Professional Documents
Culture Documents
5431 TranTrongHieu 9606
5431 TranTrongHieu 9606
KHOA MARKETING
Ngành: MARKETING
Nhóm sinh viên thực hiện và MSSV: Trần Trọng Hiếu – 1921005431
BIÊN BẢN BÀN HỌP ĐÁNH GIÁ TỶ LỆ THAM GIA BÀI TẬP NHÓM
CỦA CÁC THÀNH VIÊN
2. Hình thức họp: họp trực tuyến trên ứng dụng Teams
7. Kết quả đánh giá được thống nhất và tổng hợp như sau:
Mức độ
Số điện hoàn thành
STT Họ và tên MSSV Ký tên
thoại công việc
(%)
Trần Trọng
1 1921005431 0796660989 100% Hiếu
Hiếu
Trần Quốc
2 1921005705 100% Tiến
Tiến
Nguyễn Thị
3 1921005728 100% Trang
Ngọc Trang
Danh mục từ viết tắt
Danh mục bảng
Danh mục hình
Mục lục
GIỚI THIỆU ĐỀ TÀI
ĐẶT VẤN ĐỀ NGHIÊN CỨU
Khi cuộc sống ngày càng bận rộn và hối hả thì sự tiện lợi sẽ có cơ hội “lên ngôi”
và trở thành lối sống cũng như nhu cầu của người dân Việt Nam. Họ mong muốn có
một mô hình kinh doanh những mặt hàng có nguồn gốc rõ rằng, an toàn sức khoẻ,
nhưng vẫn đáp ứng tiêu chí nhanh gọn và thuận tiện. Tại thị trường bán lẻ Việt
Nam, được đánh giá là một trong những thị trường tiềm năng, phát triển nhanh
mạnh với nhiều cửa hàng tiện lợi như Ministop, Familymart, Circle K, 7-Eleven.
Theo Nhịp cầu kinh tế (2020), tính từ 2012 đến cuối năm 2018, số lượng cửa hàng
tiện lợi trên toàn quốc gấp 4 lần, tập chung ở hai thành phố lớn là Hà Nội và Thành
phố Hồ Chí Minh. Sứ hấp dẫn trong mô hình kinh doanh này đã thu hút rất nhiều
nhà đầu tư trong nước lẫn ngoài nước và trở thành xu thế mới trong thương mại tiêu
dùng.
Tại Thành phố Hồ Chí Minh, tổng trung bình mỗi tháng của sinh viên sống với gia
đình là 3,780,000 VND và 4,920,000 VND cho nhóm không sống với gia đình.
Trong đó một nửa số tiền chi tiêu cho đồ ăn và thức uống. Lối sống của sinh viên
ngày càng đa dạng và phong phú Ngoài việc học tập sinh viên còn phải đi làm do
đó ngày càng có ít thời gian, nên nhu cầu mua sắm nhanh, tiện lợi, an toàn vệ sinh
tại các cửa hàng tiện lợi đã và đang là một lựa chọn thông minh.
Với đề tài “Nghiên cứu hành vi lựa chọn cửa hàng tiện lợi của sinh viên ở Thành
phố Hồ Chí Minh”, chúng em sẽ làm rõ những nhân tố ảnh hưởng đến quyết định
lựa chọn cửa hàng tiện lợi của sinh viên. Đồng thời, qua đề tài chúng em còn có
những đề xuất cho các hệ thống cửa hàng tiện lợi nhằm thu hút nhiều khách hàng
qua kết quả nghiên cứu nhằm tạo ra môi trường kinh doanh đúng đắn, phát triển các
cửa hàng tiện lợi ở Thành phố Hồ Chí Minh.
Mục tiêu của đề tài là nghiên cứu các yếu tố ảnh hưởng đến quyết định lựa chọn
cửa hàng tiện lợi của sinh viên Thành phố Hồ Chí Minh nhằm đề ra những phương
hướng giúp cho các cửa hàng tiện lợi hiểu được tâm lý và hành vi của nhóm khách
hàng tiềm năng là sinh viên.
- Xác định sự ảnh hưởng của các yếu tố đến hành vi lựa chọn cửa hàng tiện lợi của
sinh viên Thành phố Hồ Chí Minh
- Đo lường và đánh giá mức độ ảnh hưởng của các yếu tố.
- Trên cơ sở lý luận thực tiễn có liên quan đến các yếu tố ảnh hưởng đến sự lựa
chọn cửa hàng tiện lợi của sinh viên ở Thành phố Hồ Chí Minh để đề xuất ra mô
hình nghiên cứu và các phương pháp để thu hút một lượng lớn nhóm khách hàng
tiền năng này.
- Đối tƣợng nghiên cứu: Những yếu tố ảnh hưởng đến quyết định lựa chọn
cửa hàng tiện lợi của sinh viên ở Thành phố Hồ Chí Minh.
- Phạm vi nghiên cứu: Để đề tài nghiên cứu diễn ra một cách thuận lợi và có
tính thiết thực cao, đề tài tập chung nghiên cứu ở khu vực Thành phố Hồ Chí
Minh.
- Thời gian nghiên cứu: Thời gian thực hiện, phân tích thống kê dữ liêu
nghiên cứu: Từ 14/06/2021 đến 10/07/2021.
- Đối tƣợng khảo sát: Sinh viên tại khu vực Thành phố Hồ Chí Minh đã từng
đến các cửa hàng tiện lợi.
- Dữ liệu được khái thác bao gồm bao gồm các tài liệu được thu thập từ sách,
báo, những trong web uy tính liên quan đến đề tời của nhóm,… nhằm làm
rõ những khái niệm, thuật ngữ và hành vi lựa chọn cửa hàng tiện lợi của
sinh viên hiện nay.
- Quan sát: Quan sát thực tế ở siêu thị, cửa hàng tiện lợi tại Thành phố Hồ
Chí Minh như như Ministop, Familymart, Circle K, 7-Eleven
- Phân tích tổng hợp: Từ việc thu thập các thông tin sơ cấp, đem ra phân
tích và so sánh.
- Đánh giá và đề xuất: Đưa ra những đánh giá tổng thể và nhận xét sau đó
đề xuất những ý tưởng.
Kỹ thuật thu thập thông tin là phỏng vấn trực tiếp bằng bảng câu hỏi chi tiết được
thiết kế sẵn. Dữ liệu được dùng để thiết kế bảng câu hỏi được lấy từ kết quả nghiên
cứu dịnh tính.
Sau đó, một nghiên cứu định lượng Sau đó, một nghiên cứu định lượng chính thức
được thực hiện để kiểm định thang đo khái niệm và mô hình, giả thuyết nghiên
cứu. Kỹ thuật phỏng vấn trực tiếp bằng bảng câu hỏi chi tiết cũng được sử dụng để
thu thập thông tin. Đánh giá sơ bộ độ tin cậy và giá trị của thang đo bằng hệ số tin
cậy Cronbach’s alpha và phân tích nhân tố khám phá EFA (Exploratory Factor
Analysis) bằng phần mềm xử lý SPSS 26, qua đó loại bỏ các biến quan sát không
đạt độ tin cậy, hiệu chỉnh mô hình nghiên cứu và các giả thuyết nghiên cứu, các nội
dung phân tích tiếp theo. Phân tích hồi quy đa biến nhằm kiểm định mô hình
nghiên cứu, các giả thuyết nghiên cứu và đo lường cường độ tác động của các yếu
tố. Kiểm định T-Test; ANOVA; Chi-square nhằm kiểm định có hay không sự khác
biệt về các yếu tố ảnh hưởng đến quyết định lựa chọn cửa hàng tiện lợi của sinh
viên ở Thành phố Hồ Chí Minh.
Giả thuyết H1: Sản phẩm có sự tác động đến sự lựa chọn cửa hàng tiện lợi
của sinh viên ở Thành phố Hồ Chí Minh.
Giả thuyết H2: Tiện lợi có sự tác động đến sự lựa chọn cửa hàng tiện lợi
của sinh viên ở Thành phố Hồ Chí Minh.
Giả thuyết H3: Nhân viên có sự tác động đến sự lựa chọn cửa hàng tiện lợi
của sinh viên ở Thành phố Hồ Chí Minh.
Giả thuyết H4: Cách bố trí cửa hàng có sự tác động đến sự lựa chọn cửa
hàng tiện lợi của sinh viên ở Thành phố Hồ Chí Minh.
Giả thuyết H5: Chiêu thị có sự tác động đến sự lựa chọn cửa hàng tiện lợi
của sinh viên ở Thành phố Hồ Chí Minh.
Mục đích
Dùng để đếm số trả lời chung toàn mẫu, tính Mean, Max, Min,… và lọc dữ liệu.
Thủ tục Frequencies cung cấp các thống kê và các đồ thị hữu ích cho việc mô tả
nhiều loại biến. Để nhìn đầu tiên vào dữ liệu, thủ tục Fequencies là một nơi rất tốt
để bắt đầu, có thể sử dụng để thống kê tần số hoặc tần suất.
[nhét hình]
B2: Ở giao diện Frequencies, ta chọn biến cần xử lý và cho vào khung Variable(s).
[nhét hình]
B3: Sau đó ta vào mục Charts…, chọn Pie chart để vẽ biểu đồ hình tròn biểu diễn
tần suất chọn Continue.
[nhét hình]
Nhóm đã tiến hành khảo sát tại thành phố Hồ Chí Minh bằng bảng khảo sát. Với
phương pháp chọn mẫu thuận tiện - phi xác suất, phát ra 203 bảng, thu lại được 203
bảng. Trong 203 bảng khảo sát thu về, có 7 bảng không đạt yêu cầu. Do đó, tổng
cộng có 196 bảng khảo sát đạt yêu cầu tương ứng với 196 mẫu (đạt 96.6%). Vì vậy,
đạt yêu cầu để tiến hành phân tích.
