Professional Documents
Culture Documents
Tieuluan - Chuong34
Tieuluan - Chuong34
Bảng 3.6. Kết quả đánh giá độ tin cậy đối với thang đo “Nhận thức về sức khỏe”
Hệ số Cronbach's
Biến quan Trung bình thang Phương sai thang Tương quan biến
Alpha nếu xóa Kết luận
sát đo nếu loại biến đo nếu loại biến tổng
thang đo
Thang đo “Nhận thức về sức khỏe”. Cronbach’s Alpha = 0,719
NTSK1 14,58 5,323 0,435 0,688 Chấp nhận
NTSK2 14,49 5,245 0,489 0,669 Chấp nhận
NTSK3 15,06 5,109 0,360 0,726 Chấp nhận
NTSK4 14,41 4,811 0,569 0,635 Chấp nhận
NTSK5 14,72 4,743 0,560 0,637 Chấp nhận
(Nguồn: Xử lý bằng phần mềm SPSS)
3.2.6. Kiểm định độ tin cậy với thang đo “Quyết định mua sản phẩm”
Thang đo Quyết định mua sản phẩm có độ tin cậy Cronbach’s Alpha 0,824 lớn hơn
0,6, đồng thời tất cả các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0,3. Vì
vậy, thang đo Quyết định mua sản phẩm với 05 biến quan sát đều được chấp nhận và được
đưa vào phân tích nhân tố khám phá.
Bảng 3.7. Kết quả đánh giá độ tin cậy đối với thang đo “Quyết định mua sản phẩm”
Hệ số Cronbach's
Biến quan Trung bình thang Phương sai thang Tương quan biến
Alpha nếu xóa Kết luận
sát đo nếu loại biến đo nếu loại biến tổng
thang đo
Thang đo “Quyết định mua sản phẩm”. Cronbach’s Alpha = 0,824
QĐMSP1 14,57 4,176 0,611 0,791 Chấp nhận
QĐMSP2 13,95 4,643 0,497 0,820 Chấp nhận
QĐMSP3 13,99 4,007 0,628 0,786 Chấp nhận
QĐMSP4 14,35 3,760 0,690 0,767 Chấp nhận
QĐMSP5 14,32 4,008 0,668 0,774 Chấp nhận
(Nguồn: Xử lý bằng phần mềm SPSS)
3.3. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA là một trong những phương pháp phân tích định lượng
dùng để rút gọn nhiều biến đo lường phụ thuộc lẫn nhau thành một tập hợp các biến (nhân tố)
để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các thông tin của tập biến ban đầu
(Hair & ctg, 1998) [26]
Phân tích nhân tố góp phần rút gọn một tập hợp gồm nhiều biến đo lường thành một nhân
tố. Sau khi thực hiện EFA các nhân tố có thể được thực hiện trong phân tích hồi quy đa biến.
Điều kiện cần để bảng kết quả ma trận xoay có ý nghĩa thống kê là:
Hệ số KMO phải nằm trong đoạn từ 0,5 đến 1
Kiểm định Barlett có Sig phải nhỏ hơn 0,05
Giá trị Eigenvalue lớn hơn hoặc bằng 1
Tổng phương sai trích lớn hơn hoặc bằng 50%.
