Văn hóa uống cà phê đã dần thay đổi, để nâng cao chấtlượng dịch vụ có thể đáp ứng được với nhu cầu của người tiêu dùng hiện nay, nhómchúng em quyết định thực hiện nghiên cứu đề tài “Đánh
GIỚI THIỆU ĐỀ TÀI
Lý do chọn đề tài
Cùng với sự phát triển và hội nhập của nền kinh tế Việt Nam trong những năm gần đây, có thể thấy, lĩnh vực kinh doanh F&B (Food and Beverage Service - Ngành Thực phẩm và Dịch vụ ăn uống) ngày càng chiếm xu thế trong đời sống xã hội hiện đại
Hiện nay, mức sống của người dân càng được nâng cao, nên nhu cầu ăn, uống, càng được chú trọng Dịch vụ sử dụng chuỗi cửa hàng cà phê của người dân dường như đã trở thành một thói quen để mọi người gặp gỡ, giao tiếp, chia sẻ trải nghiệm không gian và thức uống Văn hóa uống cà phê đã dần thay đổi, để nâng cao chất lượng dịch vụ có thể đáp ứng được với nhu cầu của người tiêu dùng hiện nay, nhóm chúng em quyết định thực hiện nghiên cứu đề tài “Đánh giá mức độ hài lòng của khách hàng tại TP.HCM đối với chất lượng dịch vụ của The Coffee House” nhằm đo lường, đánh giá mức độ hài lòng của khách hàng đối với The Coffee House.
Việc thực hiện và đưa ra kết quả nghiên cứu không chỉ giúp chúng em hoàn thiện hơn về kiến thức thực tế mà còn giúp cho The Coffee House thấy được những vấn đề liên quan đến việc đảm bảo chất lượng dịch vụ cho khách hàng, thông qua đó đưa ra những giải pháp khắc phục nhằm phục vụ khách hàng ngày một tốt hơn.
Mục đích nghiên cứu
Nghiên cứu, đánh giá sự hài lòng sự hài lòng của khách hàng về chất lượng sản phẩm và chất lượng dịch vụ của The Coffee House tại TP.HCM Kết quả nghiên cứu nhằm phát huy điểm mạnh, phát hiện điểm yếu và cải thiện những điểm còn thiếu sót trong quy trình phục vụ để chuỗi cửa hàng cà phê The Coffee House có thể cạnh tranh với các đối thủ khác trong thị trường F&B và vươn lên trở thành thương hiệu cà phê số 1 tại Việt Nam.
Mục tiêu cụ thể
Mục tiêu 1: Xác định các yếu tố ảnh hưởng tới sự hài lòng của khách hàng về chất lượng phục vụ của The Coffee House.
Mục tiêu 2: Xây dựng mô hình nghiên cứu, xây dựng và kiểm định thang đo trong đo lường các nhân tố ảnh hưởng đến sự hài lòng của khách hàng về chất lượng dịch vụ của The Coffee House
Mục tiêu 3: Đánh giá mức độ hài lòng của khách hàng về chất lượng sản phẩm, phục vụ của The Coffee House và đề xuất một số giải pháp nhằm cải thiện chất lượng sản phẩm và chất lượng dịch vụ của The Coffee House.
Phương pháp nghiên cứu
Nghiên cứu sơ bộ: được thực hiện thông qua nghiên cứu định tính
Nghiên cứu chính thức: được thực hiện bằng nghiên cứu định lượng với kỹ thuật phỏng vấn trực tiếp và khảo sát mạng thông qua bảng câu hỏi soạn sẵn Sau khi thu thập đủ số lượng mẫu yêu cầu, dữ liệu được xử lý bằng phần mềm SPSS 25 nhằm kiểm định thang đo thông qua hệ số tin cậy Cronbach's Alpha và phân tích nhân tố khám phá EFA Sau đó các nhân tố được rút trích từ tập dữ liệu sẽ được đưa vào phân tích tương quan, hồi quy nhằm đánh giá mô hình đề xuất và kiểm định các giả thuyết.
Giả thuyết nghiên cứu và mô hình đề xuất
1.5.1 Chất lượng dịch vụ và sự hài lòng của khách hàng
Theo Parasuraman và cộng sự (1985) đã nhận định “Chất lượng dịch vụ là một hình thức của thái độ, là kết quả từ sự so sánh giữa dịch vụ thực tế mà khách hàng nhận thức được khi tiêu dùng dịch vụ với sự mong đợi của họ Chất lượng dịch vụ có liên quan nhưng không tương đồng với sự hài lòng của khách hàng.
Có rất nhiều khái niệm khác nhau về sự hài lòng của khách hàng, theo Oliver (1993) rằng “Đó là sự phản hồi tình cảm/ toàn bộ cảm nhận của khách hàng đối với nhà cung cấp dịch vụ, trên cơ sở so sánh sự khác biệt giữa những gì họ nhận được so với mong đợi trước đó”
Tóm lại, chất lượng dịch vụ là nhân tố tác động nhiều nhất đến sự hài lòng của khách hàng (Cronin & Taylor, 1994) Do đó, mối quan hệ nhân quả giữa hai yếu tố này là vấn đề then chốt trong các nghiên cứu về sự hài lòng của khách hàng
1.5.2 Mô hình chất lượng dịch vụ ( SERVQUAL )
SERVQUAL là một trong những mô hình hiệu quả để đánh giá chất lượng dịch vụ được sử dụng phổ biến nhất Đây là mô hình do Parasuraman và các cộng sự (1985) phát triển
Hình 1 1: Mô hình thang đo SERVQUAL
Thang đo SERVQUAL gồm 5 thành phần: (1) độ tin cậy, (2) tính đáp ứng, (3) sự đồng cảm, (4) năng lực phục vụ, (5) các phương tiện hữu hình
1.5.3 Mô hình nghiên cứu đề xuất
Từ các cơ sở lý thuyết nêu trên, yếu tố chất lượng sản phẩm được nhóm tác giả đề xuất thêm vào thang đo SERVQUAL thành mô hình đề xuất của nghiên cứu Có 6 giả thuyết nghiên cứu như sau:
H1: Sự tin cậy có tác động cùng chiều đến sự hài lòng của khách hàng, khi sự tin cậy của người tiêu dùng tăng thì mức độ hài lòng sẽ tăng và ngược lại
H2: Khả năng đáp ứng có tác động cùng chiều đến sự hài lòng của khách hàng, khi khả năng đáp ứng được người tiêu dùng đánh giá tăng thì mức độ hài lòng sẽ tăng và ngược lại
H3: Năng lực phục vụ có tác động cùng chiều đến sự hài lòng của khách hàng,khi năng lực phục vụ tăng thì mức độ hài lòng sẽ tăng và ngược lại
H4: Sự cảm thông có tác động cùng chiều đến sự hài lòng của khách hàng, khi sự cảm thông được đánh giá tăng thì mức độ hài lòng sẽ tăng và ngược lại
H5: Yếu tố hữu hình có tác động cùng chiều đến sự hài lòng của khách hàng, khi đánh giá của người tiêu dùng về yếu tố hữu hình tăng thì mức độ hài lòng sẽ tăng và ngược lại.
