2.2.2 Phương pháp thu thập số liệu
2.2.2.1 Thu thập số liệu thứ cấp
Các số liệu thứ cấp được thu thập từ các nguồn liên quan đến thông tin về siêu thị Việt Nam và siêu thị Co.opMart Cần Thơ như doanh thu,… được thu thập dựa vào các nguồn: các bài nghiên cứu khoa học, bài báo về kinh tế trong nước và quốc tế, để làm nền tảng nghiên cứu, các báo điện tử có đăng bài về kinh doanh siêu thị và những ý kiến góp ý, thái độ hài lòng hay không hài lòng của khách hàng cũng được thu thập để làm dẫn chứng: Vnexpress, Bayvut, Vietbao, Ngoisao.net,... Website của Bộ ngoại giao Việt Nam, Bộ thương mại Việt Nam và Tổng cục Thống kê, Cổng thông tin điện tử thành phố Cần thơ: thông tin liên quan đến mãn kinh doanh siêu thị, hệ thống bán lẻ trên địa bàn Thành Phố Cần Thơ.
2.2.2.2 Thu thập số liệu sơ cấp
Nguồn số liệu sơ cấp được thu thập bằng cách phỏng vấn trực tiếp khách hàng về sự phàn nàn và ý định phàn nàn của họ khi mua sắm tại siêu thị Co.opMart Cần Thơ.
Phương pháp chọn mẫu thuận tiện:
Phương pháp này được áp dụng để thực hiện đề tài vì những hạn chế về thời gian và chi phí khi thực hiện nghiên cứu. Bởi do đối tượng nghiên cứu của đề tài là sự phàn nàn và ý định phàn nàn của người tiêu dùng, dẫn đến hạn chế về sự không sẳn lòng và làm mất thời gian của khách hàng, nên chọn mẫu thuận tiện sẽ giúp người phỏng vấn dễ tiếp xúc với đối tượng được phỏng vấn. Từ đó, tiết kiệm đáng kể chi phí, và thời gian khi thực hiện nghiên cứu.
Tuy nhiên, do phương pháp chọn mẫu thuận tiện là một phương pháp chọn mẫu phi xác suất nên dẫn đến tính đại diện của kết quả nghiên cứu không tốt như các cách chọn mẫu theo xác suất khác do không chọn được những khách hàng mang những đặc tính đặc trưng của tổng thể. Để hạn chế ảnh hưởng của việc lấy mẫu thuận tiện, khi thu thập số liệu, tác giả sẽ thu mẫu ở những địa điểm tập trung nhiều khách hàng dựa vào kinh nghiệm bản thân và vào những thời điểm khác nhau trong ngày để những mẫu thu được mang tính đa dạng hơn.
Cỡ mẫu: 100 mẫu. Vì cỡ mẫu này theo các nhà nghiên cứu đã thuộc mẫu lớn, bảo đảm cho tính suy rộng cho tổng thể (Lưu Thanh Đức Hải, 2010).
2.2.3 Phương pháp phân tích số liệu
Xác định các yếu tố ảnh hưởng đến sự phàn nàn của khách hàng khi mua sắm tại siêu thị Co.opMart Cần Thơ và những nhân tố liên quan đến ý định phàn nàn của họ.
Sử dụng thống kê mô tả để biết sơ lược về đối tượng khách hàng được phỏng vấn (tuổi, nghề nghiệp, giới tính,…) và hành vi của họ khi đi mua sắm tại siêu thị.
Dùng Spss và Amos 16.0 đễ phân tích tần số, phân tích các nhân tố khám phá EFA, phân tích các nhân tố khẳng định CFA và thiết lập mô hình SEM để phân tích ý định phàn nàn của khách hàng khi họ gặp những vấn đề cần phàn nàn, thông qua việc phân tích những khái niệm và chỉ báo khái niệm.
Đề xuất một số giải pháp nhằm hạn chế những ý định phàn nàn của khách hàng khi mua sắm tại siêu thị Co.opMart Cần Thơ: dựa vào những chính sách của nước ta trong việc phát triển hệ thống bán lẻ, kết hợp với những chính sách riêng của Thành phố Cần Thơ và đề xuất của tác giả để đưa ra những giải pháp phù hợp.
2.2.3.1 Phương pháp thống kê mô tả
Thống kê là tổng hợp các phương pháp lý thuyết và ứng dụng vào lĩnh vực kinh tế bằng cách rút ra những kết luận dựa trên những số liệu và thông tin thu thập được. Thống kê mô tả là một trong hai chức năng chính của thống kê (thống kê mô tả và thống kê ứng dụng). Thống kê mô tả là tập hợp tất cả các phương pháp đo lường, mô tả và trình bày số liệu.
Phương pháp tần số: sử dụng bảng phân phối tần số là bảng tóm tắt dữ liệu được xếp thành từng yếu tố khác nhau, dựa trên những tấn số xuất hiện của các đối tượng trong cơ sở dữ liệu để so sánh tỷ lệ, phản ánh số liệu.
Giá trị trung bình (Mean): bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát.
Mode (Mo): là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một dãy số phân phối.