3.3.1. Phân tích nhân tố EFA cho các biến độc lập
Bảng 3.8. Ma trận xoay nhân tố trong mô hình lần cuối
Hệ số nhân tố tải
Biến quan sát
1 2 3 4 5
TDNBH3 0,890
TDNBH4 0,860
TDNBH1 0,805
TDNBH2 0,637
NTNTD2 0,804
NTNTD3 0,755
NTNTD4 0,690
NTNTD1 0,663
GTSP4 0,765
GTSP2 0,626
GTSP1 0,604
GTSP3 0,530
CLSP3 0,771
CLSP2 0,729
CLSP1 0,615
NTSK4 0,824
NTSK5 0,640
NTSK3 0,515
NTSK2 0,511
(Nguồn: Xử lý bằng phần mềm SPSS)
Từ kết quả phân tích ta thấy tất cả các biến quan sát đều có hệ số tải nhân tố lớn hơn
0,5. Đảm bảo giá trị hội tụ của các biến trong một nhân tố. Nên đủ điều kiện phân tích các
bước tiếp theo. Biến NTSK1 đã bị loại ra khỏi mô hình do có hệ số tải nhân tố nhỏ hơn 0,5
(Tham khảo phụ lục 5)
3.3.1.1. Kiểm định tích hợp của mô hình nhân tố EFA (Kaiser – Meyer - Olkin) và
tính tương quan giữa các biến quan sát
Bảng 3.9. Kiểm định KMO và Bartlett’s cho biến độc lập
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,844
Approx. Chi-Square 1263,980
Bartlett's Test of Sphericity df 190
Sig. 0,000
(Nguồn: Xử lý bằng phần mềm SPSS)
Từ kết quả phân tích nhân tố lần cuối cho thấy:
Thước đo KMO (Kaiser-Meyer-Olkin) có giá trị = 0,844 thỏa điều kiện
0,5 ≤ KMO ≤ 1. Phân tích nhân tố rất phù hợp với dữ liệu thực tế. Kết quả kiểm định
tương quan với nhau trong mỗi nhóm nhân tố, kiểm định Bartlett’s Test có giá trị Sig.
= 0,000 < 0,05. Các biến quan sát có tương quan với nhau trong mỗi nhóm nhân tố.
3.3.1.2. Kiểm định phương sai trích của các yếu tố.
Bảng 3.10. Phương sai trích của các nhân tố trong mô hình
Tổng phương sai trích
Tổng hệ số tải bình phương Tổng hệ số tải bình phương
Hệ số Eigenvalue
của phép trích của phép xoay
Nhân tố
% phương Tích lũy % phương Tích lũy % phương Tích lũy
Tổng Tổng Tổng
sai % sai % sai %
1 6,691 33,457 33,457 6,691 33,457 33,457 3,006 15,028 15,028
2 2,135 10,677 44,133 2,135 10,677 44,133 2,871 14,355 29,383
3 1,786 8,931 53,065 1,786 8,931 53,065 2,568 12,842 42,224
4 1,218 6,088 59,153 1,218 6,088 59,153 2,442 12,212 54,436
5 1,178 5,890 65,043 1,178 5,890 65,043 2,121 10,606 65,043
6 0,879 4,395 69,438
7 0,821 4,106 73,544
8 0,708 3,540 77,084
9 0,669 3,343 80,427
10 0,548 2,742 83,169
11 0,495 2,477 85,646
12 0,457 2,284 87,931
13 0,429 2,147 90,077
14 0,388 1,940 92,017
15 0,358 1,790 93,807
16 0,314 1,572 95,378
17 0,293 1,464 96,842
18 0,239 1,193 98,035
19 0,221 1,103 99,139
20 0,172 0,861 100,000
(Nguồn: Xử lý bằng phần mềm SPSS)
Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá
trị là 1,178 > 1 thì 5 nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất. Hệ số tổng
phương sai trích (Total Varianve Explained) có giá trị phương sai cộng dồn của các
yếu tố (từ yếu tố 1 đến yếu tố 5) là 65,043% > 50% đáp ứng tiêu chuẩn.
Kết luận: 65,043% thay đổi của các nhân tố được giải thích bởi các biến quan sát
trong mô hình. Các biến trong phân tích EFA có hệ số tải lớn hơn 0,5, vì vậy 19 biến
quan sát này tiếp tục được đưa vào để phân tích hồi quy tuyến tính bằng các nhân tố
đại diện.
3.3.2. Phân tích nhân tố EFA cho biến phụ thuộc
Bảng 3.11. Kiểm định KMO và Bartlett’s cho biến phụ thuộc
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,724
Approx. Chi-Square 273.848
Bartlett's Test of Sphericity df 10
Sig. 0,000
(Nguồn: Xử lý bằng phần mềm SPSS)
Từ kết quả phân tích nhân tố lần cuối cho thấy:
Thước đo KMO (Kaiser-Meyer-Olkin) có giá trị = 0,724 thỏa điều kiện
0,5 ≤ KMO ≤ 1.