H6: Chất lượng sản phẩm có tác động cùng chiều đến sự hài lòng của khách hàng, khi chất lượng sản phẩm được người tiêu dùng thỏa mãn cao hay thấp thì sự hài lòng của khách hàng tăng hoặc giảm tương ứng.
Bảng 1 1: Thang đo các khái niệm nghiên cứu
T Các biến quan sát Mã hóa
1 Nhân viên phục vụ đúng theo yêu cầu của khách hàng ngay trong lần đầu tiên DTC1
2 THE COFFEE HOUSE phục vụ đúng như thời gian đã hứa DTC2 3 THE COFFEE HOUSE cung cấp hóa đơn chính xác cho khách hàng DTC3
4 THE COFFEE HOUSE khắc phục nhanh chóng sự cố DTC4
5 THE COFFEE HOUSE không xảy ra lỗi khi phục vụ sản phẩm (đồ ăn, thức uống) DTC5
B Khả năng đáp ứng KNDU
1 Nhân viên cung cấp dịch vụ nhanh chóng theo nhu cầu của khách hàng KNDU1 2 Nhân viên vẫn duy trì tốc độ phục vụ ngay cả khi đông khách KNDU2 3 Nhân viên luôn nỗ lực xử lý những yêu cầu đặc biệt của khách hàng KNDU3
C Năng lực phục vụ NLPV
1 Nhân viên luôn niềm nở, vui vẻ với khách hàng NLPV1 2 Nhân viên cung cấp và tư vấn đây đủ các thông tin về sản phẩm NLPV2 3 Nhân viên khiến khách hàng cảm thấy thoải mái và tự tin NLPV3 4 Nhân viên hoàn toàn có thể trả lời các thắc mắc của khách hàng NLPV4
D Mức độ đồng cảm MDDC
1 THE COFFEE HOUSE đặt lợi ích của khách hàng lên hàng đầu MDDC1 2 Nhân viên quan tâm đến từng nhu cầu cá nhân của khách hàng MDDC2 3 Nhân viên khiến cho khách hàng cảm thấy mình đặc biệt MDDC3
E Yếu tố hữu hình YTHH
1 Trang thiết bị của quán hiện đại (máy lạnh, wifi,…) YTHH1
2 Cách bố trí quán đẹp mắt và thu hút YTHH2
3 Trang phục của nhân viên thanh lịch, gọn gàng và phù hợp YTHH3
4 Khu vực chỗ ngồi rộng rãi và thoải mái YTHH4
5 Thực đơn rõ ràng, dễ hiểu YTHH5
F Chất lượng sản phẩm CLSP
1 Nhìn chung, chất lượng đồ uống tại THE COFFEE HOUSE tốt CLSP1
2 Vị sản phẩm ngon CLSP2
3 Hình thức trình bày đẹp mắt CLSP3
1 Tôi hài lòng về chất lượng sản phẩm của THE COFFEE HOUSE SHL1 2 Tôi hài lòng về dịch vụ mà THE COFFEE HOUSE cung cấp SHL2 3 Tôi hài lòng về thương hiệu THE COFFEE HOUSE nói chung SHL3 4 Tôi sẽ quay lại THE COFFEE HOUSE khi có nhu cầu SHL4
XỬ LÝ DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
Thông tin về mẫu
2.1.1 Thiết kế nghiên cứu định tính
Mục đích của nghiên cứu định tính là khẳng định lại các yếu tố hiện có trong mô hình và nghiên cứu thêm các nhân tố tác động đến sự hài lòng của khách hàng tại TP.HCM đối với chất lượng dịch vụ của The Coffee House.
- Chọn mẫu: Trong nghiên cứu định tính, mẫu được chọn là một nhóm nhỏ, do đó:
- Đối tượng tham gia phỏng vấn: Khách hàng tại TP.HCM đã từng sử dụng dịch vụ tại The Coffee House.
- Cách thức chọn mẫu: Phương pháp chọn mẫu phi xác suất thuận tiện.
- Kỹ thuật thu thập dữ liệu: Đối với đề tài này, nhóm tác giả chọn phương pháp thảo luận nhóm tập trung để thu thập dữ liệu Nhóm tác giả mời khoảng 10 người tham gia phỏng vấn là những người tiêu dùng tại TP.HCM và có sử dụng dịch vụ tại The Coffee House.
Tất cả được chọn ngẫu nhiên và lần lượt phỏng vấn từng người bằng các bảng câu hỏi đã chuẩn bị sẵn Thời gian dự tính cho buổi thảo luận là 60 đến 90 phút
2.1.2 Thiết kế nghiên cứu định lượng
Mục đích: Điều tra thực nghiệm một cách có hệ thống về các yếu tố có liên quan đến sự hài lòng của khách hàng tại TP.HCM đối với chất lượng dịch vụ của The Coffee
House qua các số liệu cụ thể từ các biến quan sát như: Độ tin cậy, Khả năng đáp ứng, Năng lực phục vụ, Sự cảm thông, Yếu tố hữu hình và Chất lượng sản phẩm
Trong nghiên cứu định lượng, mẫu được chọn là:
- Đối tượng tham gia phỏng vấn: Khách hàng tại TP.HCM đã từng sử dụng dịch vụ tại The Coffee House.