Phương sai: là trung bình giữa bình phương các độ lệch giữa các biến và trung bình của các biến đó.
Mô tả giá trị trung bình
Khi thực hiện các nghiên cứu định lượng, người nghiên cứu phải sử dụng các loại thang đo lường khác nhau. Việc lượng hóa các khái niệm nghiên cứu đòi hỏi phải có những thang đo lường được xây dựng công phu và được kiểm tra độ tin cậy trước khi vận dụng. Một trong những hình thức đo lường các khái niệm trừu tượng được sử dụng phổ biến nhất trong nghiên cứu kinh tế xã hội là thang đo được Rennis Likert (1932) giới thiệu. Likert đã đưa ra loại thang đo năm mức độ phổ biến. Chính vì vậy, trong bài nghiên cứu, thang đo Likert năm mức độ (từ rất không đồng ý đến rất đồng ý) được sử dụng để đo lường mức độ phàn nàn và ý định phàn nàn dựa trên các chỉ báo đo lường khái niệm.
Phương pháp tính điểm trung bình đối với thang đo Likert 5 mức độ: Giá trị khoảng cách = (Max - Min)/ cấp độ = (5 - 1)/ 5 = 0,8
Ý nghĩa của giá trị trung bình khi đánh giá hình ảnh điểm đến Việt Nam: 1,00 – 1,8: Rất không đồng ý 1,81 – 2,6: Không đồng ý 2,61 – 3,4: Bình thường 3,41 – 4,2: Đồng ý 4,21 – 5,0: Rất đồng ý 2.2.3.2 Phân tích bảng chéo
Phân tích bảng chéo dùng để kiểm định mối quan hệ giữa các biến định tính với nhau bằng cách dùng kiểm định Chi – bình phương; ngoài ra còn thống kê mô tả được đặc điểm của sự phàn nàn của các nhóm khách hàng. Người ta dùng Kiểm định Chi-square để kiểm tra xem liệu một biến này có quan hệ hay không với một biến khác, tuy nhiên phương pháp kiểm nghiệm này không chỉ ra cường độ của mối quan hệ giữa hai biến mạnh hay yếu giữa 2 biến. Tùy theo loại thang đo mà kiểm định 2 có kết quả khác nhau. Thông thường kiểm định 2 có hiệu quả nhất đối với thang đo định danh.
Trong phân tích bảng chéo, ta cũng cần quan tâm đến giá trị kiểm định. Ở đây phân phối “chi bình phương” cho phép ta kiểm định mối quan hệ giữa các biến.
H0: Không có mối quan hệ giữa các biến H1: Có mối quan hệ giữa các biến.
Giá trị kiểm định 2 trong kết quả phân tích sẽ cung cấp mức ý nghĩa của kiểm định (P-value). Nếu mức ý nghĩa này nhỏ hơn hoặc bằng (mức ý nghĩa phân tích ban đầu) thì kiểm định hoàn toàn có ý nghĩa, hay nói cách khác bác bỏ giả thuyết Ho, nghĩa là các biến có liên hệ với nhau. Ngược lại thì các biến không có liên hệ nhau.
2.2.3.3 Phương pháp kiểm định độ tin cậy của than đoHệ số Cronbach alpha Hệ số Cronbach alpha
Hệ số a của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Công thức của hệ số Cronbach Alpha là:
Trong đó r là hệ số tương quan trung bình giữa các mục hỏi. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach Alpha từ 0,7 đến gần 0,8 là đã sử dụng được. Nhưng có nhiều nhà nghiên cứu đề nghị rằng hệ số từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới, hoặc mới so với người trả lời trong bối cảnh nghiên cứu. Chính vì thế, hệ số Cronbach alpha được chọn sử dụng trong đề tài là 0,6 nguyên nhân đây là một nghiên cứu khá mới, và các khái niệm dùng để đo lường cũng rất mới đối với những đối tượng nghiên cứu. Bên cạnh hệ số Cronbach alpha của mô hình, kết quả của kiểm định độ tin cậy của thang đo còn có hệ số Cronbach alpha nếu bỏ từng biến trong mô hình. Nếu hệ số Cronbachalpha nếu bỏ biến của một biến nào đó lớn hơn hệ số Cronbach alpha của mô hình thì biến đó nên được loại bỏ, vì khi bỏ biến đó, hệ số Cronbach alpha của mô hình sẽ tăng lên và thang đo có độ tin cậy cao hơn.
Nguyên nhân do nghiên cứu của tác giả còn khá mới mẽ, các chỉ báo khái niệm được dựa trên các nghiên cứu khác của mô hình TPB, và các chỉ báo khái niệm nên việc sử dụng kiểm định độ tin cậy của thang đo có thể loại đi những biến ảnh hưởng đến mô hình nghiên cứu nên tác giả có thể sử dụng hoặc không sử dụng đến kiểm định này.
2.2.3.4 Phân tích các nhân tố khám phá EFA
thống kê dùng để rút gọn một tập gồm nhều biến quan sát phụ thuộc lẫn nhau, thành một tập hợp biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dụng thông tin của các biến ban đầu. Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu, phân nhóm các dữ liệu trừu tượng và phức tạp hình thành các biến mới cho các nghiên cứu tiếp theo.