Kết luận: phân tích nhân tố rất phù hợp với dữ liệu thực tế.
Kết quả kiểm định Bartlett’s Test có giá trị Sig.= 0,000 < 0,05.
Kết luận: các biến quan sát có tương quan với nhau trong nhân tố phụ thuộc.
Bảng 3.12. Phương sai trích của nhân tố phụ thuộc
Tổng phương sai trích
Hệ số Eigenvalue Tổng hệ số tải bình phương của phép trích
Nhân tố
Tổng % phương sai Tích lũy % Tổng % phương sai Tích lũy %
1 2,934 58,687 58,687 2,934 58,687 58,687
2 0,864 17,284 75,971
3 0,556 11,119 87,091
4 0,400 7,998 95,089
5 0,246 4,911 100,000
(Nguồn: Xử lý bằng phần mềm SPSS)
Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị
2,934 > 1 thì các nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.
Hệ số tổng phương sai trích (Total Varianve Explained) có giá trị phương sai cộng dồn
của các yếu tố quyết định mua là 58,687% > 50% đáp ứng tiêu chuẩn.
Bảng 3.13. Ma trận nhân tố của biến phụ thuộc
Ma trận Nhân tố
Nhân tố
Biến quan sát
1
QDMSP4 0,825
QDMSP5 0,806
QDMSP3 0,772
QDMSP1 0,762
QDMSP2 0,654
(Nguồn: Xử lý bằng phần mềm SPSS)
Kết quả phân tích cho EFA cho biến phụ thuộc trên cho thấy, hệ số tải nhân tố của các
biến quan sát đều thỏa điều kiện Factor Loading > 0.5 và đều được chấp nhận. Các biến
quan sát trong yếu tố “Quyết định mua sản phẩm” đã thỏa điều kiện phân tích Cronbach’s
Alpha > 0.6 đảm bảo yêu cầu phân tích hồi quy.
Các biến quan sát trong nhân tố biến phụ thuộc sau khi phân tích EFA:
QĐMSP4, QĐMSP5, QĐMSP3, QĐMSP1, QĐMSP2.
Bảng 3.14. Tổng hợp các biến sau khi phân tích nhân tố (EFA)
STT Thang đo Số biến Yếu tố Biến quan sát
Độc lập
1 NTNTD 4 Nhận thức người tiêu dùng NTNTD1, NTNTD2, NTNTD3, NTNTD4
2 TDNBH 4 Thái độ người bán hàng TDNBH1, TDNBH2, TDNBH3, TDNBH4
3 CLSP 3 Chất lượng sản phẩm CLSP1, CLSP2, CLSP3
4 GTSP 4 Giá thành sản phẩm GTSP1, GTSP2, GTSP3, GTSP4
5 NTSK 4 Nhận thức về sức khỏe NTSK2, NTSK3, NTSK4, NTSK5
Phụ thuộc
QDMSP1, QDMSP2, QDMSP3, QDMSP4,
6 QDMSP 5 Quyết định mua sản phẩm
QDMSP5
(Nguồn: Xử lý bằng phần mềm SPSS)
Để thực hiện phân tích hồi quy, sử dụng phép tính trung bình (Mean) cho các biến
quan sát trong từng nhân tố.
3.4. Phân tích hệ số tương quan Pearson
H0: Không có sự tương quan giữa biến phụ thuộc Quyết định mua sản phẩm và
các biến độc lập.
H1: Có sự tương quan giữa biến phụ thuộc Quyết định mua sản phẩm và các biến độc lập.
Bảng 3.15. Hệ số tương quan giữa biến phụ thuộc và các biến độc lập
Tương quan
QDMSP NTNTD TDNBH CLSP GTSP NTSK
Pearson Correlation 1 0,520 **
0,496** 0,632** 0,748** 0,657**
QDMSP Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000
N 142 142 142 142 142 142
(Nguồn: Xử lý bằng phần mềm SPSS)
Từ kết quả phân tích Pearson cho thấy các biến độc lập tác động thuận chiều đến Quyết
định mua sản phẩm vì hệ số Sig của các biến độc đều có giá trị < 0,05 và các hệ số tương quan
(Pearson Correlation) của các biến độc lập và biến phụ thuộc đều dương.
