: QD

(Nguồn: kết quả xử lí số liệu trên spss 22)

Giá trị Durbin – Watson là 1,665 nằm trong khoảng (1;3) cho thấy mô hình nghiên cứu của đề tài không có sự tương quan nhau.

Kết quả phân tích hồi quy tuyến tính cho thấy mô hình có R2 = 0,665 và R2 được điều chỉnh = 0,650. Ta nhận thấy R2 hiệu chỉnh nhỏ hơn R2 nên ta dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). R2 được điều chỉnh = 0,650 nói lên độ thích hợp của mô hình là 65,0% hay nói cách khác là 65,0% sự biến thiến của biến “ Quyết định sử dụng “ được giải thích chung của 5 biến độc lập. Như vậy, mô hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.

2.2.6 Kiểm định sự phù hợp của mô hình

Bảng 2.10 kết quả phân tích ANOVA


ANOVAa


Mô hình

Tổng bình

phương

Bậc tự

do (df)

Bình phương trung bình

Thống kê F

Mức ý nghĩa (Sig).


1

Hồi

quy

22,347

5

4,469

42,944

0,000b

Phần

11,240

108

0,104



Tổng

33,588

113




Biến độc lập: (Constant), HQ, CP, QC, CS, AH

Biến phụ thuộc: QD

(Nguồn: kết quả xử lí số liệu trên spss 22)

Kiểm định F sử dụng trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý nghĩa của kiểm định này là mối quan hệ tuyến tính giữu biến phụ thuộc và các biến độc lập. Phân tích ANOVA cho thấy thông số F = 42,944 có mức ý nghĩa (Sig) = 0,000, điều này chứng tỏ rằng mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập được tất cả các biến đưa vào đều có ý nghĩa và mặt thống kê với mức ý nghĩa 5%. Như vậy các biến độc lập trong mô hình có quan hệ với biến phụ thuộc “quyết định sử dụng”.

Hệ số Beta (chuẩn hóa ) của các yếu tố tác động đến quyết định sử dụng dịch vụ được thể hiện trong bảng sau.

Bảng 2.11 Hệ số Beta


Hệ số Beta


Mô hình

Hệ số chưa

chuẩn hóa

Hế số chuẩn

hóa


Kiểm định T- person


Mức ý nghĩa thống kê (Sig)


Phân tích đa cộng tuyến

Hệ số B

Sai số chuẩn


Beta

Độ chấp nhận của

biến

Hệ số phóng

đại phương

sai (VIF)


(Hằng

số)

-

0,408

0,310


-1,316

0,191

-1,023

0,207

CS

0,215

0,055

0,246

3,927

0,000

0,106

0,323

CP

0,327

0,060

0,336

5,436

0,000

0,208

0,446

AH

0,202

0,060

0,223

3,355

0,001

0,083

0,322

QC

0,179

0,066

0,176

2,715

0,008

0,048

0,309

HQ

0,187

0,058

0,204

3,210

0,002

0,072

0,303

(Nguồn: kết quả xử lí số liệu trên spss 22)

Mô hình hồi quy tuyến tính được phân tích theo hệ số Beta chuẩn hóa có dạng

như sau:

QDSD = 0,246CS + 0,336CP + 0,223AH + 0,176QC + 0,214HQ

Kết quả cho thấy nhân tố “chi phí dịch vụ” có hệ số Beta chuẩn hóa cao nhất (0,336) nên có tác động mạnh nhất đến quyết định sử dụng dịch vụ của khách hàng. Kế tiếp là nhân tố “vị trí – cơ sở vật chất” (0,246), “ảnh hưởng xã hội “ (0,223), “hiệu quả mong đợi” ( 0,204) và “ truyền thông – quảng cáo” (0,176) cũng tác động đáng kể đến quyết định sử dụng của người dùng.

Xem xét đa cộng tuyến

Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị hệ số phóng đại phương sai (VIP – Variance Inflation Factor) lớn hơn hay bằng 10.

Bảng 2.12. Đa cộng tuyến



Mô hình


Sig.

Khoảng tin cậy 95,0%

Thống kê cộng gộp

Lower Bound

Upper Bound

Tolerance

VIF


1

(hằng số)

0,191

-1,023

0,207



CS

0,000

0,106

0,323

0,790

1,266

CP

0,000

0,208

0,446

0,811

1,232

AH

0,001

0,083

0,322

0,702

1,425

QC

0,008

0,048

0,309

0,738

1,355

HQ

0,002

0,072

0,303

0,764

1,309

Biến phụ thuộc : QD

(Nguồn: kết quả xử lí số liệu trên spss 22)

Từ kết quả phân tích trên, ta có thể thấy giá trị VIF của mô hình nhỏ hơn (trên dưới giá trị 2) nên nghiên cứu kết luận rằng mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến

Kiểm định phân phối chuẩn của phần dư

Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: Sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích. Vì vậy chúng ta phải tiến hành kiểm định phân phối chuẩn phần dư để xem xét sự phù hợp của mô hình đưa ra.

Từ biểu đồ trích từ kết quả phân tích hồi quy, ta có thể thấy rằng phần dư tuân theo phân phối chuẩn. Với giá trị Mean xấp xỉ 3,96 – 15 và giá trị Std.Dev là 0,978. Nhìn vào biểu đồ ta có thể thấy được số liệu phân phối khá đều 2 bên


2 2 7 Kiểm định các giả thuyết của mô hình Kết quả phân tích Phương sai ở 3

2.2.7 Kiểm định các giả thuyết của mô hình.

Kết quả phân tích Phương sai ở bảng ANOVA thể hiện giá trị F = 42,944 và mức ý nghĩa (Sig) = 0,000 rất nhỏ so với mức ý nghĩa 0,005, điều này chứng tỏ rằng mô hình hồi quy khi xây dựng là phù hợp với bộ dữ liệu thu thập được với độ tin cậy 95%. Tuy nhiên, điều này không có nghĩa các biến độc lập đưa vào mô hình đều có ý nghĩa, để xác định biến độc lập nào có ý nghĩa chúng ta tiến hành kiểm định các giả thuyết.

- H1: Vị trí – cơ sở vật chất có tác động đến quyết định lựa chọn sử dụng dịch vụ CEI Co-working space của người dùng.

Hệ số hồi quy là 0,336 và có mức ý nghĩa là 0,000 nhỏ hơn 0,05. Vì vậy giả thuyết H1 được chấp nhận hay nói cách khác sự tác động của vị trị - cơ sở vật chất đến quyết định sử dụng dịch vụ có ý nghĩa thống kê.

- H2: Chi phí sử dụng có tác động đến quyết định lựa chọn sử dụng dịch vụ CEI Co-working space của người dùng.

Hệ số hồi quy là 0,256 và có mức ý nghĩa là 0,000 nhỏ hơn 0,05. Vì vậy giả thuyết H2 được chấp nhận hay nói cách khác sự tác động của vị trị - cơ sở vật chất đến quyết định sử dụng dịch vụ có ý nghĩa thống kê.

- H3: Ảnh hưởng xã hội có tác động đến quyết định lựa chọn sử dụng dịch vụ CEI Co-working space của người dùng.

Xem toàn bộ nội dung bài viết ᛨ

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 10/01/2024