Về giới tính:
Trong số 196 người trả lời bảng hỏi khảo sát, có số lượng nam giới là 65 (chiếm
33.2% tổng số mẫu), số lượng nữ giới 125 (chiếm 63.8% tổng số mẫu) và số lượng
đáp viên chọn giới tính Không muốn nêu cụ thể là 6 (chiếm 3.1% tổng số mẫu). Sự
chênh lệch này được miêu tả trên biểu đồ sau:
Về thu nhập:
Trong số 196 người trả lời bảng hỏi khảo sát, có số lượng có thu nhập dưới 1 triệu
là 57 (chiếm 29.1% tổng số mẫu), số lượng có thu nhập từ 2-3 triệu là 84 (chiếm
42.9% tổng số mẫu), số lượng có thu nhập từ 3-5 triệu là 35 (chiếm 17.9% tổng số
mẫu), số lượng có thu nhập 5-10 triệu là 14 (chiếm 7.1% tổng số mẫu) và số lượng
đáp viên có thu nhập 10 triệu trở lên là 6 (chiếm 3.1% tổng số mẫu). Sự chênh lệch
này được miêu tả trên biểu đồ sau:
Về tần suất:
Trong số 196 người trả lời bảng hỏi khảo sát, có số lượng đi 1-3 lần/tuần là 132
(chiếm 67.3% tổng số mẫu), số lượng đi 3-5 lần/tuần là 39 (chiếm 19.9% tổng số
mẫu) và số lượng đáp viên chọn đi 5-7 lần/tuần là 25 (chiếm 12.8% tổng số mẫu).
Sự chênh lệch này được miêu tả trên biểu đồ sau:
Bảng 0-3: Thông tin về tần suất đến cửa hàng tiện lợi của đáp viên
Về các lý do người tiêu dùng lựa chọn cửa hàng tiện lợi:
Số liệu thu thập được từ 196 đáp viên cho thấy phần lớn đối tượng tham gia khảo
sát lựa chọn cửa hàng tiện lợi với lý do đáp ứng nhu cầu mua sắm là 144 người
(chiếm 73.5% tổng số mẫu), 132 người lựa chọn cửa hàng tiện lợi với lý do có vị trí
thuận tiện (chiếm 67.3% tổng số mẫu), 120 người lựa chọn cửa hàng tiện lợi với lý
do có thể mau đồ dùng cá nhân khi cần gấp (chiếm 61.2% tổng số mẫu), 108 người
lựa chọn cửa hàng tiện lợi với lý do có thể ngồi lại (chiếm 55.1% tổng số mẫu), 102
người lựa chọn cửa hàng tiện lợi với lý do sản phẩm đa dạng (chiếm 52% tổng số
mẫu) và chỉ có 69 người lựa chọn cửa hàng tiện lợi với lý do có vị trí thuận tiện
(chiếm 35.2% tổng số mẫu). Sự chênh lệch này được miêu tả ở biểu đồ sau:
Bảng 0-4: Thông tin về lý do lựa chọn cửa hàng tiện lợi của đáp viên
Mục đích
Các thang đo trong nghiên cứu thường được đánh giá thông qua phương pháp hệ
số tin cậy Cronbach’s Alpha và là cơ sở để thực hiện việc phân tích khám phá nhân
tố EFA.
Khi có sự tham gia của biến “rác”, sẽ ảnh hưởng xấu lên các biến khác và làm
giảm độ tin cậy chung của thang đo. SPSS sẽ đưa ra các chỉ số Cronbach’s Alpha
của các biến để quyết định loại biến nào là “rác” nhằm cải thiện độ tin cậy thang đo.
Độ tin cậy biến đo phụ thuộc vào việc tuân thủ các bước thiết kế thang đo và hiệu
chỉnh thang đo.
Nếu hệ số Cronbach’s Alpha quá cao (>0.95) thì có khả năng xuất hiện biến
quan sát thừa (biến rác) ở trong thang đo (biến quan sát thừa là biến đo
lường có khả năng trùng với biến đo lường khác).
Nếu hệ số Cronbach’s Alpha quá thấp (<0) thì có thể là dữ liệu hơi xấu, ta
có thể cân nhắc và loại bỏ vài biến rác, khi đó hệ số sẽ thay đổi tăng lên.
[nhét hình]
B2: Ở giao diện Reliability Analysis, ta chọn biến cần đánh giá độ tin cậy và bỏ
vào khung Items.
[nhét hình]
B3: Sau đó ta chọn mục Statistics… chọn Item và Scale if item deleted chọn
Continue. chọn OK ở bảng Reliability Analysis.
[nhét hình]
Bảng 0-5:Kết quả Cronbach’s Alpha lần 1 của thang đo sản phẩm
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
SP1 16.0051 4.364 0.027 0.677
SP2 14.9694 3.466 0.487 0.388
SP3 15.0510 3.269 0.576 0.332
SP4 15.0816 3.265 0.532 0.352
SP5 15.2194 4.500 0.086 0.608
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định lần 1 cho thấy biến quan sát SP1 có hệ số tương quan biến tổng
là 0.027 < 0.3 và biến quan sát SP5 có hệ số tương quan biến tổng là 0.086 < 0.3.
Hai biến này không đảm bảo theo tiêu chuẩn đánh giá của Cronbach’s Alpha, do hệ
số tương quan biến tổng của biến SP1 nhỏ hơn hệ số tương quan của biến SP5 nên
nhóm sẽ tiến hành loại biến SP1 trước và chạy Cronbach’s Alpha lại lần 2.
Bảng 0-6: Kết quả Cronbach’s Alpha lần 2 của thang đo sản phẩm
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
SP2 11.8929 2.465 0.608 0.511
SP3 11.9745 2.343 0.678 0.460
SP4 12.0051 2.323 0.635 0.485
SP5 12.1429 3.744 0.032 0.852
(Nguồn: Kết quả xử lý dữ liệu điều tra của nhóm)
Kết quả kiểm định lần 2 cho thấy biến quan sát SP5 có hệ số tương quan biến tổng
là 0.032 < 0.3. Biến này không đảm bảo theo tiêu chuẩn đánh giá, do vậy nhóm đã
loại biến SP5 và chạy Cronbach’s Alpha lại lần 3.
Bảng 0-7: Kết quả Cronbach’s Alpha lần 3 của thang đo sản phẩm
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
Cronbach’s Alpha = 0.852
SP2 8.0306 1.825 0.717 0.798
SP3 8.1122 1.792 0.739 0.778
SP4 8.1429 1.744 0.712 0.804
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định lần 3 cho thấy các biến quan sát đều có hệ số tương quan biến
tổng phù hợp (≥ 0.3). Hệ số Cronbach’s Alpha là 0.852 > 0.6 nên đạt yêu cầu về độ
tin cậy.
Bảng 0-8: Kết quả Cronbach’s Alpha lần 1 của thang đo tiện lợi
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
TL1 16.0204 4.010 0.250 0.611
TL2 16.1429 3.836 0.294 0.588
TL3 15.1684 3.925 0.470 0.497
TL4 15.1786 3.963 0.398 0.528
TL5 15.2653 3.940 0.430 0.513
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định lần 1 cho thấy biến quan sát TL1 có hệ số tương quan biến tổng
là 0.250 < 0.3 và biến quan sát TL2 có hệ số tương quan biến tổng là 0.294 < 0.3.
Hai biến này không đảm bảo theo tiêu chuẩn đánh giá của Cronbach’s Alpha, do hệ
số tương quan biến tổng của biến TL1 nhỏ hơn hệ số tương quan của biến TL2 nên
nhóm sẽ tiến hành loại biến TL1 trước và chạy Cronbach’s Alpha lại lần 2.
Bảng 0-9: Kết quả Cronbach’s Alpha lần 2 của thang đo tiện lợi
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
TL2 12.7194 3.239 0.005 0.844
TL3 11.7449 2.324 0.620 0.381
TL4 11.7551 2.319 0.549 0.422
TL5 11.8418 2.308 0.585 0.398
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định lần 2 cho thấy biến quan sát TL2 có hệ số tương quan biến tổng
là 0.005 < 0.3. Biến này không đảm bảo theo tiêu chuẩn đánh giá, do vậy nhóm đã
loại biến TL2 và chạy Cronbach’s Alpha lại lần 3.
Bảng 0-10: Kết quả Cronbach’s Alpha lần 3 của thang đo tiện lợi
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
Cronbach’s Alpha = 0.844
TL3 8.4439 1.561 0.752 0.745
TL4 8.4541 1.562 0.661 0.832
TL5 8.5408 1.532 0.721 0.772
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định lần 3 cho thấy các biến quan sát đều có hệ số tương quan biến
tổng phù hợp (≥ 0.3). Hệ số Cronbach’s Alpha là 0.844 > 0.6 nên đạt yêu cầu về độ
tin cậy.
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
Cronbach’s Alpha = 0.827
NV1 13.1480 7.081 0.636 0.788
NV2 13.0765 7.158 0.669 0.780
NV3 12.9694 6.891 0.651 0.784
NV4 13.4184 7.301 0.591 0.801
NV5 13.4694 7.471 0.568 0.807
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định cho thấy các biến quan sát đều có hệ số tương quan biến tổng
phù hợp (≥ 0.3). Hệ số Cronbach’s Alpha là 0.827 > 0.6 nên đạt yêu cầu về độ tin
cậy.
Bảng 0-12: Kết quả Cronbach’s Alpha của thang đo bố trí cửa hàng
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
Cronbach’s Alpha = 0.843
CH1 16.1990 4.776 0.601 0.826
CH2 16.2296 4.762 0.733 0.790
CH3 16.1378 5.001 0.622 0.818
CH4 16.0765 4.851 0.629 0.817
CH5 16.0918 4.781 0.669 0.806
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định cho thấy các biến quan sát đều có hệ số tương quan biến tổng
phù hợp (≥ 0.3). Hệ số Cronbach’s Alpha là 0.843 > 0.6 nên đạt yêu cầu về độ tin
cậy.
Thang đo chiêu thị
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
Cronbach’s Alpha = 0.567
CT1 11.8929 2.886 0.346 0.503
CT2 12.1531 2.069 0.334 0.547
CT3 11.1224 2.764 0.468 0.430
CT4 11.3316 2.725 0.326 0.514
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định cho thấy hệ số Cronbach's Alpha của nhóm bằng 0.567 < 0.6,
không đạt được tiêu chuẩn tối thiểu của giá trị Cronbach Alpha. Ở bên dưới các
biến không có giá trị Cronbach's Alpha if Item Deleted nào lớn hơn mức 0.6. Do
vậy, thang đo CT không đảm bảo độ tin cậy và được loại bỏ trong nghiên cứu.
