PHẦN II: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
CHƯƠNG 2: CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH SỬ DỤNG ỨNG DỤNG DI
2.2. Kết quả nghiên cứu
2.2.3. Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA)
Trường Đại học Kinh tế Huế
Phân tích nhân tố, gọi tắt là EFA, dùng để rút gọn tập hợp k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau. EFA sẽ xem xét mối quan hệ giữa các biến ở tất cả các nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu.
Các tiêu chí thường sử dụng trong phân tích nhân tố khám phá EFA:
Hệ số KMO (Kaiser – Meyer – Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) (Hoàng Trọng và Chu Nguyễn Ngọc Mộng (2008), Phân tích dữ liệu nghiên cứu với SPSS tập 2, trang 31)là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett (Bartlett’s test of sphericity): dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05) (Hoàng Trọng và Chu Nguyễn Ngọc Mộng (2008), Phân tích dữ liệu nghiên cứu với SPSS tập 2, trang 31), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích .
Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp (Gerbing & Anderson, 1998, “An Update Paradigm for Scale Development Incorporing Unidimensionality and Its Assessments, Journal of Marketing Research,
Trường Đại học Kinh tế Huế
Vol.25, 186 – 192). Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Theo Hair v& ctg (2009.116), Multivariate Data Analysis, 7thEdison thì:
- Factor Loading ở mức ±0.3: Điều kiện tối thiểu để biến quan sát được giữ lại - Factor Loading ở mức ±0.5: Biến quan sát có ý nghĩa thống kê tốt
- Factor Loading ở mức ±0.7: Biến quan sát có ý nghĩa thống kê rất tốt
Tuy nhiên, giá trị tiêu chuẩn của hệ tố tải nhân tố Factor Loading cần phải phụ thuộc vào kích thước mẫu. Với từng khoảng kích thước mẫu khác nhau, mức trọng số nhân tố để biến quan sát có ý nghĩa thống kê là hoàn toàn khác nhau. Ở nghiên cứu này, ta chọn giá trị Factor Loading là 0.5.
2.2.3.1. Phân tích nhân tố khám phá đối với các biến độc lập
Tất cả 20 biến quan sát được đưa vào phân tích nhân tố khám phá, dùng phương pháp rút trích Principal Components và phép quay Varimax.
Bảng 2.12. Kiểm định KMO và Bartlett’s Test các biến độc lập
Trị số KMO 0.785
Đại lượng thống kê Bartlett's Test of Sphericity
Approx. Chi-Square 1019.959
Df 190
Sig. 0.000
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Hệ số KMO là 0,785> 0,5 nên thỏa mãn yêu cầu của phân tích nhân tố (0,5 ≤ KMO ≤ 1) (Hair và ctg, 2010). Hệ số Sig. của kiểm định Bartlett’s Test = 0,000 < 0,005 cho biết các biến quan sát có tương quan với nhau và nghiên cứu có ý nghĩa thống kê, do đó các quan sát phù hợp cho việc phân tích nhân tố.
Sau khi tiến hành phân tích nhân tố cho các biến độc lập, số biến quan sát vẫn là 20 và được phân thành 6 nhóm. Giá trị Eigenvalue của 6 nhóm nhân tố này đều lớn hơn 1 và tổng
Trường Đại học Kinh tế Huế
phương sai trích có giá trị là 70.541%>50%, đây là một tỷ lệ khá cao trong phân tích nhân tố do đó phân tích nhân tố là phù hợp. Hệ số tải của tất cả các biến quan sát đều lớn hơn 0,5.
Kết quả phân tích nhân tố các yếu tố ảnh hưởng đến quyết định đặt vé xem phim qua mobile app tịa Lotte Cinema Huế vẫn giữ nguyên 6 nhóm nhân tố như trong mô hình tác giả đề xuất.
Bảng 2.13:Các nhóm nhân tố được rút ra
Nhóm nhân tố Các biến
Nhóm nhân tố thứ nhất:
Nhận thức rủi ro trong phạm vi giao dịch trực tuyến
- Anh/chị cảm thấy thông tin cá nhân của mình không được bảo mật
- Anh/chị cảm thấy thông tin thẻ tín dụng của mình không được bảo mật
- Thanh toán điện tử gặp trục trặc nên không thể hoàn tất giao dịch
- Tổn thất tài chính do gặp sự cố khi thanh toán điện tử (tiền trong tài khoản đã bị trừ nhưng hệ thống không trả hàng cho khách)
Nhóm nhân tố thứ 2:
Nhận thức tính dễ sử dụng
- Dễ dàng xác định vị trí thông tin mong muốn
- Dễ dàng sử dụng dịch vụ từ mọi vị trí bất cứ lúc nào - Giao diện trang app Lotte Cinema dễ nhìn, dễ thao tác - Quy trình đặt vé và thanh toán đơn giản
Nhóm nhân tố thứ 3:
Nhận thưc kiểm soát hành vi
- Anh/chị có đủ thiết bị có kết nối internet để mua vé qua app
- Anh/chị có đủ thời gian, tiền bạc để thực hiện mua vé qua app
- Anh/chị có thể tự mình thực hiện mua vé qua app
Nhóm nhân tố thứ 4:
Nhận thức rủi ro đối với sản phẩm/dịch vụ
- Anh/chị lo lắng sản phẩm không đúng chủng loại đã yêu cầu
- Anh/chị lo lắng sản phẩm được giao không đúng thời gian yêu cầu
- Anh/chị lo lắng sản phẩm không đạt yêu cầu về chất lượng, tiêu chuẩn kỹ thuật và chức năng so với quảng cáo Nhóm nhân tố thứ 5:
Chuẩn chủ quan
- Những người trên mạng xã hội chia sẻ về việc sử dụng ứng dụng
- Bạn bè, người thân khuyên Anh/Chị nên sử dụng ứng dụng
Trường Đại học Kinh tế Huế
- Nhân viên Lotte Cinema khuyên Anh/Chị nên sử dụng ứng dụng
Nhóm nhân tố thứ 6:
Nhận thức sự hữu ích
- Giúp tiết kiệm thời gian hơn so với hình thức mua vé thông thường.
- App Lotte Cinema cung cấp sản phẩm/dịch vụ đa dạng.
- Thông tin về sản phẩm được cập nhật và thông báo kịp thời, chính xác
(Nguồn: Phân tích số liệu SPSS)
2.2.3.2. Phân tích nhân tố khám phá cho biến phụ thuộc
Bảng 2.14. Kết quả kiểm định KMO và Bartlett’s biến phụ thuộc
Trị số KMO 0.686
Đại lượng thống kê Bartlett's Test of Sphericity
Approx. Chi-Square 94.122
df 3
Sig. 0.000
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Kết quả cho thấy hệ số KMO với giá trị là 0,686 > 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 94.122 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 2,112 > 1, nhân tố quyết định sử dụng giải thích được 70.388% 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 3 biến quan sát mà đề tài đã đề xuất tư trước.
Nhận xét:
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, chỉ có 1 biến quan sát bị loại khỏi từ kiểm định Cronbach’s Alpha.
2.2.4. Phân tích hồi quy tuyến tính