Trong đó, yếu tố có mối tương quan mạnh nhất đến Quyết định mua là yếu tố Giá thành
sản phẩm (R = 0,748).
3.5. Phân tích hồi quy tuyến tính
Mô hình hồi quy tuyến tính tổng thể:
Y= βo + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + U
Trong đó:
Y: yếu tố Quyết định mua sản phẩm
X1: yếu tố Nhận thức người tiêu dùng
X2: yếu tố Thái độ người bán hàng
X3: yếu tố Chất lượng sản phẩm
X4: yếu tố Giá thành sản phẩm
X5: yếu tố Nhận thức về sức khỏe
βo: Hệ số hồi quy chặn
β1, β2, β3, β4, β5: hệ số hồi quy góc lần lượt của X1, X2, X3, X4, X5
U: Sai số trong mô hình
3.5.1. Kiểm định sự phù hợp mô hình hồi quy
Giả thuyết H0: Mô hình hồi quy không tồn tại hay R2 = 0
Đối thuyết H1: Mô hình hồi quy tồn tại hay R2 ≠ 0
Kết quả phân tích ANOVA cho thấy, giá trị thống kê F = 71,059 được tính từ giá trị
R - Square của mô hình đầy đủ, giá trị Sig. = 0,000 < 0,05 nên bác bỏ giả thuyết H0: R 2 =
0 hay nói cách khác mô hình có tồn tại.
Bảng 3.16. Kiểm định sự tồn tại của mô hình
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 25,140 5 5,028 71,059 0,000b
1 Residual 9,623 136 0,071
Total 34,763 141
a. Dependent Variable: QDMSP
b. Predictors: (Constant), NTSK, NTNTD, TDNBH, CLSP, GTSP
(Nguồn: Xử lý bằng phần mềm SPSS)
3.5.2. Kiểm tra sự vi phạm các giả định mô hình hồi quy
3.5.2.1. Mô hình không xảy ra hiện tượng đa cộng tuyến
H0: Mô hình không xảy ra hiện tượng đa cộng tuyến
H1: Mô hình xảy ra hiện tượng đa cộng tuyến
Kết quả phân tích trong Bảng (Coefficients) cho thấy, hệ số phóng đại phương sai
VIF (Variance Inflation Factor) của các biến trong mô hình đều rất nhỏ, có giá trị từ
1,390 đến 1,798 nhỏ hơn 2. Chứng tỏ, mô hình hồi quy không vi phạm giả thuyết của
hiện tượng đa cộng tuyến, mô hình có ý nghĩa thống kê.
Bảng 3.17. Kiểm định hiện tượng đa cộng tuyến trong mô hình
Hệ số hồi quya
Hệ số đã chuẩn
Hệ số chưa được chuẩn hóa Thống kê cộng tuyến
Model hóa t Sig.
β Std. Error Beta Tolerance VIF
(Constant) 0,617 0,175 3,527 0,001
NTNTD 0,082 0,037 0,118 2,218 0,028 0,720 1,390
TDNBH 0,109 0,041 0,141 2,692 0,008 0,745 1,342
1
CLSP 0,159 0,043 0,212 3,719 0,000 0,626 1,597
GTSP 0,282 0,043 0,394 6,519 0,000 0,556 1,798
NTSK 0,214 0,050 0,248 4,291 0,000 0,609 1,642
a. Biến phụ thuộc: QDMSP
(Nguồn: Xử lý bằng phần mềm SPSS)
3.5.2.2. Kiểm định hiện tượng phương sai không đồng nhất
H0: Mô hình không tồn tại hiện tượng phương sai không đồng nhất.
H1: Mô hình tồn tại hiện tượng phương sai không đồng nhất.