Thang đo lựa chọn cửa hàng tiện lợi của sinh viên
Bảng 0-14: Kiểm định Cronbach’s Alpha lần 1 cho thang đo lựa chọn cửa hàng
tiện lợi của sinh viên
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
LC1 14.6786 4.640 0.666 0.648
LC2 14.6071 4.824 0.550 0.693
LC3 14.5918 4.325 0.669 0.642
LC4 14.2449 5.304 0.566 0.693
LC5 13.9592 6.429 0.166 0.812
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định lần 1 cho thấy biến quan sát LC5 có hệ số tương quan biến tổng
là 0.166 < 0.3. Biến này không đảm bảo theo tiêu chuẩn đánh giá, do vậy nhóm đã
loại biến LC5 và chạy Cronbach’s Alpha lại lần 2.
Bảng 0-15: Kiểm định Cronbach’s Alpha lần 2 cho thang đo lựa chọn cửa hàng
tiện lợi của sinh viên
Hệ số Cronbach’s
Biến quan Trung bình thang Phƣơng sai thang đo Hệ số tƣơng quan
Alpha nếu loại
sát đo nếu loại biến nếu loại biến biến tổng
biến
Cronbach’s Alpha = 0.812
LC1 10.6173 3.704 0.698 0.732
LC2 10.5459 3.859 0.580 0.790
LC3 10.5306 3.409 0.703 0.729
LC4 10.1837 4.397 0.561 0.797
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Kết quả kiểm định cho thấy các biến quan sát đều có hệ số tương quan biến tổng
phù hợp (≥ 0.3). Hệ số Cronbach’s Alpha là 0.812 > 0.6 nên đạt yêu cầu về độ tin
cậy.
Mục đích
Phân tích khám phá nhân tố (EFA – Exploratory Factor Analysis) là một phương
pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc
lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn
những vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg,
1998).
Thang đo được chấp nhận khi tổng phương sai trích (Extraction sum) ≥
50% và giá trị riêng (Eigenvalues) lớn hơn 1.
Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để
đảm bảo giữa giá trị phân biệt giữa các yếu tố.
[nhét hình]
B2: Chọn tất cả các yếu tố biến độc lập của 4 nhóm ảnh hưởng đến lực chọn cửa
hàng tiện lợi của sinh viên Chọn mục Descriptives…
[nhét hình]
B3: Ở giao diện Factor Analysis: Descriptives, chọn mục Initial solution,
Coefficients và KMO and Bartlett’s test of sphericity Chọn Continue Chọn
mục Extraction.
[nhét hình]
B4: Ở giao diện Factor Analysis: Extraction, tại khung Mehthod, ta chọn Principal
Components Chọn Continue Chọn mục Rotation.
[nhét hình]
B5: Ở giao diện Factor Analysis: Rotation, tại khung Method, ta chọn phép quay
Varimax Chọn Continue Chọn mục Options.
[nhét hình]
B6: Ở bảng Factor Analysis: Options, tại khung Coefficients Display Format, ta
chọn Sorted by size và Suppress small coefficients ở khung Absolute value
below, ta chỉnh thành .5 Chọn Continue Chọn OK.
[nhét hình]
Thao tác thực hiện tương tự như đối với biến độc lập, nhưng ta sẽ chọn 4 yếu tố
biến phụ thuộc.
Phân tích khám phá nhân tố (EFA) cho biến độc lập
Bảng 0-16: Kết quả các hệ số của phân tích EFA biến độc lập
Số liệu của bảng [số thứ tự của bảng trên] cho thấy các hệ số đều thỏa mãn điều
kiện để phân tích nhân tố khám phá EFA.
Hệ số KMO = 0.805 (0.5 ≤ 0.805 ≤ 1): Chứng tỏ phân tích nhân tố trên là
thích hợp.
Giá trị Sig bằng 0 ≤ 0.05: Việc kiểm định trên có ý nghĩa thống kê và các
biến quan sát có tương quan với nhau trong tổng thể.
Tổng phương sai trích ở bảng Total Variance Explained là 68.148%, thỏa
điều kiện giá trị tổng phương sai trích phải lớn hơn 50%. Điều này cho thấy
4 nhân tố được rút ra giải thích được 68.148% biến thiên của các biến quan
sát.
Giá trị Eigenvalues ở bảng Total Variance Explained là 1.088 với tiêu
chuẩn phải đạt giá trị > 1.
Bảng 0-17: Bảng ma trận xoay nhân tố của các biến độc lập
Nhân tố
Biến quan sát
1 2 3 4
CH4 0.829
CH5 0.782
CH2 0.770
CH3 0.733
CH1 0.605
NV2 0.794
NV3 0.793
NV1 0.775
NV4 0.750
NV5 0.726
TL3 0.877
TL5 0.859
TL4 0.769
SP2 0.808
SP3 0.776
SP4 0.773
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Ta thấy ở bảng Ma trận xoay nhân tố có 16 biến được chia thành 4 nhân tố sau:
o Nhân tố 1: có 5 biến thuộc yếu tố bố trí cửa hàng (CH) dùng để đo lường
mức độ ảnh hưởng của cách bố trí cửa hàng đến lựa chọn cửa hàng tiện lợi
của sinh viên, nhân tố 1 này sẽ được đặt tên là: Bố trí cửa hàng, ký hiệu là
CH.
o Nhân tố 2: có 5 biến thuộc yếu tố nhân viên (NV) dùng để đo lường mức
độ ảnh hưởng của nhân viên đến lựa chọn cửa hàng tiện lợi của sinh viên,
nhân tố 2 này sẽ được đặt tên là: Nhân viên, ký hiệu là: NV.
o Nhân tố 3: có 3 biến thuộc yếu tố tiện lợi (TL) dùng để đo lường mức độ
ảnh hưởng của tính tiện lợi đến lựa chọn cửa hàng tiện lợi của sinh viên,
nhân tố 3 này sẽ được đặt tên là: Tính tiện lợi, ký hiệu là TL.
o Nhân tố 4: có 3 biến thuộc yếu tố sản phẩm (SP) dùng để đo lường mức độ
ảnh hưởng của yếu tố sản phẩm đến lựa chọn cửa hàng tiện lợi của sinh
viên, nhân tố 4 này sẽ được đặt tên là: Sản phẩm, ký hiệu là SP.
Phân tích khám phá nhân tố (EFA) trên biến phụ thuộc
Bảng 0-18: Kết quả các hệ số của phân tích EFA biến phụ thuộc
Hệ số KMO = 0.785 (0.5 ≤ 0.785 ≤ 1): Chứng tỏ phân tích nhân tố trên là
thích hợp.
Giá trị Sig bằng 0 ≤ 0.05: Việc kiểm định trên có ý nghĩa thống kê và các
biến quan sát có tương quan với nhau trong tổng thể.
Tổng phương sai trích ở bảng Total Variance Explained là 64.275%, thỏa
điều kiện giá trị tổng phương sai trích phải lớn hơn 50%. Điều này cho thấy
nhân tố được rút ra giải thích được 64.275% biến thiên của 4 biến chung
quan sát.
Giá trị Eigenvalues ở bảng Total Variance Explained là 2.571 với tiêu chuẩn
phải đạt giá trị > 1.
Bảng 0-19: Bảng ma trận xoay nhân tố của biến phụ thuộc
Nhân tố
Biến quan sát
1
LC3 0.853
LC1 0.846
LC2 0.758
LC4 0.745
Số liệu từ bảng kết quả phân tích EFA biến phụ thuộc cho thấy kết quả ma trận
xoay nhân tố với 4 biến quan sát đều có hệ số tải nhân tố lớn hơn 0.5. Như vậy, sau
khi phân tích nhân tố khám phá EFA, yếu tố kết quả học tập vẫn giữ nguyên 4 biến
quan sát.
Kiểm tra độ tin cậy thang đo lần 2 cho các nhân tố mới
Sau khi tìm ra được các nhân tố mới, nhóm chạy kiểm tra lại Cronbach’s Alpha
cho 4 nhân tố mới gồm 16 biến quan sát, nhằm đảm bảo các biến quan sát được
chấp nhận và sử dụng trong các phân tích tiếp theo.
Bảng 0-20: Kiểm định lại Cronbach’s Alpha cho các nhân tố mới
CH4 0.629
CH5 0.669
CH3 0.622
CH1 0.601
NV2 0.669
NV3 0.651
NV4 0.591
NV5 0.568
TL3 0.752
TL4 0.661
SP2 0.717
SP4 0.712
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Sau khi chạy kiểm tra Cronbach’s Alpha lại cho thấy các biến thuộc 4 thành phần
đều thỏa mãn về độ tin cậy α. Có hế số Cronbach’s Alpha lớn hơn 0.6 và hệ số
tương quan biến tổng lớn hơn 0.3.
Mục đích
Từ kết quả ở phân tích khám phá nhân tố, chúng ta không thể thực hiện hồi quy
trực tiếp với số lượng lớn biến quan sát mà cần thu gọn tập hợp biến này lại bằng
các biến đại diện. Biến đại diện là biến thể hiện được tính chất chung của các biến
quan sát trong cùng 1 cột.
[nhét hình]
B2.1: Ở khung của Target Variable, ta nhập tên biến đại diện.
B2.3: Ở khung Functions and Special Variables, ta chọn Mean chọn hình .
B2.4: Ở khung Numeric Expression, ta chọn các biến quan sát thuộc biến đại diện
bỏ vào trong hàm trung bình Mean.
[Nhét hình]
B3: Chọn OK và thực hiện tương tự với các biến đại diện còn lại
Mục đích
Phân tích tương quan Pearson được sử dụng để kiểm tra mối tương quan tuyến tính
chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng
tuyến khi các biến độc lập cũng có tương quan mạnh với nhau
Hệ số tương quan Pearson r có giá trị dao động từ -1 đến 1 (lưu ý, hệ số r chỉ có ý
nghĩa khi sig nhỏ hơn 0.05).
Nếu r càng tiến về 1 hoặc -1: tương quan tuyến tính càng mạnh, càng chặt
chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
Nếu r = 1: tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồ thị phân
tán Scatter, các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng.
Nếu r = 0: không có mối tương quan tuyến tính. Lúc này sẽ có 2 tình huống
xảy ra. Một, không có một mối liên hệ nào giữa 2 biến. Hai, giữa chúng có
mối liên hệ phi tuyến.