- Cách thức chọn mẫu: Phương pháp chọn mẫu phi xác suất thuận tiện bằng cách phỏng vấn theo đường link đã tạo trên Google Docs.
- Xử lý số liệu nghiên cứu: sử dụng phần mềm SPSS 25
2.1.3 Kết quả thông tin về mẫu
Kết quả sàng lọc và làm sạch dữ liệu:
Theo thống kê, 250 câu trả lời đã được hệ thống Google Docs ghi nhận thông qua khảo sát trực tuyến và nhập dữ liệu thủ công bởi nhóm nghiên cứu Sau quá trình sàng lọc, lượng câu trả lời hợp lệ còn lại là 225.
Quá trình sàng lọc: Lựa chọn những đáp án đã từng sử dụng dịch vụ tại The Coffee House Nếu chọn “Rồi” – tiếp tục khảo sát, đáp án còn lại thì chấm dứt khảo sát Nhóm tiếp tục sàng lọc một lần nữa, lựa chọn những đáp án về nơi sống và làm việc tại TP.HCM Nếu chọn “Có” – tiếp tục khảo sát, và nếu “Không” thì chấm dứt khảo sát Sau khi đã sàng lọc, kết quả thu về có 225 đáp viên hợp lệ để tiếp tục tham gia khảo sát
Bảng 2 1: Kết quả phân tích quá trình sàng lọc Đặc điểm Số lượng câu trả lời
1 Đã từng sử dụng dịch vụ tại The
Tổng 250 100% Đặc điểm Số lượng câu trả lời
Tỷ lệ Đang sống và làm việc tại TP.HCM
Thống kê mô tả đặc điểm mẫu
Sau khi kiểm tra 225 bảng câu hỏi hợp lệ thu thập từ khách hàng thì nhận được 225 bảng câu hỏi khảo sát có câu trả lời đầy đủ và chính xác Số bảng câu hỏi hợp lệ này được sử dụng làm dữ liệu cho nghiên cứu
Thống kê mô tả là kĩ thuật giúp người nghiên cứu mô tả tổng quát về đặc điểm của mẫu nghiên cứu và kết quả khảo sát có được Thống kê mô tả bao gồm: thống kê trung bình và thống kê tần số Với đặc điểm mẫu là các yếu tố thuộc nhân khẩu học như giới tính, độ tuổi, nghề nghiệp, thu nhập nên nhóm sẽ thực hiện thống kê tần số. Để phân tích thống kê tần số mô tả đặc điểm mẫu nhóm tiến hành thực hiện các bước như sau:
Vào Analyze -> Descriptive Statistics -> Frequencies…
Khi giao diện cửa sổ Frequencies hiện lên, đưa tất cả các biến cần chạy thống kê (bao gồm: giới tính, độ tuổi, nghề nghiệp, thu nhập) ở mục bên trái qua mục bên phải Variable
Vào tùy chọn Charts Tại Chart Type bạn sẽ có thể chọn các loại biểu đồ hiển thị cho các biến định tính.
Ở mục Chart Values chọn hiển thị tần số (Frequecies) hay phần trăm tỷ lệ (Percentages), trường hợp này nhóm chọn hiển thị phần trăm
Kết quả hiển thị ra Output sẽ bao gồm bảng thống kê tần số ở các biến Với các kết quả đó, nhóm đã tổng hợp lại và trình bày các phân tích thống kê đặc điểm mẫu thu thập được qua bảng 2.2.
Bảng 2 2: Phân tích thống kê đặc điểm mẫu đã thu thập được
Tần số Phần trăm (%) Phần trăm tích lũy (%)
Tổng cộng 225 100.0 Độ tuổi Dưới 18 tuổi 13 5.8 5.8
Qua kết quả khảo sát ta thấy được:
- Về giới tính: Có 92 người giới tính Nam (chiếm tỷ lệ 40.9%) Có 133 người giới tính Nữ (chiếm tỷ lệ 59.1%).
- Về độ tuổi: Có 13 người thuộc nhóm dưới 18 tuổi (chiếm tỷ lệ 5.8%),độ tuổi từ 18-25 tuổi có 185 người (chiếm tỷ lệ 82.2%), độ tuổi từ 26-35 tuổi có 21 người (chiếm tỷ lệ 9.3%) Còn lại là nhóm tuổi trên 36 tuổi có 6 người (chiếm tỷ lệ 2.7%).
- Về nghề nghiệp: có 17 người là Học sinh (chiếm tỷ lệ 7.6%), 174 người là sinh viên (chiếm tỷ lệ 77.3%), 24 người là nhân viên văn phòng (chiếm tỷ lệ 10.7%), còn lại là những nghề nghiệp khác với 10 người (chiếm tỷ lệ 4.4%).
- Về thu nhập: thu nhập dưới 3 triệu/tháng có 98 người (chiếm tỷ lệ43.6%), từ 3-5 triệu/tháng có 61 người (chiếm 27.1%), từ 5-10 triệu/tháng có 42 người (chiếm tỷ lệ 18.7%) và cuối cùng với mức thu nhập trên 10 triệu có 24 người (chiếm tỷ lệ 10.7%).
Thông tin về hành vi
Tiếp tục đối với thông tin về hành vi ở bảng đơn biến, ta cũng thực hiện kỹ thuật thống kê mô tả với các bước đã trình bày ở trên Sau khi thực hiện xử lý số liệu bằng SPSS ta có các bảng kết quả đơn biến thống kê mô tả hành vi tiêu dùng như sau:
Bảng 2 3: Bảng tần suất sử dụng dịch vụ tại The Coffee House.
Tần số Tỷ lệ phần trăm (%)
Phần trăm tích lũy (%) Mức độ trung bình khách hàng đến The Coffee House tại TP.HCM
Bảng 2 4: Bảng tần số thời điểm trong ngày khách hàng đến The Coffee
Tần số Tỷ lệ phần trăm (%)
Thời điểm trong Buổi sáng 25 11.1 11.1 ngày khách hàng đến The Coffee House.