Theo bảng mối quan hệ tương quan giữa phần dư và các biến độc lập ta thấy giá trị
Sig. của các mối quan hệ tương quan đều có giá trị Sig. lớn hơn 0,05 nên có thể kết
luận không có mối quan hệ tương quan giữa phần dư và các biến độc lập từ đó ta có
thể thấy các phương sai của phần dư trong mô hình bằng nhau hay nói cách khác chấp
nhận H0 mô hình không tồn tại hiện tượng phương sai không đồng nhất.
Bảng 3.18. Kiểm định hiện tượng phương sai thay đổi
Correlations
Standardized
NTNTD TDNBH CLSP GTSP NTSK
Residual
Correlation
1,000 0,050 0,072 -0,009 -0,029 0,062
Spearman's Standardized Coefficient
rho Residual Sig. (2-tailed) , 0,557 0,395 0,911 0,732 0,463
N 142 142 142 142 142 142
**. Correlation is significant at the 0.01 level (2-tailed).
(Nguồn: Xử lý bằng phần mềm SPSS)
3.5.3. Kiểm định sự tồn tại của các hệ số hồi quy
H0: Các hệ số hồi quy βk=0
H1: Các hệ số hồi quy βk ≠0
Sig. của các hệ số hồi quy của các nhân nhân tố độc lập trong mô hình đều nhỏ hơn
0.05. Vì vậy ta có thể kết luận, tồn tại hệ số hồi quy cho các nhân tố này.
Bảng 3.19. Kiểm định sự tồn tại của các hệ số hồi quy
Hệ số hồi quya
Hệ số đã chuẩn
Hệ số chưa được chuẩn hóa Thống kê cộng tuyến
Model hóa t Sig.
β Std. Error β Tolerance VIF
(Constant) 0,617 0,175 3,527 0,001
NTNTD 0,082 0,037 0,118 2,218 0,028 0,720 1,390
TDNBH 0,109 0,041 0,141 2,692 0,008 0,745 1,342
1
CLSP 0,159 0,043 0,212 3,719 0,000 0,626 1,597
GTSP 0,282 0,043 0,394 6,519 0,000 0,556 1,798
NTSK 0,214 0,050 0,248 4,291 0,000 0,609 1,642
a. Biến phụ thuộc: QDMSP
(Nguồn: Xử lý bằng phần mềm SPSS)
3.5.4. Kết quả hồi quy và ý nghĩa các hệ số hồi quy
Bảng 3.20. Bảng kết quả hồi quy
Tóm tắt mô hình
Std. Error of the
Model R R Square Adjusted R Square Durbin-Watson
Estimate
1 0,850a 0,723 0,713 0,26600 1,740
a. Predictors: (Constant), NTSK, NTNTD, TDNBH, CLSP, GTSP
b. Dependent Variable: QDMSP
(Nguồn: Xử lý bằng phần mềm SPSS)
Kết quả tóm tắt mô hình hồi quy bằng lệnh Enter cho thấy R 2 điều chỉnh (Adjusted R
square) có giá trị 0,713, như vậy mô hình nghiên cứu là phù hợp với dữ liệu nghiên cứu ở
mức 71,3%.
Đồng thời, mô hình hồi quy về Quyết định mua được xác định như sau:
QDMSP = 0,617 + 0,082*NTNTD + 0,109*TDNBH + 0,159*CLSP + 0,282*GTSP +
0,214*NTSK
Trong đó:
QDMSP: Yếu tố Quyết định mua sản phẩm
NTNTD: Yếu tố Nhận thức người tiêu dùng
TDNBH: Yếu tố Thái độ người bán hàng
CLSP: Yếu tố Chất lượng sản phẩm
GTSP: Yếu tố Giá thành sản phẩm
NTSK: Yếu tố Nhận thức về sức khỏe
Mức độ ảnh hưởng (quan trọng) của các yếu tố ảnh hưởng đến Quyết định mua được
xác định thông qua hệ số beta chuẩn hóa như sau:
Bảng 3.21. Hệ số beta chuẩn hóa của các yếu tố trong mô hình