[nhét hình]
B2: Ở giao diện Bivariate Correlations, ta chọn các biến đại diện của các biến độc
lập và biến phụ thuộc đưa sang khung Variables. Để thuận tiện cho quá trình đọc số
liệu, ta đưa biến phụ thuộc nằm trên cùng chọn OK.
[nhét hình]
Kết quả nghiên cứu
LC CH NV TL SP
Kết quả cho thấy sig. của LC với các nhân tố độc lập CH, NV và SP đều nhỏ hơn
0.05 có nghĩa LC và các nhân tố phụ thuộc có tương quan với nhau, trong đó tương
quan mạnh nhất với biến NV (r = 0.579**) và tương quan yếu nhất với biến SP (r =
0.160*). Riêng sig. của LC với biến độc lập TL là 0.311 > 0.05 có nghĩa là giữa LC
và biến độc lập không có tương quan với nhau.
Giá trị sig. của biến độc lập CH với độc lập NV là 0.496 > 0.05, nên ta kết luận
không có sự tương quan giữa biến CH và biến NV. Nhưng giá trị sig. của biến CH
với các biến độc lập TL và SP đều thấp hơn 0.05, trong đó CH tương quan mạnh
nhất với SP (r = 0.573**) và tương quan yếu nhất với TL (r = 0.326**).
Giá trị sig. của biến độc lập NV với các biến độc lập TL và SP đều lớn hơn 0.05,
nên ta kết luận không có sự tương quan giữa biến NV với 2 biến độc lập TL và SP.
Mục đích
Hồi quy tuyến tính giúp xác định được nhân tố nào đóng góp nhiều/ít/không đóng
góp vào sự thay đổi của biến phụ thuộc, để từ đó đưa ra các giải pháp cần thiết và
kinh tế nhất
o Giá trị R bình phương hiệu chỉnh trên 50% thì có ý nghĩa đánh giá
đây là một mô hình nghiên cứu tốt, phù hợp với thực tế.
Ở bảng ANOVA, giá trị sig. của kiểm định F < 0.05 có ý nghĩa: mô hình
hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
o Giá trị ở cột Sig. ≤ 0.05 thì biến đó sẽ có ý nghĩa trong mô hình,
ngược lại thì biến đó sẽ bị loại bỏ khỏi mô hình.
o Hệ số hồi quy chuẩn hóa Beta, trong tất cả các hệ số hồi quy, biến
độc lập nào có Beta lớn nhất thì biến đó ảnh hưởng nhiều nhất đến sự
thay đổi của biến phụ thuộc.
o Giá trị VIF, VIF < 2 sẽ không có đa cộng tuyến, trường hợp hệ số
này lớn hơn hoặc bằng 2, khả năng cao đang có sự đa cộng tuyến
giữa các biến độc lập.
[nhét hình]
B2: Ở giao diện Linear Regression, ta chọn biến phụ thuộc cho vào khung
Dependent và các biến độc lập vào khung Independent(s) Chọn Enter trong mục
Method Chọn mục Statisticals…
[nhét hình]
[nhét hình]
B4: Ở giao diện Linear Regression: Plot, ta cho *ZPRED vào khung X và
*ZRESID vào khung Y chọn Histogram và Normal probability plot Chọn
Continue Chọn OK.
[nhét hình]
Kết quả phân tích ANOVA ở trên cho thấy giá trị kiểm định F (có giá trị là
28.479) có ý nghĩa thống kê vì Sig. nhỏ hơn 0.05 (0.000 < 0.05). Do đó, giả thuyết
tập hợp các biến độc lập không có mối quan hệ với biến phụ thuộc bị bác bỏ và mô
hình hồi quy được dự đoán là phù hợp dữ liệu nghiên cứu, có thể suy rộng cho tổng
thể.
Hệ số đã
Hệ số chƣa chuẩn hóa Thống kê cộng gộp
chuẩn hóa
t Sig.
Độ lệch Độ chấp
B Beta VIF
chuẩn nhận
Các thông số của mô hình hồi quy được liệt kê trong bảng trên cho thấy ở độ tin
cậy 95% thì trong 4 nhân tố chỉ có 2 nhân tố ảnh hưởng đến lựa chọn cửa hàng tiện
lợi của sinh viên vì có giá trị Sig nhỏ hơn 0.05, đó là: NV (Nhân viên) có Sig. =
0.000, SP (Sản phẩm) có Sig. = 0.034. Nhân tố còn lại không phải là nhân tố lựa
chọn cửa hàng tiện lợi của sinh viên vì có giá trị Sig lớn hơn 0.05, đó là: TL (Tính
tiện lợi) có Sig. = 0.933 và CH (Bố trí cửa hàng)có Sig. = 0.402. Hai nhân tố này
không có ý nghĩa thống kê nên sẽ bị loại bỏ lần lượt theo thứ tự nhỏ dần khỏi mô
hình, biến đầu tiên bị loại bỏ là biến TL.
Sau khi loại nhân tố TL nhóm đã tiến hành phân tích hồi quy và có được kết quả
của mô hình hồi quy ở các bảng sau đây:
Bảng 0-24: Tóm tắt mô hình hồi quy sau khi bỏ nhân tố TL
Kết quả tóm tắt mô hình hồi quy được thể hiện ở trên cho thấy trị số R2 lớn hơn R2
hiệu chỉnh (0.374 > 0.364). Điều đó chứng tỏ mô hình hồi quy gồm các biến độc
lập: CH (Bố trí cửa hàng), NV (Nhân viên), SP (Sản phẩm) giải thích được 37,4%
biến thiên của LC (Lựa chọn cửa hàng tiện lợi). Trị số Durbin – Watson là 1.981,
nằm trong giới hạn cho phép [1;3], nên không xảy ra hiện tượng tương quan chuỗi
và nhóm có thể sử dụng kết quả của mô hình hồi quy.
Kết quả phân tích ANOVA ở trên cho thấy giá trị kiểm định F (có giá trị là
38.168) có ý nghĩa thống kê vì Sig. nhỏ hơn 0.05 (0.000 < 0.05). Do đó, giả thuyết
tập hợp các biến độc lập không có mối quan hệ với biến phụ thuộc bị bác bỏ và mô
hình hồi quy được dự đoán là phù hợp dữ liệu nghiên cứu, có thể suy rộng cho tổng
thể.
Bảng 0-26: Bảng thống kê thông số của mô hình hồi quy sau khi bỏ nhân tố TL
Hệ số đã
Hệ số chƣa chuẩn hóa Thống kê cộng gộp
chuẩn hóa
t Sig.
Độ lệch Độ chấp
B Beta VIF
chuẩn nhận
Sau khi loại nhân tố CH nhóm đã tiến hành phân tích hồi quy và có được kết quả
của mô hình hồi quy ở các bảng sau đây:
Bảng 0-27: Tóm tắt mô hình hồi quy sau khi bỏ nhân tố CH
Kết quả tóm tắt mô hình hồi quy được thể hiện ở trên cho thấy trị số R2 lớn hơn R2
hiệu chỉnh (0.371 > 0.365). Điều đó chứng tỏ mô hình hồi quy gồm các biến độc
lập: NV (Nhân viên), SP (Sản phẩm) giải thích được 37,1% biến thiên của LC (Lựa
chọn cửa hàng tiện lợi). Trị số Durbin – Watson là 1.967, nằm trong giới hạn cho
phép [1;3], nên không xảy ra hiện tượng tương quan chuỗi và nhóm có thể sử dụng
kết quả của mô hình hồi quy.
Kết quả phân tích ANOVA ở trên cho thấy giá trị kiểm định F (có giá trị là
56.989) có ý nghĩa thống kê vì Sig. nhỏ hơn 0.05 (0.000 < 0.05). Do đó, giả thuyết
tập hợp các biến độc lập không có mối quan hệ với biến phụ thuộc bị bác bỏ và mô
hình hồi quy được dự đoán là phù hợp dữ liệu nghiên cứu, có thể suy rộng cho tổng
thể.
Bảng 0-29: Bảng thống kê thông số của mô hình hồi quy sau khi bỏ nhân tố CH
Hệ số đã
Hệ số chƣa chuẩn hóa Thống kê cộng gộp
chuẩn hóa
t Sig.
Độ lệch Độ chấp
B Beta VIF
chuẩn nhận
Các thông số của mô hình hồi quy được liệt kê trong đánh số bảng cho thấy ở độ
tin cậy 95% thì cả 2 nhân tố đều thực sự ảnh hưởng đến lựa chọn cửa hàng tiện lợi
của sinh viên vì có giá trị Sig nhỏ hơn 0.05: NV (Nhân viên) có Sig. = 0.000, SP
(Sản phẩm) có Sig. = 0.001.
Dựa vào kết quả mô hình hồi quy, nhóm kết luận:
-Các giả thuyết đo lường H1, H3 được đề xuất trong mô hình lý thuyết ban đầu
được chấp nhận, giả thuyết H2, H4, H5 bị bác bỏ. Đồng thời, mô hình hồi quy về
các yếu tố ảnh hưởng đến lựa chọn cửa hàng tiện lợi của sinh viên được xác định
như sau:
LC = 0.849 + 0.569*NV + 0.188*SP
Mức độ ảnh hưởng của yếu tố đến lựa chọn cửa hàng tiện lợi của sinh viên như
sau:
+ Nhân viên là nhân tố có ảnh hưởng mạnh nhất đến lựa chọn cửa hàng tiện lợi của
sinh viên. Cụ thể là, khi nhân viên tăng/giảm 01 đơn vị thì lựa chọn cửa hàng tiện
lợi của sinh viên sẽ tăng/giảm 0.569 đơn vị.
+ Sản phẩm là nhân tố có ảnh hưởng yếu nhất đến lựa chọn cửa hàng tiện lợi của
sinh viên. Cụ thể là, khi sản phẩm tăng/giảm 01 đơn vị thì lựa chọn cửa hàng tiện
lợi của sinh viên sẽ tăng/giảm 0.188 đơn vị.
Dựa vào các ảnh hưởng khác nhau của các biến độc lập lên biến phụ thuộc từ
phương trình hồi quy tuyến tính, nhóm tác giả đưa ra mô hình nghiên cứu chính
thức của bài nghiên cứu như sau:
Từ đồ thị ta có thể thấy được phần dư chuẩn hóa phân bổ tập trung xunh quanh
đường tung độ 0, do vậy giả định quan hệ tuyến tính không bị vi phạm.