Bảng 2 5: Bảng tần số nguồn thông tin nhận biết đến thương hiệu The Coffee
Tần số Tỷ lệ phần trăm (%)
Phần trăm tích lũy (%) Nguồn thông tin nhận biết đến thương hiệu
The Coffee House trong lần đầu.
Bảng 2 6: Bảng tần số người đi cùng với khách hàng đến The Coffee House.
Tần số Tỷ lệ phần trăm (%)
Phần trăm tích lũy (%) Người đi cùng với khách hàng đến The Coffee
Bảng 2 7: Bảng tần số mục đích khách hàng đến với The Coffee House
Responses Phần trăm so với số mẫu khảo sát (225) Tần số Phần trăm so với tổng
Mục đích khách hàng đến với
Bảng 2 8: Bảng tần số những dịch vụ khách hàng hài lòng khi đến The Coffee
Responses Phần trăm so với số mẫu khảo sát (225) Tần số Phần trăm so với tổng Những dịch vụ khách hàng hài lòng khi đến
The Coffee House (ngoài sản phẩm).
Cách bố trí không gian quán
Bảng 2 9: Bảng tần số mức giá tiền trung bình khách hàng chi khi đến The
Tần số Tỷ lệ phần trăm (%)
Phần trăm tích lũy (%) Mức giá tiền trung bình khách hàng chi khi đến The
Bảng 2 10: Bảng tần số các hình thức thanh toán thường được sử dụng tại
Tần số Tỷ lệ phần trăm (%)
Phần trăm tích lũy (%) Các hình thức thanh toán thường được sử dụng tại The
Thẻ nội địa/ ghi nợ/ quốc tế
Sử dụng bảng kết hợp sẽ giúp chúng ta mô tả được đặc điểm của dữ liệu của nhiều biến một lúc, thấy được sự liên quan giữa các biến mà các thống kê đơn như Tần số và Mô tả không thể hiện được
Cụ thể hơn, nhóm sử dụng bảng kết hợp cho ba biến “Độ tuổi”, “Nghề nghiệp” và “Giới tính” và xem cơ cấu của 2 biến “Độ tuổi” và “Nghề nghiệp” theo
“Giới tính” như thế nào Để tạo bảng kết hợp ta thực hiện các bước như sau:
Vào Analyze -> Table -> Custom Table
Khi cửa sổ hiện ra, kéo biến Giới tính thả vào mục Columns và biến Độ tuổi, Nghề nghiệp kéo thả vào mục Rows
Vì nhóm chọn xem cơ cấu các biến theo biến giới tính, vì vậy ở mụcPosition chọn mục Columns và mục Source chọn Columns Variable
Nhóm muốn hiển thị thêm tỷ lệ phần trăm nên vào mục Sumary Statistics trong Define và chọn Columns N% để hiển thị dữ liệu theo dạng cột
Tiếp đó vào mục Categories and Totals, tick vào mục Total để hiển thị tổng phần trăm và tần số cho biến giới tính, các biến khác cũng thao tác tương tự
Bảng 2 11: Bảng kết hợp giữa giới tính, độ tuổi và nghề nghiệp của khách hàng tại The Coffee House.
Tần số Phần trăm tỷ lệ
Tần số Phần trăm tỷ lệ ĐỘ TUỔI
Có thể thấy, nhóm giới tính nữ chiếm số đông trong độ tuổi 18-25 tuổi Đa phần độ tuổi này đều là sinh viên và nhân viên văn phòng Các đối tượng này thường tiếp cận nhanh với các xu hướng, thường xuyên đi cà phê với nhiều mục đích, thích trải nghiệm, chính vì vậy các đối tượng này trở thành khách hàng chủ yếu sử dụng dịch vụ tại The Coffee House Vì vậy, việc kết hợp giữa các yếu tố về độ tuổi, nghề nghiệp theo giới tính như bảng kết quả là khá hợp lý.
Kiểm định Độ tin cậy của thang đo bằng Cronbach’s Anpha
Để kiểm tra sự tin cậy của các khái niệm trong khảo sát, phương pháp phổ biến là sử dụng hệ số Cronbach’s Alpha Công cụ này giúp loại đi những biến quan sát những thang đo không đạt Tiêu chuẩn kiểm định là hệ số Cronbach’s Alpha tối thiểu bằng 0,6 và hệ số tương quan biến tổng tối thiểu bằng 0,3.
Bảy thang đo cho 7 khái niệm nghiên cứu (nhân tố trong mô hình) được đo lường bằng thang đo Likert 5 mức độ: (1) Độ tin cậy (DTC), (2) Khả năng đáp ứng (KNDU), (3) Năng lực phục vụ (NLPV), (4) Mức độ đồng cảm (MDDC), (5) Yếu tố hữu hình (YTHH), (6) Chất lượng sản phẩm (CLSP), (7) Sự hài lòng (SHL) Để thực hiện kiểm định độ tin cậy Cronbach’s Alpha ta thực hiện như sau:
Vào Analyze -> Scale -> Reliability Analysis.
Khi cửa sổ hiện lên, đưa các biến quan sát thuộc nhân tố DTC vào mục Items.
Ở mục Statistics, tick vào “Scale if item deleted” và ấn Continue Khi ấn vào OK, SPSS sẽ xuất kết quả ra Output về kiểm định Cronbach’sAlpha của nhóm biến quan sát DTC Các biến tiếp theo như KNDU,NLPV, MDDC, YTHH,CLSP, SHL ta cũng lần lượt thao tác tương tự
Bảng 2 12: : Bảng kết quả phân tích độ tin cậy bằng hệ số Cronbach’s Alpha.
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan giữa biến và tổng
Cronbach's Alpha nếu loại biến Độ tin cậy (DTC) Cronbach’s Alpha = 0,838
Khả năng đáp ứng (KNDU) Cronbach’s Alpha = 0,858
Năng lực phục vụ (NLPV) Cronbach’s Alpha = 0,89
Mức độ đồng cảm (MDDC) Cronbach’s Alpha = 0,851
Yếu tố hữu hình (YTHH) Cronbach’s Alpha = 0,883
Chất lượng sản phẩm (CLSP) Cronbach’s Alpha = 0,779
Sự hài lòng (SHL) Cronbach’s Alpha = 0,963
Qua kết quả kiểm định trên ta thấy:
Khi kiểm định Cronbach’s Alpha với nhóm biến DTC, kết quả kiểm định cho thấy biến quan sát DTC1 có hệ số tương quan biến tổng là 0.256 < 0.3 Vì vậy ta loại biến DTC1 và thực hiện chạy Cronbach’s Alpha lần 2 cho biến DTC.
