4.

3 PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA

4.3.1 ) Phân tích biến độc lập
- Kết quả chạy lần 1

KMO and Bartlett's Test

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .937
Bartlett's Test of Sphericity Approx. Chi-Square 4097.552
df 300
Sig. .000

Sau khi chạy phần mềm, hệ số KMO là 0,937, đảm bảo thỏa mãn điều kiện 0,5 ≤
KMO ≤ 1, kiểm định Bartlett có mức ý nghĩa Sig. là 0,000 < 0,05, như vậy việc
phân tích nhân tố là phù hợp.

Total Variance Explained

Extraction Sums of Squared Rotation Sums of Squared
Initial Eigenvalues Loadings Loadings
Compon % of Cumulativ % of Cumulativ % of Cumulativ
ent Total Variance e% Total Variance e% Total Variance e%
1 14.268 57.072 57.072 14.268 57.072 57.072 7.594 30.378 30.378
2 3.119 12.475 69.547 3.119 12.475 69.547 5.789 23.154 53.532
3 1.132 4.526 74.073 1.132 4.526 74.073 5.135 20.542 74.073
4 .783 3.132 77.205
5 .652 2.609 79.814
6 .586 2.343 82.157
7 .513 2.053 84.210
8 .413 1.653 85.863
9 .373 1.493 87.356
10 .344 1.376 88.732
11 .331 1.326 90.057
12 .307 1.226 91.283
13 .290 1.160 92.443
14 .285 1.140 93.583
15 .229 .915 94.498
16 .207 .828 95.326
17 .188 .752 96.078
18 .172 .688 96.766
19 .158 .630 97.397
20 .147 .588 97.984
21 .124 .497 98.482
22 .121 .482 98.964
23 .108 .432 99.396
24 .086 .344 99.740
25 .065 .260 100.000
Extraction Method: Principal Component Analysis.

Kết quả ở bảng 4.4. cho thấy Engenvalue là 1,132 > 1 dừng ở nhân tố
thứ 3 và tổng phương sai trích đạt được 74.073% > 50%. Như vậy, việc phân
tích nhân tố là phù hợp, hệ số tải nhân tố lớn nhất của các biến quan sát đều
lớn hơn 0,5. Vì vậy việc phân tích EFA hoàn tất do đã đạt độ tin cậy về mặt
thống kê.

Rotated Component Matrixa

Component
1 2 3
TH3 .840
TH1 .830
TH2 .825
TH4 .806
CL3 .785
CL2 .780
CL5 .759
TH5 .746
CL1 .682
CL4 .666
CT4 .777
CT5 .705
GC5 .692
CT2 .689 .506
CT3 .684
CT1 .676
GC3 .657
GC4 .646
GC2 .528 .645
GC1 .558
TQ4 .889
TQ2 .888
TQ3 .860
TQ5 .712
TQ1 .673

Từ kết quả ma trận xoay, biến Thương Hiệu, Chất Lượng Sản Phẩm,Thói Quen, Gía Cả
và biến Chiêu Thị có kết quả nhỏ hơn 0.5 sẽ bị loại
Biến CT2 tải lên ở cả hai nhân tố là Component 2 và component 3, vi phạm tính phân
biệt trong ma trận xoay với hệ số tải lần lượt là 0.689 và 0.506, mức chênh lệch hệ số tải
nhỏ hơn hơn 0.3
Biến GC2 tải lên ở cả hai nhân tố là Component 1 và component 2, vi phạm tính phân
biệt trong ma trận xoay với hệ số tải lần lượt là 0.528 và 0.645 mức chênh lệch hệ số tải
nhỏ hơn hơn 0.3
Tiến hành thực hiện phân tích nhân tố khám phá EFA lần 2. Thực hiện phân tích
EFA lần hai sau khi loại bỏ các nhân tố xấu

- Kết quả chạy lần 2

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .929
Bartlett's Test of Sphericity Approx. Chi-Square 3638.579
df 253
Sig. .000
Sau khi chạy phần mềm, hệ số KMO là 0,929 đảm bảo thỏa mãn điều kiện 0,5 ≤
KMO ≤ 1, kiểm định Bartlett có mức ý nghĩa Sig. là 0,000 < 0,05, như vậy việc
phân tích nhân tố là phù hợp.

Total Variance Explained

Extraction Sums of Squared Rotation Sums of Squared
Initial Eigenvalues Loadings Loadings
Compone % of Cumulative % of Cumulative % of Cumulative
nt Total Variance % Total Variance % Total Variance %
1 12.969 56.388 56.388 12.969 56.388 56.388 7.315 31.803 31.803
2 3.017 13.119 69.508 3.017 13.119 69.508 4.958 21.556 53.359
3 1.054 4.582 74.089 1.054 4.582 74.089 4.768 20.730 74.089
4 .770 3.346 77.435
5 .604 2.627 80.062
6 .562 2.443 82.505
7 .483 2.101 84.606
8 .381 1.658 86.263
9 .367 1.597 87.860
10 .335 1.458 89.318
11 .312 1.359 90.677
12 .298 1.294 91.971
13 .280 1.218 93.188
14 .263 1.142 94.331
15 .211 .919 95.250
16 .201 .873 96.123
17 .181 .786 96.909
18 .165 .718 97.627
19 .149 .646 98.273
20 .124 .539 98.812
21 .120 .521 99.334
22 .088 .382 99.716
23 .065 .284 100.000
Extraction Method: Principal Component Analysis.
Kết quả ở bảng 4.4. cho thấy Engenvalue là 1,054 > 1 dừng ở nhân tố
thứ 3 và tổng phương sai trích đạt được 74.089 > 50%. Như vậy, việc phân
tích nhân tố là phù hợp, hệ số tải nhân tố lớn nhất của các biến quan sát đều
lớn hơn 0,5 .Vì vậy việc phân tích EFA hoàn tất do đã đạt độ tin cậy về mặt
thống kê.