Giả định phần dư có phân phối chuẩn
Từ biểu đồ ta thấy được, một đường cong phân phối chuẩn được đặt chồng lên
biểu đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của
phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn là 0.995 gần
bằng 1, như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận
rằng: Giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
Kiểm định phương sai phần dư
Hình 0.3: Biểu đồ khảo sát phân phối chuẩn của phần dư
Biểu đồ P-P Plot cho thấy các điểm phân vị trong phân phối của phần dư tập trung
thành 1 đường chéo, như vậy, giả định phân phối chuẩn của phần dư không bị vi
phạm.
Mục đích
Kiểm định này còn được gọi là kiểm định Chi –Square hay Chi bình phương (X2),
nhằm kiểm định sự tồn tại về mối quan hệ giữa 2 yếu tố đang nghiên cứu trong tổng
thể nhưng không cho biết cường độ mạnh yếu (nếu có quan hệ) giữa các biến cũng
như không chỉ ra hướng thuận hay nghịch của mối quan hệ này (nếu có quan hệ).
Tiêu chí đánh giá
Ở bảng Chi – Square Test, Giá trị Asymptotic Significance (2-đầu) hàng Pearson
Chi-Square nhỏ hơn 0.05 thì chúng ta bác bỏ giả thuyết Ho, nghĩa là 2 biến định
tính có mối quan hệ với nhau. Nếu giá trị Sig này lớn hơn 0.05, chúng ta chấp nhận
giả thuyết Ho, tương đương rằng 2 biến định tính không có mối quan hệ với nhau.
Nếu như có quá 20% số ô trong bảng có tần số lý thuyết nhỏ hơn 5 thì ta sẽ sử
dụng biện pháp kiểm định Fisher’s Exact test. Nếu như mức ý nghĩa Exact Sig.của
Chi bình phương Pearson hoặc của Fisher’s Exact Test lớn hơn 0.05 thì ta chấp
nhận giả thuyết H0. Nếu như cả mức ý nghĩa Exact Sig. đều nhỏ hơn 0.05 thì ta sẽ
lấy giá trị Sig. nhỏ nhất để tiến hành bác bỏ giả thuyết. Nếu như hai biến định tính
có mối quan hệ với nhau thì hai biến có mức tương quan bằng với phần trăm của giá
trị Exact Sig. của Cramer’s V.
[nhét hình]
B2: Ở giao diện Crosstabs, ta đưa một trong hai biến định tính vào bất kỳ mục
Rows hoặc Column, điều này sẽ không gây ảnh hưởng gì đến kết quả kiểm định
Chọn mục Statistics…
[nhét hình]
B3: Ở giao diện Crosstabs: Statistics, ta chọn Chi-square và Phi and Cramer’s V
Chọn Continue Chọn mục Cells…
[nhét hình]
B4: Ở giao diện Crosstabs: Cell Display, ta chọn Row, Column và Total ở phần
Percentages với chọn Expected ở phần Count Chọn Continue Chọn mục
Exact…
[nhét hình]
B5: Ở giao diện Exact Tests, ta chọn mục Exact Chọn Continue Chọn OK.
[Nhét hình]
Kiểm định giữa biến giới tính và các biến định tính khác
Bảng 0-30: Bảng thống kê kiểm định mối liên hệ giữa biến Giới tính và các biến
định tính khác trong mô hình nghiên cứu
Giá trị
Giá trị Phần trăm số Giá trị
Exact Sig. Giá trị
Asymp.Sig ô có tần suất Exact Sig.
của Chi Exact Sig.
Biến định tính của Chi bình mong đợi của
bình của
phƣơng dƣới 5 của Fisher’s
phƣơng Cramer’s V
Pearson bảng (%) Exact Test
Pearson
Có thể mua đồ
dùng cá nhân 0.518 33.3 0.545 0.612 0.545
khi cần gấp
Sản phẩm đa
0.693 33.3 0.763 0.763 0.763
dạng
Có nhiều
chương trình 0.730 33.3 0.778 0.748 0.778
khuyến mãi
Vị trí thuận
0.295 33.3 0.334 0.321 0.334
tiện
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
+ Giữa biến giới tính và biến thu nhập: giá trị Asymp.Sig là 0.732 > 0.05, ta có thể
nhận giả thuyết H0 và kết luận rằng giữa 2 biến giới tính và biến thu nhập độc lập
nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của bảng là 53.3% > 20%, điều
này làm giá trị của Chi bình phương không đáng tin cậy nên ta sẽ tiến hành thực
hiện kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s Exact, ta thấy rằng hệ số
Sig của cả Chi bình phương Pearson và Fisher’s Exact Test đều lớn hơn 0.05, ta có
thể kết luận rằng giữa hai biến giới tính và biến thu nhập độc lập nhau.
+ Giữa biến giới tính và biến tần suất: giá trị Asymp.Sig là 0.427 > 0.05, ta có thể
nhận giả thuyết H0 và kết luận rằng giữa 2 biến giới tính và biến tần suất độc lập
nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của bảng là 33.3% > 20%, điều
này làm giá trị của Chi bình phương không đáng tin cậy nên ta sẽ tiến hành thực
hiện kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s Exact, ta thấy rằng hệ số
Sig của cả Chi bình phương Pearson và Fisher’s Exact Test đều lớn hơn 0.05, ta có
thể kết luận rằng giữa hai biến giới tính và biến tần suất độc lập nhau.
+ Giữa biến giới tính và biến đáp ứng nhu cầu mua sắm: giá trị Asymp.Sig là
0.598 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến giới tính và
biến đáp ứng nhu cầu mua sắm độc lập nhau. Nhưng do phần trăm số ô có tần suất
dưới 5 của bảng là 33.3% > 20%, điều này làm giá trị của Chi bình phương không
đáng tin cậy nên ta sẽ tiến hành thực hiện kiểm định Fisher’s Exact. Sau khi kiểm
định Fisher’s Exact, ta thấy rằng hệ số Sig của cả Chi bình phương Pearson và
Fisher’s Exact Test đều lớn hơn 0.05, ta có thể kết luận rằng giữa hai biến giới tính
và biến đáp ứng nhu cầu mua sắm độc lập nhau.
+ Giữa biến giới tính và biến có thể ngồi lại: giá trị Asymp.Sig là 0.149 > 0.05, ta
có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến giới tính và biến có thể ngồi
lại độc lập nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của bảng là 33.3% >
20%, điều này làm giá trị của Chi bình phương không đáng tin cậy nên ta sẽ tiến
hành thực hiện kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s Exact, ta thấy
rằng hệ số Sig của cả Chi bình phương Pearson và Fisher’s Exact Test đều lớn hơn
0.05, ta có thể kết luận rằng giữa hai biến giới tính và biến có thể ngồi lại độc lập
nhau.
+ Giữa biến giới tính và biến có thể mua đồ dùng cá nhân khi cần gấp: giá trị
Asymp.Sig là 0.518 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến
giới tính và biến thu nhập độc lập nhau. Nhưng do phần trăm số ô có tần suất dưới 5
của bảng là 33.3% > 20%, điều này làm giá trị của Chi bình phương không đáng tin
cậy nên ta sẽ tiến hành thực hiện kiểm định Fisher’s Exact. Sau khi kiểm định
Fisher’s Exact, ta thấy rằng hệ số Sig của cả Chi bình phương Pearson và Fisher’s
Exact Test đều lớn hơn 0.05, ta có thể kết luận rằng giữa hai biến giới tính và biến
có thể mua đồ dùng cá nhân khi cần gấp độc lập nhau.
+ Giữa biến giới tính và biến sản phẩm đa dạng: giá trị Asymp.Sig là 0.693 > 0.05,
ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến giới tính và biến thu nhập
độc lập nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của bảng là 33.3% >
20%, điều này làm giá trị của Chi bình phương không đáng tin cậy nên ta sẽ tiến
hành thực hiện kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s Exact, ta thấy
rằng hệ số Sig của cả Chi bình phương Pearson và Fisher’s Exact Test đều lớn hơn
0.05, ta có thể kết luận rằng giữa hai biến giới tính và biến sản phẩm đa dạng độc
lập nhau.
+ Giữa biến giới tính và biến có nhiều chương trình khuyến mãi: giá trị Asymp.Sig
là 0.730 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến giới tính
và biến thu nhập độc lập nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của
bảng là 33.3% > 20%, điều này làm giá trị của Chi bình phương không đáng tin cậy
nên ta sẽ tiến hành thực hiện kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s
Exact, ta thấy rằng hệ số Sig của cả Chi bình phương Pearson và Fisher’s Exact
Test đều lớn hơn 0.05, ta có thể kết luận rằng giữa hai biến giới tính và biến có
nhiều chương trình khuyến mãi độc lập nhau.
+ Giữa biến giới tính và biến vị trí thuận tiện: giá trị Asymp.Sig là 0.295 > 0.05, ta
có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến giới tính và biến thu nhập độc
lập nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của bảng là 33.3% > 20%,
điều này làm giá trị của Chi bình phương không đáng tin cậy nên ta sẽ tiến hành
thực hiện kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s Exact, ta thấy rằng
hệ số Sig của cả Chi bình phương Pearson và Fisher’s Exact Test đều lớn hơn 0.05,
ta có thể kết luận rằng giữa hai biến giới tính và biến vị trí thuận tiện độc lập nhau.
Kiểm định giữa biến Thu nhập và các biến định tính khác trong mô hình
Bảng 0-31: Bảng thống kê kiểm định mối liên hệ giữa biến Thu nhập và các biến
định tính khác trong mô hình nghiên cứu
Giá trị
Giá trị Phần trăm số Giá trị
Exact Sig. Giá trị
Asymp.Sig ô có tần suất Exact Sig.
của Chi Exact Sig.