Quan sát bảng trên, ta thấy được kết quả kiểm định độ tin cậy hệ số Cronbach’s Alpha của các thang đo đều trên 0.6 và hệ số tương quan biến tổng của các biến quan sát đều lớn hơn 0,3 vì vậy thang đo được đo lường tốt và có độ tin cậy khá cao Điều này cho thấy rằng các biến quan sát có sự tương quan tốt với tổng thể thang đo, do đó, các thang đo cho khảo sát chính thức là đảm bảo độ tin cậy Tất cả các biến quan sát của các thang đo đạt yêu cầu sẽ được sử dụng EFA tiếp theo.
Việc phân tích nhân tố EFA ở bước tiếp theo, sẽ cho thấy được cụ thể hơn các thang đo trên có bị tách thành những nhân tố mới hay bị loại bỏ hay không Điều này sẽ đánh giá chính xác hơn thang đo, đồng thời loại bỏ các biến đo lường không đạt yêu cầu, mục đích làm cho các thang đo đảm bảo tính đồng nhất.
Phân tích nhân tố khám phá EFA
Bảng kết quả phân tích nhân tố biến độc lập:
Qua bước phân tích Cronbach’s Alpha cho thấy, 27 biến quan sát của 7 nhân tố ảnh hưởng đến sự hài lòng của khách hàng về chất lượng dịch vụ tại The Coffee House Tất cả đều đủ yêu cầu về độ tin cậy, vì vậy EFA được thực hiện
Phân tích nhân tố khám phá (EFA) được dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F < k) các nhân tố có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát Số lượng các nhân tố cơ sở tùy thuộc vào mô hình nghiên cứu, trong đó chúng ràng buộc nhau bằng cách xoay các vector trực giao nhau để không xảy ra hiện tượng tương quan.
Factor Loading: biểu diễn tương quan giữa các biến và các nhân tố.
Trong nghiên cứu này, phân tích nhân tố khám phá (EFA) được áp dụng để thử nghiệm mô hình với thử nghiệm Kaiser-Meiyer-Okin (KMO) và Bartlett bằng cách sử dụng Principal Axis Factoring với phép quay vuông góc Varimax. Để chạy EFA cho biến độc lập ta tiến hành các bước như sau:
Khi cửa sổ hiện lên, nhóm đưa tất cả các biến độc lập vào mục Variables (Biến DTC1 đã bị loại trước đó sẽ không đưa vào)
Ở mục Descriptives: Tick vào mục KMO and Barlett’s test of sphericity để xuất KMO và giá trị sig của kiểm định Barlett.
Ở mục Extraction: Ở mục Method chọn sử dụng phép trích Principal Components.
Ở mục Rotation: Chọn phép quay Varimax (vì cơ bản đã xác định được biến độc lập và biến phụ thuộc)
Ở mục Option: Ở mục Coefficient Display Format, tick vào ô Sorted by size – sắp xếp ma trận xoay thành từng cột dạng bậc thang và Suppres small coefficients – giúp loại bỏ các hệ số tải không đạt tiêu chuẩn khỏi ma trận xoay Tại mục này có hàng Absolute value below, với kích thước mẫu file dữ liệu là 225 nên nhóm sẽ nhập vào giá trị hệ số tải Factor Loading tiêu chuẩn là 0.5
Bảng 2 13: Kết quả hệ số KMO và kiểm định Barflett
KMO and Bartlett's Test Đo lường chỉ số KMO của tập hợp mẫu 766
Kiểm định Bartlett's Test của
Khoảng Chi bình phương 2442.626 df 231
Trình bày kết quả hệ số KMO (Kaiser-Meyer-Olkin) và kiểm định Bartlett Hệ số KMO là 0,766 > 0,5 chứng tỏ phân tích nhân tố khám phá là thích hợp Kiểm định Bartlett với mức ý nghĩa thống kê là 0,000 (Sig Bartlett’s Test < 0.05), tức là các biến quan sát có tương quan với nhau trong tổng thể Do đó, phân tích nhân tố khám phá là phù hợp để kiểm định thang đo.
Hệ số tải nhân tố (Factor loading) > 0,5 Do đó, khi phân tích nhân tố (loại bỏ các giá trị nhỏ hơn 0,5) ta được bảng dữ liệu sau (BẢNG )
Bảng 2 14: Bảng kết quả phân tích nhân tố khám phá (EFA) các biến độc lập.
Hệ số nhân tố tải
Yếu tố hữu hình 3 0.867 Yếu tố hữu hình 4 0.852 Yếu tố hữu hình 2 0.847 Yếu tố hữu hình 5 0.784 Yếu tố hữu hình 1 0.754 Năng lục phục vụ 1 0.881 Năng lục phục vụ 4 0.880 Năng lục phục vụ 2 0.862 Năng lục phục vụ 3 0.824 Độ tin cậy 4 0.867 Độ tin cậy 2 0.852 Độ tin cậy 5 0.795 Độ tin cậy 3 0.752
KMO = 0.766Kiểm định Bartlett’s: Sig = 0,000
Qua kết quả trên ta thấy được:
Thực hiện phân tích nhân tố theo Principal Components với phép quay Varimax Kết quả phân tích nhân tố khám phá được thể hiện ở bảng trên cho thấy 23 biến quan sát được nhóm thành 06 nhóm Phương sai trích được là 89.918% > 50% thể hiện rằng nhân tố rút ra được giải thích 89.918% biến thiên của dữ liệu, tại hệ số Eigenvalue=3.597 Do vậy, phân tích nhân tố khám phá là phù hợp
Giá trị hệ số Eigenvalues của các nhân tố đều cao (>1), nhân tố thứ 6 có Eigenvalues thấp nhất là 1.874%.