Rotated Component Matrixa

Component
1 2 3
TH3 .836
TH2 .833
TH1 .830
TH4 .802
CL3 .788
CL2 .783
CL5 .760
TH5 .745
CL1 .694
CL4 .676
TQ2 .892
TQ4 .891
TQ3 .871
TQ5 .710
TQ1 .676
CT4 .776
CT5 .722
GC5 .678
CT3 .671
GC3 .658
CT1 .655
GC4 .655
GC1 .526

Kết quả ma trận xoay cho thấy, 23 biến quan sát được gom thành 3 nhân tố, tất cả các
biến quan sát đều có hệ số tải nhân tố Factor Loading lớn hơn 0.5.
Kết quả phân tích nhân tố EFA cho thấy, các biến độc lập và biến phụ thuộc trong mô
hình nghiên cứu đều đạt yêu cầu. Phân tích EFA là phù hợp với dữ liệu nghiên cứu. Kết
quả phân tích nhân tố EFA có thể được sử dụng ở bước phân tích tiếp theo.

4.3.2 Phân tích biến phụ thuộc

KMO and Barlett’s Test

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .881
Bartlett's Test of Sphericity Approx. Chi-Square 591.810
df 10
Sig. .000

Bảng đầu tiên là KMO and Barlett’s Test. 0.5 ≤ KMO = 0.5 ≤ 1, phân tích nhân tố được
chấp nhận với tập dữ liệu nghiên cứu.
Sig Barlett’s Test = 0.000 < 0.05, phân tích nhân tố là phù hợp.

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings
Component Total % of Variance Cumulative % Total % of Variance Cumulative %
1 3.844 76.874 76.874 3.844 76.874 76.874
2 .441 8.814 85.688
3 .272 5.432 91.120
4 .253 5.053 96.174
5 .191 3.826 100.000
Extraction Method: Principal Component Analysis.

Giá trị Eigenvalue = 3.844 ≥ 1 và trích được 1 nhân tố mang ý nghĩa tóm tắt thông tin tốt
nhất.
Tổng phương sai trích = 76.874 ≥ 50% cho thấy mô hình EFA là phù hợp.
Như vậy, 1 nhân tố được trích cô đọng được 76.874% biến thiên các biến quan sát.
 Component
Matrixa
Component
1
NT3 .892
NT5 .891
NT1 .890
NT2 .888
NT4 .821

Rotated
Component Matrixa

a. Only one component

was extracted. The
solution cannot be
rotated.

Tuy nhiên, với kết quả của phân tích EFA biến phụ thuộc, đa phần bảng Rolated Component
Matrix sẽ báo only one component was extracted. Đây không phải lỗi của phần mềm hay lỗi dữ
liệu, thông báo này mang ý nghĩa là chỉ có 1 nhân tố được trích, do đó SPSS không thể thực hiện
xoay ma trận. Điều này là hoàn toàn hợp lý, bởi SPSS chỉ thực hiện xoay nhân tố khi có từ 2
nhân tố trở lên được trích

4.4 PHÂN TÍCH HỒI QUY BỘI TUYẾN TÍNH.

Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate Durbin-Watson
1 .798 a
.637 .625 .51192 1.212
a. Predictors: (Constant), ChiêuThị , Thương Hiệu, ThóiQuen, Giá Cả, Chất Lượng
b. Dependent Variable: Nhân Tố Ảnh Hưởng
 Giá trị R2 hiệu chỉnh có giá trị 0.5 < 0.673 <1, nên đây là mô hình tốt.
Giá trị hiểu chỉnh = 0.625 . Cho thấy các biến độc lập đưa vào phân tích hồi quy
ảnh hưởng 62.5% sự biến thiên của biến phụ thuộc, còn lại 37.5% là do các biến
ngoài mô hình và sai số ngẫu nhiên

Coefficientsa
Standardize
d
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) .332 .210 1.575 .117
Thương Hiệu .190 .089 .188 2.150 .033 .312 3.210
Chất Lượng .111 .099 .109 1.123 .263 .250 4.004
Giá Cả .117 .106 .106 1.101 .273 .258 3.876
ThóiQuen .272 .062 .314 4.373 .000 .460 2.172
ChiêuThị .235 .091 .233 2.577 .011 .289 3.457
a. Dependent Variable: Nhân Tố Ảnh Hưởng

Biến Chất Lượng có giá trị sig kiểm định bằng 0.263 > 0.05
Biến Giá Cả có giá trị sig kiểm định bằng 0.273 > 0.05
do đó biến này không ý nghĩa mô hình quy hay nói các khác biến này không có tác động
lên biến phụ thuộc Nhân Tố

Biến còn lại là Thương Hiệu , Thói Quen , Chiêu Thị có sig kiểm định <0.05 , do đó các
biến này có ý nghĩa thống kê , tác động lên biến phụ thuộc Nhân Tố Ảnh Hưởng

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 70.366 5 14.073 53.702 .000b
Residual 40.096 153 .262
Total 110.462 158
a. Dependent Variable: Nhân Tố Ảnh Hưởng
b. Predictors: (Constant), ChiêuThị , Thương Hiệu, ThóiQuen, Giá Cả, Chất Lượng
Kết quả phân tích phương sai Anova cho thấy giá trị kiểm định F = 53.702 với
Sig.= 0,000<0,005.
Bảng ANOVA cho chúng ta kết quả kiểm định F để đánh giá giả thuyết sự phù hợp
của mô hình hồi quy. Giá trị sig kiểm định F bằng 0.000 < 0.05, do đó, mô hình
hồi quy là phù hợp.