Biến định tính của Chi bình mong đợi của
bình của
phƣơng dƣới 5 của Fisher’s
phƣơng Cramer’s V
Pearson bảng (%) Exact Test
Pearson
Sản phẩm đa
0.693 20.0 0.410 0.410 0.410
dạng
Có nhiều
chương trình 0.786 30.0 0.792 0.765 0.792
khuyến mãi
Vị trí thuận
0.581 30.0 0.594 0.592 0.594
tiện
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
+ Giữa biến thu nhập và biến tần suất: giá trị Asymp.Sig là 0.085 > 0.05, ta có thể
nhận giả thuyết H0 và kết luận rằng giữa 2 biến thu nhập và biến tần suất độc lập
nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của bảng là 40% > 20%, điều này
làm giá trị của Chi bình phương không đáng tin cậy nên ta sẽ tiến hành thực hiện
kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s Exact, ta thấy rằng hệ số Sig
của cả Chi bình phương Pearson và Fisher’s Exact Test đều lớn hơn 0.05, ta có thể
kết luận rằng giữa hai biến thu nhập và biến tần suất độc lập nhau.
+ Giữa biến thu nhập và biến đáp ứng nhu cầu mua sắm: giá trị Asymp.Sig là
0.055 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến giới tính và
biến thu nhập độc lập nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của bảng là
30% > 20%, điều này làm giá trị của Chi bình phương không đáng tin cậy nên ta sẽ
tiến hành thực hiện kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s Exact, ta
thấy rằng hệ số Sig của cả Chi bình phương Pearson là 0.052 > 0.05, ta có thể kết
luận rằng giữa hai biến thu nhập và biến đáp ứng nhu cầu mua sắm độc lập nhau.
+ Giữa biến thu nhập và biến có thể ngồi lại: giá trị Asymp.Sig là 0.560 > 0.05, ta
có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến thu nhập và biến có thể ngồi
lại độc lập nhau.
+ Giữa biến thu nhập và biến có thể mua đồ dùng cá nhân khi cần gấp: giá trị
Asymp.Sig là 0.902 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến
thu nhập và biến có thể mua đồ dùng cá nhân khi cần gấp độc lập nhau.
+ Giữa biến thu nhập và biến sản phẩm đa dạng: giá trị Asymp.Sig là 0.693 > 0.05,
ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến thu nhập và biến sản phẩm
đa dạng độc lập nhau
+ Giữa biến thu nhập và biến có nhiều chương trình khuyến mãi: giá trị Asymp.Sig
là 0.786 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến thu nhập
và biến có nhiều chương trình khuyến mãi độc lập nhau. Nhưng do phần trăm số ô
có tần suất dưới 5 của bảng là 30% > 20%, điều này làm giá trị của Chi bình
phương không đáng tin cậy nên ta sẽ tiến hành thực hiện kiểm định Fisher’s Exact.
Sau khi kiểm định Fisher’s Exact, ta thấy rằng hệ số Sig của cả Chi bình phương
Pearson và Fisher’s Exact Test đều lớn hơn 0.05, ta có thể kết luận rằng giữa hai
biến thu nhập và biến có nhiều chương trình khuyến mãi độc lập nhau.
+ Giữa biến thu nhập và biến vị trí thuận tiện: giá trị Asymp.Sig là 0.581 > 0.05, ta
có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến thu nhập và biến vị trí thuận
tiện độc lập nhau. Nhưng do phần trăm số ô có tần suất dưới 5 của bảng là 30% >
20%, điều này làm giá trị của Chi bình phương không đáng tin cậy nên ta sẽ tiến
hành thực hiện kiểm định Fisher’s Exact. Sau khi kiểm định Fisher’s Exact, ta thấy
rằng hệ số Sig của cả Chi bình phương Pearson và Fisher’s Exact Test đều lớn hơn
0.05, ta có thể kết luận rằng giữa hai biến thu nhập và biến vị trí thuận tiện độc lập
nhau.
Kiểm định giữa biến Tần suất và các biến định tính khác trong mô hình
Bảng 0-32: Bảng thống kê kiểm định mối liên hệ giữa biến Tần suất và các biến
định tính khác trong mô hình nghiên cứu
Biến định tính Giá trị Phần trăm số Giá trị Giá trị Giá trị
Asymp.Sig ô có tần suất Exact Sig. Exact Sig. Exact Sig.
của Chi bình mong đợi của Chi của của
phƣơng dƣới 5 của bình Fisher’s Cramer’s V
Pearson bảng (%) phƣơng Exact Test
Pearson
Có thể mua đồ
dùng cá nhân 0.488 0.0 0.487 0.526 0.487
khi cần gấp
Sản phẩm đa
0.037 0.0 0.040 0.040 0.040
dạng
Có nhiều
chương trình 0.117 0.0 0.123 0.120 0.123
khuyến mãi
Vị trí thuận
0.158 0.0 0.161 0.161 0.161
tiện
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
+ Giữa biến tần suất và biến đáp ứng nhu cầu mua sắm: giá trị Asymp.Sig là 0.726
> 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến tần suất và biến vị
đáp ứng nhu cầu mua sắm độc lập nhau.
+ Giữa biến tần suất và biến có thể ngồi lại: giá trị Asymp.Sig là 0.391 > 0.05, ta có
thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến tần suất và biến có thể ngồi lại
độc lập nhau.
+ Giữa biến tần suất và biến có thể mua đồ dùng cá nhân khi cần gấp: giá trị
Asymp.Sig là 0.488 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến
tần suất và biến có thể mua đồ dùng cá nhân khi cần gấp độc lập nhau.
+ Giữa biến tần suất và biến sản phẩm đa dạng: giá trị Asymp.Sig là 0.037 < 0.05,
ta bác bỏ giả thuyết H0, nhận giả thuyết H1 và kết luận rằng giữa 2 biến tần suất và
biến sản phẩm đa dạng không độc lập nhau.
+ Giữa biến tần suất và biến có nhiều chương trình khuyến mãi: giá trị Asymp.Sig
là 0.117 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến tần suất và
biến có nhiều chương trình khuyến mãi độc lập nhau.
+ Giữa biến tần suất và biến vị trí thuận tiện: giá trị Asymp.Sig là 0.158 > 0.05, ta
có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến tần suất và biến vị trí thuận
tiện độc lập nhau.
Kiểm định giữa biến Đáp ứng nhu cầu mua sắm và các biến định tính khác
trong mô hình
Bảng 0-33: Bảng thống kê kiểm định mối liên hệ giữa biến Đáp ứng nhu cầu
mua sắm và các biến định tính khác trong mô hình nghiên cứu
Giá trị
Giá trị Phần trăm số Giá trị
Exact Sig. Giá trị
Asymp.Sig ô có tần suất Exact Sig.
của Chi Exact Sig.
Biến định tính của Chi bình mong đợi của
bình của
phƣơng dƣới 5 của Fisher’s
phƣơng Cramer’s V
Pearson bảng (%) Exact Test
Pearson
Có thể mua đồ
dùng cá nhân 0.003 0.0 0.005 0.005 0.005
khi cần gấp
Sản phẩm đa
0.322 0.0 0.336 0.336 0.336
dạng
Có nhiều
chương trình 0.033 0.0 0.042 0.042 0.042
khuyến mãi
Vị trí thuận
0.165 0.0 0.172 0.172 0.172
tiện
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
+ Giữa biến đáp ứng nhu cầu mua sắm và biến có thể ngồi lại: giá trị Asymp.Sig là
0.235 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến đáp ứng nhu
cầu mua sắm và biến có thể ngồi lại độc lập nhau.
+ Giữa biến đáp ứng nhu cầu mua sắm và biến có thể mua đồ dùng cá nhân khi cần
gấp: giá trị Asymp.Sig là 0.003 < 0.05, ta bác bỏ giả thuyết H0, nhận giả thuyết H1
và kết luận rằng giữa 2 biến đáp ứng nhu cầu mua sắm và biến có thể mua đồ dùng
cá nhân khi cần gấp độc lập nhau.
+ Giữa biến đáp ứng nhu cầu mua sắm và biến sản phẩm đa dạng: giá trị Asymp.Sig
là 0.322 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến đáp ứng
nhu cầu mua sắm và biến sản phẩm đa dạng độc lập nhau.
+ Giữa biến đáp ứng nhu cầu mua sắm và biến có nhiều chương trình khuyến mãi:
giá trị Asymp.Sig là 0.033 < 0.05, ta bác bỏ giả thuyết H0, nhận giả thuyết H1 và kết
luận rằng giữa 2 biến đáp ứng nhu cầu mua sắm và biến có nhiều chương trình
khuyến mãi không độc lập nhau.
+ Giữa biến đáp ứng nhu cầu mua sắm và biến vị trí thuận tiện: giá trị Asymp.Sig là
0.165 > 0.05, ta có thể nhận giả thuyết H0 và kết luận rằng giữa 2 biến đáp ứng nhu
cầu mua sắm và biến vị trí thuận tiện độc lập nhau.
Kiểm định giữa biến Có thể ngồi lại và các biến định tính khác trong mô
hình
Bảng 0-34: Bảng thống kê kiểm định mối liên hệ giữa biến Có thể ngồi lại và các
biến định tính khác trong mô hình nghiên cứu
Giá trị
Giá trị Phần trăm số Giá trị
Exact
Asymp.Sig ô có tần suất Exact Sig. Giá trị Exact
Sig. của
Biến định tính của Chi bình mong đợi của Sig. của
Chi bình
phƣơng dƣới 5 của Fisher’s Cramer’s V
phƣơng
Pearson bảng (%) Exact Test
Pearson
Có thể mua đồ
dùng cá nhân 0.004 0.0 0.005 0.005 0.005
khi cần gấp
Sản phẩm đa
0.002 0.0 0.002 0.002 0.002
dạng
Có nhiều
chương trình 0.000 0.0 0.00 0.00 0.00
khuyến mãi
Vị trí thuận
0.055 0.0 0.066 0.066 0.066
tiện
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
+ Giữa biến có thể ngồi lại và biến có thể mua đồ dùng cá nhân khi cần gấp: giá trị
Asymp.Sig là 0.004 < 0.05, ta bác bỏ giả thuyết H0, nhận giả thuyết H1 và kết luận
rằng giữa 2 biến có thể ngồi lại và biến có thể mua đồ dùng cá nhân khi cần gấp
không độc lập nhau.
+ Giữa biến có thể ngồi lại và biến sản phẩm đa dạng: giá trị Asymp.Sig là 0.002 <
0.05, ta bác bỏ giả thuyết H0, nhận giả thuyết H1 và kết luận rằng giữa 2 biến có thể
ngồi lại và biến sản phẩm đa dạng không độc lập nhau.