Các hệ số tải nhân tố của 23 biến quan sát đều lớn hơn 0.5 và không có trường hợp biến nào cùng lúc tải lên cả hai nhân tố với hệ số tải gần nhau nên nhân tố đảm bảo được giá trị hội tụ và phân biệt khi phân tích EFA
Bảng kết quả phân tích nhân tố biến phụ thuộc: Để chạy EFA của biến phụ thuộc, nhóm thực hiện các bước tương tụ như cách làm với biến độc lập
Bảng 2 15: Kết quả hệ số KMO và kiểm định Barflett
KMO and Bartlett's Test Đo lường chỉ số KMO của tập hợp mẫu 859
Kiểm định Bartlett's Test của
Bảng 2 16: Bảng kết quả phân tích nhân tố khám phá (EFA) của biến phụ thuộc
Hệ số tải nhân tố
KMO = 0.859 Kiểm định Bartlett’s: Sig = 0,000
Qua kết quả phân tích trên ta thấy được:
Hệ số KMO = 0.859 > 0,5 chứng tỏ phân tích nhân tố khám phá là thích hợp.
Kiểm định Bartlett với mức ý nghĩa thống kê là 0,000 (Sig Bartlett’s Test < 0.05), tức là các biến quan sát có tương quan với nhau trong tổng thể Phương sai trích được là 89.918% > 50% thể hiện rằng nhân tố rút ra được giải thích 89.918% biến thiên của dữ liệu, tại hệ số Eigenvalue=3.597 Do vậy, phân tích nhân tố khám phá là phù hợp
Sau khi phân tích nhân tố EFA ta thấy rằng mô hình lý thuyết ban đầu đề ra là phù hợp với nghiên cứu Các biến độc lập và biến phụ thuộc đã đạt được độ tin cậy và tính giá trị dễ sử dụng cho các phân tích tiếp theo.
Như vậy có thể thấy tất cả các thang đo đã đạt giá trị phân biệt và giá trị hội tụ rõ rệt Dựa vào kết quả này, lệnh Transform/Computer Variable/Mean được sử dụng để nhóm các biến quan sát đạt yêu cầu thành 6 nhân tố độc lập gồm có DTC,KNDU, NLPV, MDDC, YTHH, CLSP và 1 nhân tố phụ thuộc SHL Các nhân tố đại diện này sẽ được sử dụng trong bước xây dựng phương trình hồi quy tiếp theo.
Phân tích tương quan và hồi quy
2.5.1 Phân tích tương quan Để xem xét các mối quan hệ tương quan tuyến tính chặt chẽ giữa các biến độc lập DTC, KNDU, NLPV, MDDC, YTHH, CLSP và biến phụ thuộc SHL, nhóm tiến hành chạy kiểm định hệ số tương quan Pearson Ngoài ra việc này cũng giúp chúng ta sớm nhận biết vấn đề đa cộng tuyến khi các biến độc lập có tương quan mạnh với nhau Để thực hiện kiểm định hệ số tương quan Person nhóm đã thựuc hiện các bước như sau:
Khi hộp thoại xuất hiện, đưa tất cả biến đại diện ở ô bên trái vào ô Variables Nhóm sắp xếp biến phụ thuộc SHL lên trên cùng để thuận tiện cho việc đọc dữ liệu
Bảng 2 17: Bảng kết quả phân tích tương quan
Sự hài lòng Độ tin cậy
Năng lực phục vụ Pearson Correlation
* Correlation is significant at the 0.05 level (2-tailed).
** Correlation is significant at the 0.01 level (2-tailed).
Kết quả phân tích tương quan cho thấy có 4 biến độc lập: DTC, KNDU,NLPV, MDDC, YTHH, NLPV có tương quan với biến phụ thuộc SHL tại mức ý nghĩa 1% và 5% Giá trị Sig tô màu vàng đều nhỏ hơn 0,05 nghĩa là biến độc lập có tương quan tuyến tính với biến phụ thuộc.
Ngoài ra, giữa các biến độc lập với nhau hầu như có sự tương quan tuyến tính yếu, đều có hệ số Person < 0,3 chứng minh rằng giá trị phân biệt đã đạt được, không có môi quan hệ chặt chẽ nào giữa các biến độc lập, ngoại trừ cặp nhân tố NLPV – MDDC, YTHH- CLSP, cần được chú ý đến tính đa cộng tuyến ở bước hồi quy tiếp theo
Phân tích hồi quy giúp xác định được nhân tố nào đóng góp nhiều/ít hay không đóng góp vào biến phụ thuộc, để từ đó đưa ra các giải pháp cần thiết và kinh tế nhất Để thực hiện hồi quy đa biến ta thao tác các bước như sau:
Khi hộp thoại xuất hiện, đưa biến phụ thuộc vào ô Dependent và tất cả biến độc lập vào ô Independent.
Ở mục Statistics: tick vào các mục Collinearity dianotics và Durbin- Watson
Để kiểm tra các giả định hồi quy ta vào Plots: đưa *ZRESID vào ô Y và
Căn cứ vào mô hình nghiên cứu lý thuyết, ta có phương trình hồi quy đa biến diễn tả các nhân tố về chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng The Coffee House như sau:
SHL= B0 + B1*DTC + B1*KNDU + B3*NLPV + B4*MDDC + B5*YTHH +
Các biến độc lập (Xi) = DTC, KNDU, NLPV, MDDC, YTHH, CLSP Biến phụ thuộc: SHL
Bk là hệ số hồi quy riêng (k=0…6)
Hệ số hồi quy riêng phần đó đến biến phụ thuộc càng cao, nếu cùng dấu thì mức độ tác động là thuận chiều và ngược lại
Bảng kết quả phân tích hồi quy
Bảng 2 18: Bảng kết quả phân tích hồi quy
Hệ số chưa chuẩn hóa
Hệ số đa cộng tuyến
Biến phụ thuộc: SHL R 2 hiệu chỉnh: 0.066 Thống kê F (ANOVA): 4.979 Mức độ ý nghĩa (Sig Của ANOVA): 0.001
Qua bảng phân tích kết quả hồi ở trên, ta thấy được:
Qua lần chạy hồi quy này, SPSS đã tự động loại các biến: KNDU và NLPV ra khỏi mô hình, còn lại 4 nhân tố chính tác động đến SHL Kết quả ở bảng hồi quy trên cho thấy YTHH có mối liên hệ tuyến tính với SHL của khách hàng với mức
Sig.t = 0,010 < 0,05 điều này khẳng định biến YTHH có ý nghĩa trong mô hình.
Nhìn vào hệ số B, có thể giải thích như sau: hệ số B của YTHH là 0.190, nghĩa là khi biến YTHH tăng 1 đơn vị thì biến SHL tăng 0.190 đơn vị Tuy nhiên các biến còn lại là DTC, MDDC, CLSP lần lượt giá trị Sig.t là 0.096, 0.089, 0.088 nên không có ý nghĩa thống kê trong mô hình.
Về mức độ phù hợp của mô hình (model summary): Hệ số R2 đã hiệu chỉnh bằng 0,066 có nghĩa là 6.6% sự biến thiên của SHL được giải thích bởi sự biến thiên của 4 biến: DTC, MDDC, YTHH, CLSP Phần còn lại 93.4% được giải thích bởi các biến ngoài mô hình và sai số ngẫu nhiên Qua kết quả này ta thấy được ý nghĩa mô hình nghiên cứu là yếu
Về mối quan hệ của biến phụ thuộc và biến độc lập : Kiểm định F được sử dụng để xem xét biến phụ thuộc (SHL) có mối liên hệ tuyến tính với toàn bộ tập biến hay không Kết quả kiểm định trị thống kê F từ bảng phân tích phương sai ANOVA với giá trị Sig = 0,001 (< 0,05), điều này cho thấy mô hình hồi quy đa biến đã xây dựng phù hợp với tập dữ liệu ở độ tin cậy 95% Hay nói cách khác các biến độc lập có mối tương quan tuyến tính với biến phụ thuộc.
Về kiểm định tương quan của các sai số kề nhau Durbin-Watson (tương quan chuỗi bật nhất) : hệ số Durbin Watson dùng để kiểm định tương quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sử dụng phương pháp hồi quy vì giá trị đạt được là 1.877 (gần bằng 2) và chấp nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình Như vậy, mô hình hồi quy bội thỏa mãn các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Về kiểm định hiện tượng đa cộng tuyến: Đa cộng tuyến là hiện tượng các biến độc lập có tương quan mạnh với nhau Để kiểm tra đa cộng tuyến, ta thông qua nhân tố phóng đại phương sai (VIF), theo quy tắc VIF < 2 là dấu hiệu cho thấy không có hiện tượng đa cộng tuyến Kết quả cho thấy tất cả các VIF có giá trị nhỏ hơn mức giới hạn (VIF của cả 4 yếu tố là DTC: 1.032, MDDC: 1.024, YTHH:
1.028, CLSP: 1.045) đều đạt yêu cầu Vậy mô hình hồi quy đa biến không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
Hình 2 1: Biểu đồ tần số dư chuẩn hóa
Biểu đồ Histogram: giả định phân phối chuẩn của phần dư, ta thấy phần dư chuẩn hóa phân bố theo dạng của phân phối chuẩn Có một đường cong hình chuông trên hình là đường phân phối chuẩn Thêm vào đó, giá trị trung bình Mean của phần dư chuẩn hóa là 6.59E - 16 rất nhỏ, gần như bằng 0 và có độ lệch chuẩn là0,987 gần bằng 1 Như vậy, ta có thể khẳng định giả định phân phối chuẩn của phần dư không bị vi phạm.
Hình 2 2: Biểu đồ tần số Normal P-P Plot
Biểu đồ tần số Normal P-P Plot được sử dụng để giả định phân phối chuẩn của phần dư Xem biểu đồ … phía trên, có thể thấy các trị số quan sát và trị số mong đợi đều nằm gần trên đường chéo chứng tỏ phần dư chuẩn hóa có phân phối chuẩn.
Hình 2 3: Biểu đồ phân tán Scatterplot
Kiểm định mối liên hệ giữa các biến định tính
Kiểm định Chi bình phương được sử dụng khi chúng ta muốn đánh giá xem liệu có mối liên hệ giữa hai biến định tính hay biến phân loại (categorical variables) trong một tập dữ liệu hay không
Nhóm thực hiện Chi bình phương giữa 2 biến Mức giá tiền trung bình khách hàng chi tại The Coffee House và Thu nhập của họ để xem có sự liên kết với nhau hay không Với giả thuyết
H0 - Mức giá và Thu nhập không có mối quan hệ với nhau (độc lập nhau) H1 – Mức giá và Thu nhập có mối quan hệ với nhau Để thực hiện kiểm định Chi bình phương ta thao tác như sau:
Vào Analyze -> Descriptives Statistics -> Crosstabs
Khi cửa sổ Crosstabs hiện ra, đưa biến Mức giá vào ô Row(s) và biến Thu nhập vào ô Column(s) (các biến có thể đưa vào các mục bất kỳ mà không ảnh hưởng đến kết quả kiểm định)
Sự hài lòngYếu tố hữu hình
Tick vào ô Display clustered bar charts để hiển thị mối quan hệ hai biến
Ở mục Statistics…, tick chọn vào Chi-square và Phi and Cramer’s V
Ở mục Cells , tick chọn vào Row và Columns
Sau khi chạy kiểm định Chi bình phương cho biến định tính Mức giá tiền trung bình khách hàng chi khi đến The Coffee House và Thu nhập của họ ta được bảng tổng hợp kết quả những yếu tố cần quan tâm như sau:
Bảng 2 19: Kiểm định sự khác biệt của mức giá tiền trung bình khách hàng chi khi đến The Coffee House và thu nhập của họ.
Kiểm định Chi bình phương
N of Valid Cases 225 a 0 cells (0.0%) have expected count less than 5 The minimum expected count is 5.33.