+ Giữa biến có thể ngồi lại và biến có nhiều chương trình khuyến mãi: giá trị
Asymp.Sig là 0.000 < 0.05, ta bác bỏ giả thuyết H0, nhận giả thuyết H1 và kết luận
rằng giữa 2 biến có thể ngồi lại và biến có nhiều chương trình khuyến mãi không
độc lập nhau.
+ Giữa biến có thể ngồi lại và biến vị trí thuận tiện: giá trị Asymp.Sig là 0.055 >
0.05, ta nhận giả thuyết H0 và kết luận rằng giữa 2 biến có thể ngồi lại và biến vị trí
thuận tiện độc lập nhau.
Kiểm định giữa biến Có thể mua đồ dùng cá nhân khi cần gấp và các biến
định tính khác trong mô hình
Bảng 0-35: Bảng thống kê kiểm định mối liên hệ giữa biến Có thể mua đồ dùng
cá nhân khi cần gấp và các biến định tính khác trong mô hình nghiên cứu
Giá trị
Giá trị Phần trăm số Giá trị Giá trị
Exact Sig.
Asymp.Sig ô có tần suất Exact Sig. Exact Sig.
của Chi
Biến định tính của Chi bình mong đợi của của
bình
phƣơng dƣới 5 của Fisher’s Cramer’s
phƣơng
Pearson bảng (%) Exact Test V
Pearson
Sản phẩm đa
0.000 0.0 0.000 0.000 0.000
dạng
Có nhiều
chương trình 0.003 0.0 0.003 0.002 0.003
khuyến mãi
Vị trí thuận
0.000 0.0 0.000 0.000 0.000
tiện
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
+ Giữa biến có thể mua đồ dùng cá nhân khi cần gấp và biến có nhiều chương trình
khuyến mãi: giá trị Asymp.Sig là 0.003 < 0.05, ta bác bỏ giả thuyết H0, nhận giả
thuyết H1 và kết luận rằng giữa 2 biến có thể mua đồ dùng cá nhân khi cần gấp và
biến có nhiều chương trình khuyến mãi không độc lập nhau.
+ Giữa biến có thể mua đồ dùng cá nhân khi cần gấp và biến vị trí thuận tiện: giá trị
Asymp.Sig là 0.000 < 0.05, ta bác bỏ giả thuyết H0, nhận giả thuyết H1 và kết luận
rằng giữa 2 biến có thể mua đồ dùng cá nhân khi cần gấp và biến sản vị trí thuận
tiện không độc lập nhau.
Kiểm định giữa biến Sản phẩm đa dạng và các biến định tính khác trong
mô hình
Bảng 0-36: Bảng thống kê kiểm định mối liên hệ giữa biến Sản phẩm đa dạng và
các biến định tính khác trong mô hình nghiên cứu
Có nhiều
chương trình 0.000 0.0 0.000 0.000 0.000
khuyến mãi
Vị trí thuận
0.000 0.0 0.000 0.000 0.000
tiện
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Từ kết quả bảng trên, ta có thể thấy được rằng:
+ Giữa biến sản phẩm đa dạng và biến có nhiều chương trình khuyến mãi: giá trị
Asymp.Sig là 0.000 < 0.05, ta bác bỏ giả thuyết H0, nhận giả thuyết H1 và kết luận
rằng giữa 2 biến sản phẩm đa dạng và biến sản có nhiều chương trình khuyến mãi
không độc lập nhau.
+ Giữa biến sản phẩm đa dạng và biến vị trí thuận tiện: giá trị Asymp.Sig là 0.000 <
0.05, ta bác bỏ giả thuyết H0, nhận giả thuyết H1 và kết luận rằng giữa 2 biến sản
phẩm đa dạng và biến vị trí thuận tiện không độc lập nhau.
Kiểm định giữa biến Có nhiều chương trình khuyến mãi và các biến định
tính khác trong mô hình
Bảng 0-37: Bảng thống kê kiểm định mối liên hệ giữa biến Có nhiều chương
trình khuyến mãi và các biến định tính khác trong mô hình nghiên cứu
Vị trí thuận
0.002 0.0 0.002 0.002 0.002
tiện
(Nguồn: Kết quả xử lý từ dữ liệu điều tra của nhóm)
Từ kết quả ở bảng trên, ta có thể thấy được rằng giữa biến ccó nhiều chương trình
khuyến mãi và biến vị trí thuận tiện: giá trị Asymp.Sig là 0.002 < 0.05, ta bác bỏ giả
thuyết H0, nhận giả thuyết H1 và kết luận rằng giữa 2 biến có nhiều chương trình
khuyến mãi và biến vị trí thuận tiện không độc lập nhau.
KIỂM ĐỊNH SỰ KHÁC BIỆT VỀ TRỊ TRUNG BÌNH
Có 2 trường hợp xảy ra khi kiểm định sự khác biệt về trị trung bình:
Trƣờng hợp 1: Với các biến định tính có 2 giá trị, ta sẽ tiến hành chạy
kiểm định Independent Sample T-Test.
Trƣờng hợp 2: Với các biến định tính có 3 giá trị trở lên, ta sẽ tiến hành
chạy kiểm định One-Way ANOVA.
Giả thuyết
H0: không có sự khác biệt có ý nghĩa giữa các trị trung bình của 2 mẫu.
H1: có sự khác biệt có ý nghĩa giữa các giá trị trung bình của 2 mẫu.
Mục đích
So sánh trị trung bình về một chỉ tiêu nghiên cứu nào đó giữa 2 đối tượng quan
tâm.
Ta sẽ kiểm định phương sai bằng hệ số sig. ở cột Levene’s Test for Equality of
Variances. Nếu:
Giá trị sig. của Levene < 0.05: ta xét giá trị sig. hàng Equal variances not
assumed ở cột t-test for Equality of Means. Nếu:
o Giá trị sig. của t-test < 0.05: ta bác bỏ giả thuyết H0.
o Giá trị sig. của t-test ≥ 0.05: ta nhận giả thuyết H0.
Giá trị sig. của Levene ≥ 0.05: ta xét giá trị sig. hàng Equal variances
assumed ở cột t-test for Equality of Means. Nếu:
o Giá trị sig . của t-test < 0.05: ta bác bỏ giả thuyết H0.
o Giá trị sig. của t-test ≥ 0.05: ta nhận giả thuyết H0.
[nhét hình]
B2: Ở giao diện Independent-Samples T Test, ta chọn biến đại diện của biến phụ
thuộc cho vào khung Test Variable(s) ta cho biến định tính vào khung Grouping
Variable Define Groups…
[Nhét hình]
B3: Ta quy định ký hiệu mã hóa cho 2 giá trị của biến định tính tại ô Group 1 và 2
Chọn Continue Chọn OK.
[Nhét hình]
Kết quả kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng
tiện lợi của sinh viên có lý do chọn cửa hàng tiện lợi là đáp ứng nhu cầu mua
sắm khác
Bảng 0-38: Kết quả kiểm định sự khác biệt nhóm có lý do chọn cửa hàng tiện lợi
vì đáp ứng nhu cầu mua sắm với lựa chọn
Levene's Test
for Equality of t-test for Equality of Means
Variances
95% Confidence
Sig. Interval of the
Mean Std. Error
F Sig. t df (2- Difference
Difference Difference
tailed)
Lower Upper
Equal
variances .882 .349 1.077 194 .283 .11044 .10251 -.09174 .31263
assumed
LC
Equal
variances not .998 79.141 .321 .11044 .11065 -.10979 .33068
assumed
Kết quả chạy kiểm định Independent – Sample T-Test cho thấy không có sự khác
biệt về giá trị trung bình trong lựa chọn cửa hàng tiện lợi của sinh viên giữa hai
nhóm có lý do chọn cửa hàng tiện lợi vì đáp ứng nhu cầu mua sắm. Kết quả kiểm
định cho thấy số Sig của Lenvene’s Test = 0.349 > 0.05. Suy ra phương sai giữa 2
nhóm không có sự khác biệt có ý nghĩa thống kê. Giá trị Sig T-Test = 0.283.
Kết luận: Không có sự khác biệt có ý nghĩa thống kê về lựa chọn cửa hàng tiện lợi
của sinh viên đối với các yếu tố của cửa hàng tiện lợi giữa các đáp viên có lý do lựa
chọn cửa hàng tiện lợi vì đáp ứng nhu cầu mua sắm khác nhau.
Kết quả kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng
tiện lợi của sinh viên có lý do chọn cửa hàng tiện lợi vì có thể ngồi lại
Bảng 0-39: Kết quả kiểm định sự khác biệt nhóm có lý do chọn cửa hàng tiện lợi
vì có thể ngồi lại với lựa chọn
Levene's Test
for Equality of t-test for Equality of Means
Variances
95% Confidence
Sig. Mean Interval of the
Std. Error
F Sig. t df (2- Differenc Difference
Difference
tailed) e
Lower Upper
Equal
variances .001 .971 -.259 194 .796 -.02367 .09125 -.20364 .15629
assumed
LC
Equal
variances -.259 185.971 .796 -.02367 .09126 -.20372 .15637
not assumed
Kết quả chạy kiểm định Independent – Sample T-Test cho thấy không có sự khác
biệt về giá trị trung bình trong lựa chọn cửa hàng tiện lợi của sinh viên giữa hai
nhóm có lý do chọn cửa hàng tiện lợi vì có thể ngồi lại. Kết quả kiểm định cho thấy
số Sig của Lenvene’s Test = 0.971 > 0.05. Suy ra phương sai giữa 2 nhóm không có
sự khác biệt có ý nghĩa thống kê. Giá trị Sig T-Test = 0.796.
Kết luận: Không có sự khác biệt có ý nghĩa thống kê về lựa chọn cửa hàng tiện lợi
của sinh viên đối với các yếu tố của cửa hàng tiện lợi giữa các đáp viên có lý do lựa
chọn cửa hàng tiện lợi vì có thể ngồi lại khác nhau.