Kết quả kiểm định cho thấy:
Asym Sig của đối tượng kiểm dịnh là 0.534 > 0.05 nên chúng ta chấp nhận giả thuyết H0, tương đương rằng Mức giá và Thu nhập không có mối quan hệ với nhau Ở mục a cuối bảng kiểm định Chi bình phương thông báo rằng không có giá trị nào dưới 20% có chỉ số dự kiến dưới 5 Điều này chứng tỏ kiểm định Chi bình phương có có giá trị tin cậy.
Kiểm định sự khác biệt trung bình Independent Samples T-Test .38
Independent Sample T-Test dùng để xác định xem có sự khác biệt trung bình biến định lượng đối với các giá trị khác nhau của một biến định tính hay không.
Thông thường phương pháp này áp dụng cho các biến định tính có 2 giá trị Nhóm thực hiện kiểm định sự khác biệt giữa giới tính đối với Sự hài lòng của khách hàng.
Với giả thuyết rằng khách hàng ở mỗi giới tính sẽ có sự hài lòng khác nhau đối với chất lượng dịch vụ của The Coffee House, ta có giả thuyết:
H0 – Không có sự khác biệt về ý kiến đánh giá chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng.
H1 – Tồm tại sự khác biệt về ý kiến đánh giá chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng Để thực hiện kiểm định Independent Sample T-Test ta thao tác như sau:
Vào Analyze -> Conpare Means -> Independent Sample T-Test…
Giao diện cửa sổ hiện ra, đưa biến định lượng SHL vào ô Test Variable(s) và biến định tính Gender (Giới tính) vào ô Group Variable
Ấn vào Define Groups…, khi cửa sổ hiện ra ta phân nhóm giá trị Biến giới tính có 2 value: 1 là nam và 2 là nữ nên điền ở Group 1 là 1 vàGroup 2 là nam.
Sau khi chạy kiểm định Independent Sample T-Test cho các biến ta được bảng kết quả những yếu tố cần quan tâm (Sig Levene’s Test, Sig T-Test) như sau:
Bảng 2 20: Kiểm định sự khác biệt của nhóm giới tính đối với sự hài lòng Đối tượng kiểm định
Sự hài lòng Giới tính 0.560 0.608
Kết quả kiểm định cho thấy:
Giá trị Sig.Levene’s Test là 0.560 > 0.05 nên phương sai giữa các lựa chọn của các biến định tính không khác nhau hay còn gọi là đồng nhất.
Vì giá trị Sig.Levene’s Test lớn hơn 0.05 nên chúng ta xét dến Sig T-Test ở hàng Equal variances assumed Giá trị Sig.T-Test là 0.608 > 0.05
Kết quả kiểm định cho thấy ta chưa đủ cơ sở để bác bỏ H0, nghĩa là - không có sự khác biệt có ý nghĩa thống kê về sự hài lòng của những đáp viên có giới tính khác nhau.
Phân tích khác biệt trung bình One-Way ANOVA
Phân tích khác biệt trung bình One-Way ANOVA dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5% Phương pháp này áp dụng cho các biến định tính có trên 2 giá trị Nhóm thực hiện kiểm định sự ảnh hưởng của độ tuổi, nghề nghiệp, thu nhập đến sự hài lòng của khách hàng với The Coffee House.
Với giả thuyết rằng khách hàng ở những độ tuổi, thu nhập, nghề nghiệp khác nhau sẽ có sự hài lòng khác nhau đối với chất lượng dịch vụ của The Coffee House, ta có giả thuyết:
H0 – Không có sự khác biệt về ý kiến đánh giá chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng.
H1 – Tồm tại sự khác biệt về ý kiến đánh giá chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng. Để thực hiện phân tích ANOVA ta thao tác như sau:
Vào Analyze -> Conpare Means -> One-Way ANOVA…
Giao diện cửa sổ hiện ra, đưa biến phụ thuộc SHL vào ô Dependent List và biến định tính vào ô Factor (thao tác lần lượt với từng biến định tính, lần 1: Độ tuổi, lần 2: Nghề nghiệp, lần 3: Thu nhập)
Trong tùy chọn Options, tick vào 4 mục Descriptive, Homogeneity of variance test, Weich, Means plot
Sau khi chạy kiểm định One-Way ANOVA cho các biến định tính nêu trên ta được bảng tổng hợp kết quả với những yếu tố cần quan tâm (Sig.Levene, Sig.Anova) như sau:
Bảng 2 21: Kiểm định sự khác biệt giữa độ tuổi, nghề nghiệp, thu nhập đến mức sự hài lòng của khách hàng Đối tượng kiểm định Sig Levene Sig Anova
Sự hài lòng Độ tuổi 0.213 0.050
Kết quả kiểm định cho thấy:
Sig Levene của cả 3 đối tượng đều lớn hơn 0.05 nên phuơng sai giữa các lựa chọn của các biến định tính không khác nhau hay còn gọi là đồng nhất
Vì Sig Levene>0.05 nên ta dùng bảng Anova để tiếp tục đánh giá Sig Anova của 3 đối tượng đều lớn hơn 0.05
Kết quả kiểm định cho thấy ta chưa đủ cơ sở để bác bỏ H0, nghĩa là – không có sự khác biệt trung bình về ý kiến đánh giá chất lượng dịch vụ ảnh hưởng đến sự hài lòng của các đối tượng theo độ tuổi, nghề nghiệp và thu nhập.
Thông qua chương 2 nhóm đã đưa ra được những kết quả nghiên cứu khi sử dụng các phương pháp nghiên cứu như: kiểm định độ tin cậy của thang đo bằngCrobach’s Alpha, phân tích nhân tố khám phá EFA, phân tích tương quan và hồi quy, kiểm định Chi bình phương và cuối cùng là kiểm định sự khác biệt giữa các nhóm bằng One-Way ANOVA, kiểm định Independent – Sample T-Test Ngoài ra,trong chương 2, nhóm còn đưa ra được các biến có độ tin cậy cao hay không, có sự tương quan tuyến tính với nhau hay không, và phương sai giữa các lựa chọn của biến định tính có khác nhau hay không Từ đó đưa ra được các giải pháp cho đề tài nghiên cứu về sự hài lòng của khách hàng đối với chất lượng dịch vụ của TheCoffee House.