Kết quả kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng
tiện lợi của sinh viên có lý do chọn cửa hàng tiện lợi vì có thể mua đồ dùng cá
nhân khi cần gấp
Bảng 0-40: Kết quả kiểm định sự khác biệt nhóm có lý do chọn cửa hàng tiện lợi
vì có thể mua đồ dùng cá nhân khi cần gấp với lựa chọn
95% Confidence
Interval of the
Sig. Difference
(2- Mean Std. Error
F Sig. t df tailed) Difference Difference Lower Upper
LC Equal .043 .837 -.237 194 .813 -.02204 .09315 -.20576 .16168
variances
assumed
Kết quả chạy kiểm định Independent – Sample T-Test cho thấy không có sự khác
biệt về giá trị trung bình trong lựa chọn cửa hàng tiện lợi của sinh viên giữa hai
nhóm có lý do chọn cửa hàng tiện lợi vì có thể mua đồ dùng cá nhân khi cần gấp.
Kết quả kiểm định cho thấy số Sig của Lenvene’s Test = 0.837 > 0.05. Suy ra
phương sai giữa 2 nhóm không có sự khác biệt có ý nghĩa thống kê. Giá trị Sig T-
Test = 0.813.
Kết luận: Không có sự khác biệt có ý nghĩa thống kê về lựa chọn cửa hàng tiện lợi
của sinh viên đối với các yếu tố của cửa hàng tiện lợi giữa các đáp viên có lý do lựa
chọn cửa hàng tiện lợi vì có thể mua đồ dùng cá nhân khi cần gấp.
Kết quả kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng
tiện lợi của sinh viên có lý do chọn cửa hàng tiện lợi vì sản phẩm đa dạng.
Bảng 0-41: Kết quả kiểm định sự khác biệt nhóm có lý do chọn cửa hàng tiện lợi
vì đa dạng sản phẩm với lựa chọn
Levene's Test
for Equality t-test for Equality of Means
of Variances
95% Confidence
Sig. Interval of the
Mean Std. Error
F Sig. t df (2- Difference
Difference Difference
tailed)
Lower Upper
Equal
variances 1.598 .208 -1.461 194 .146 -.13204 .09037 -.31027 .04619
assumed
LC
Equal
variances -1.465 193.959 .144 -.13204 .09012 -.30978 .04570
not assumed
Kết quả chạy kiểm định Independent – Sample T-Test cho thấy không có sự khác
biệt về giá trị trung bình trong lựa chọn cửa hàng tiện lợi của sinh viên giữa hai
nhóm có lý do chọn cửa hàng tiện lợi vì sản phẩm đa dạng. Kết quả kiểm định cho
thấy số Sig của Lenvene’s Test = 0.208 > 0.05. Suy ra phương sai giữa 2 nhóm
không có sự khác biệt có ý nghĩa thống kê. Giá trị Sig T-Test = 0.146.
Kết luận: Không có sự khác biệt có ý nghĩa thống kê về lựa chọn cửa hàng tiện lợi
của sinh viên đối với các yếu tố của cửa hàng tiện lợi giữa các đáp viên có lý do lựa
chọn cửa hàng tiện lợi vì sản phẩm đa dạng.
Kết quả kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng
tiện lợi của sinh viên có lý do chọn cửa hàng tiện lợi vì có nhiều chương trình
khuyến mãi.
Bảng 0-42: Kết quả kiểm định sự khác biệt nhóm có lý do chọn cửa hàng tiện lợi
vì có nhiều chương trình khuyến mãi với lựa chọn
Levene's Test
for Equality of
Variances t-test for Equality of Means
95% Confidence
Sig. Interval of the
Mean Std. Error
F Sig. t df (2- Difference
Difference Difference
tailed)
Lower Upper
LC Equal .000 .989 -1.192 194 .235 -.11286 .09470 -.29963 .07391
variances
assumed
Kết quả chạy kiểm định Independent – Sample T-Test cho thấy không có sự khác
biệt về giá trị trung bình trong lựa chọn cửa hàng tiện lợi của sinh viên giữa hai
nhóm có lý do chọn cửa hàng tiện lợi vì có nhiều chương trình khuyến mãi. Kết quả
kiểm định cho thấy số Sig của Lenvene’s Test = 0.989 > 0.05. Suy ra phương sai
giữa 2 nhóm không có sự khác biệt có ý nghĩa thống kê. Giá trị Sig T-Test = 0.235.
Kết luận: Không có sự khác biệt có ý nghĩa thống kê về lựa chọn cửa hàng tiện lợi
của sinh viên đối với các yếu tố của cửa hàng tiện lợi giữa các đáp viên có lý do lựa
chọn cửa hàng tiện lợi vì có nhiều chương trình khuyến mãi.
Kết quả kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng
tiện lợi của sinh viên có lý do chọn cửa hàng tiện lợi vì có vị trí thuận tiện
Bảng 0-43: Kết quả kiểm định sự khác biệt nhóm có lý do chọn cửa hàng tiện lợi
vì có vị trí thuận lợi với lựa chọn
Levene's Test
for Equality t-test for Equality of Means
of Variances
95% Confidence
Sig. Interval of the
Mean Std. Error
F Sig. t df (2- Difference
Difference Difference
tailed)
Lower Upper
Equal
variances .000 .985 -1.361 194 .175 -.13116 .09634 -.32117 .05886
assumed
LC
Equal
variances
-1.363 125.107 .175 -.13116 .09625 -.32164 .05933
not
assumed
Kết quả chạy kiểm định Independent – Sample T-Test cho thấy không có sự khác
biệt về giá trị trung bình trong lựa chọn cửa hàng tiện lợi của sinh viên giữa hai
nhóm có lý do chọn cửa hàng tiện lợi vì có vị trí thuận lợi. Kết quả kiểm định cho
thấy số Sig của Lenvene’s Test = 0.985 > 0.05. Suy ra phương sai giữa 2 nhóm
không có sự khác biệt có ý nghĩa thống kê. Giá trị Sig T-Test = 0.175.
Kết luận: Không có sự khác biệt có ý nghĩa thống kê về lựa chọn cửa hàng tiện lợi
của sinh viên đối với các yếu tố của cửa hàng tiện lợi giữa các đáp viên có lý do lựa
chọn cửa hàng tiện lợi vì có vị trí thuận lợi.
Mục đích
Kiểm tra T - Test dành cho kiểm định 2 mẫu, nếu trường hợp biến có 3 mẫu ta vẫn
có thể thực hiện Independent-Sample T-Test với 3 cặp so sánh (1-2), (1-3), (2-3),
vậy nếu có k mẫu thì số cặp cần so sánh là = k! / [2! (K-2)!]
Mỗi lần kiểm định sẽ chấp nhận phạm sai lầm là 5% nghĩa là khả năng phạm sai
lầm sẽ tăng theo số lần làm kiểm định (bất hợp lý).
Do đó, ta sử dụng phân tích phương sai Anova sẽ tối ưu hơn vì dù có tiến hành
kiểm định trên N mẫu nhưng cũng chỉ với khả năng sai phạm là 5%, có thể nói
Anova chính là kiểm định T - Test mở rộng .
Sử dụng 1 biến yếu tố để phân loại các quan sát thành nhiều nhóm khác nhau.
Sử dụng 2 hay nhiều biến yếu tố để phân loại quan sát thành nhiều nhóm.
Giá trị sig. của Levene ≥ 0.05: thì phương sai giữa các lựa chọn của biến
định tính là không khác nhau, tiến hành xem tiếp ở bảng ANOVA. Nếu:
o Giá trị sig. ở bảng ANOVA < 0.05: ta bác bỏ giả thuyết H0.
o Giá trị sig. ở bảng ANOVA ≥ 0.05: ta chấp nhận giả thuyết H0.
Giá trị sig. của Levene < 0.05: thì phương sai giữa các lựa chọn của biến
định tính là đồng nhất, tại đây ta chưa thể sử dụng bảng ANOVA mà sẽ đi
vào kiểm định Welch. Sau khi chạy kiểm định Welch thì ta sẽ kiểm định hệ
số sig ở bảng Robust Tests. Nếu:
o Giá trị sig ở bảng Robust Tests < 0.05: ta bác bỏ giả thuyết H0.
o Giá trị sig ở bảng Robust Tests ≥ 0.05: ta chấp nhận giả thuyết H0.
[nhét hình]
B2: Ở giao diện One-Way ANOVA, ta cho biến phụ thuộc vào khung Dependent
List Cho biến định tính vào khung Factor Chọn Contrast…
[nhét hình]
B3: Ở giao diện One-Way ANOVA: Post Hoc Multiple Comparisons, ta chọn LSD
ở phần Equal Variances Assumed Chọn Continue Chọn Options…
[nhét hình]
[nhét hình]
Kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng tiện lợi
của sinh viên có giới tính khác nhau.
Bảng 0-44: Kiểm định sự đồng nhất phương sai của nhóm biến giới tính
Thống kê
Bậc tự do (df1) Bậc tự do (df2) Giá trị Sig.
Levene
Bảng 0-45: Kiểm định phân tích ANOVA cho nhóm biến giới tính
Kết quả phân tích ANOVA từ bảng trên cho thấy giá trị Sig. là 0.548 > 0.05. Do
đó, ta kết luận là không có sự khác biệt về giới tính đối với các lựa chọn cửa hàng
tiện lợi của sinh viên.
Kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng tiện lợi
của sinh viên có thu nhập khác nhau.
Bảng 0-46: Kiểm định sự đồng nhất phương sai của nhóm biến thu nhập
Thống kê
Bậc tự do (df1) Bậc tự do (df2) Giá trị Sig.
Levene
Bảng 0-47: Kiểm định phân tích ANOVA cho nhóm biến thu nhập
Kết quả phân tích ANOVA từ bảng trên cho thấy giá trị Sig. là 0.120 > 0.05. Do
đó, ta kết luận là không có sự khác biệt về thu nhập đối với các lựa chọn cửa hàng
tiện lợi của sinh viên.
Kiểm định sự khác nhau về các yếu tố ảnh hưởng đến lựa chọn cửa hàng tiện lợi
của sinh viên có tần suất đến cửa hàng tiện lợi khác nhau.
Bảng 0-48: Kiểm định sự đồng nhất phương sai của nhóm biến tần suất
Thống kê
Bậc tự do (df1) Bậc tự do (df2) Giá trị Sig.
Levene
Bảng 0-49: Kiểm định phân tích ANOVA cho nhóm biến tần suất
Kết quả phân tích ANOVA từ bảng trên cho thấy giá trị Sig. là 0.297 > 0.05. Do
đó, ta kết luận là không có sự khác biệt về tần suất đối với các lựa chọn cửa hàng
tiện lợi của sinh viên.
KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ
KẾT LUẬN