EFA được dùng đến trong trường hợp mối quan hệ giữa các biến quan sát và biến tiềm ẩn là không rõ ràng hay không chắc chắn. Phân tích EFA theo đó được tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở như thế nào, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến mô tả bằng phương trình:
F1 = a11x1 + a12x2 + a13x3 + … +a1pxp F1 = a21x1 + a22x2 + a23x3 + … +a2pxp
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. Phân tích nhân tố khám phá EFA rất hữu dụng trong bước thực nghiệm ban đầu của các nghiên cứu
Tham số thống kê trong phân tích nhân tố khám phá EFA:
Kiểm định KMO là chỉ tiêu dùng để xem xét thích hợp của phân tích nhân tố khám phá. Giá trị giữa 0 và 1 với KMO > 0.5 thì phân tích nhân tố là thích hợp. Còn nếu KMO <0.5 là không phù hợp.
2.2.3.5 Phân tích nhân tố khẳng định CFA
Phân tích nhân tố khẳng địn CFA thích hợp cho bài nghiên cứu này của tác giả, do tác giả đã có sẵn một số kiến thức về cấu trúc và biến tiềm tàng cơ sở của mô hình Lý thuyết Hành vi hoạch định TPB.
Trong đó mối quan hệ hay giả thuyết giữa các biến quan sát và nhân tố cơ sở thì được các nhà nghiên cứu mặc nhiên thừa nhận trước khi tiến hành kiểm định thống kê. Như vậy CFA là bước tiếp theo của EFA nhằm kiểm định xem có mộ mô hình lý thuyết nào có trước làm nền tảng cho một tập hợp các quan sát không. CFA cũng là một dạng của SEM. Khi xây dựng CFA, các biến quan sát cũng là các biến chỉ báo trong mô hình do lường, bởi vì chúng cùng “tải” lên một khái niệm lý thuyết cơ sở.
Theo nghiên cứu của Thọ và Trang năm (2008) cho rằng mô hình nhận được các giá trị TLI, CFI > 0.9, CMIN/df <=2, RMSEA <= 0.08 thì phù hợp với dữ liệu thị trường. Trong đó CMIN/df là chi – square điều chỉnh theo bậc tự do; CFI (Comparative Fix Index) là chỉ số thích hợp so sánh. TLI (Tucker & Lewis Index) là chỉ số (Tucker & Lewis) và chỉ số RMSEA (Root Mean Square Error Approximation).
Tính đơn hướng/ đơn nguyên dựa theo Steenkamp & Van trijp (1991) mức độ phù hợp với dữ liệu thị trường cho chúng ta điều kiện cần và đủ để cho tập biến quan sát đạt được tính đơn hướng trừ trường hợp ác sái số của các biến quan sát có tương quan với nhau.
Giá trị hội tụ dựa theo Gerbring & Anderson (1998) thang đo đạt được giá trị hội tụ khi các hệ số chuẩn hóa của thang đo điều lớn hơn 0.5 có có ý nghĩa thống kê (P < 0.5)
Giá trị phân biệt có thể kiểm định giá trị phân biệt của các khái niệm trong mô hình tới hạn, mô hình mà các khái niệm nghiên cứu được tự do quan hệ với nhau. Có thể thực hiện kiểm định hệ số tương quan xét trên phạm vi tổng thể giữa các khái niệm có thực sự khác biệt so với một hay không nếu thực sự khác biệt thì các thang đo đạt giá trị phân biệt. Cách dễ dàng nhất để xác định giá trị phân biệt là hệ số tương quan giữa các khái niệm thành phần của một khái niệm phải nhỏ 0.9 thì mới đạt giá trị phân biệt.
2.2.3.6 Mô hình cấu trúc tuyến tính SEM
SEM là một dạng mô hình thống kê nhằm giải thích mối quan hệ giữa nhiều biến. Để làm điều đó, nó khảo sát cấu trúc của mối tương tác giữa một loạt các phương trình, tương tự như các phương trình hồi quy bội. Các phương trình này mô tả các mối quan hệ giữa các nhân tố, các biến phụ thuộc các biến độc lập liên quan đến việc nghiên cứu nhân tố là các nhân tố không quan sát được hay ẩn được đại diện bằng các quan sát.
SEM cung cấp một khung thuận tiện và rất tổng quát cho các phân tích thống kê bao gồm các thủ tục đa biến truyền thống. Ví dụ các trường hợp đặc biệt là phân tích nhân tố, phân tích hồi quy, phân tích phân biệt, và tương quan canonical. SEM thường được minh họa bằng biểu đồ đường dẫn (sơ đồ đường dẫn). Phương trình thống kê này thường được trình bày trong một hệ phương trình ma trận.
SEM liên quan đến các biến đo lường được (measured variables) và các biến ngầm (latent variables - biến tiềm ẩn). Một measured variable là một biến có thể được quan sát trực tiếp và được đo lường. Biến đo lường được cũng được biết đến như biến quan sát được (observed variable), biến chỉ báo hay biến biểu thị (indicator or manifest variables). Một latent variable là một biến không thể được quan sát trực tiếp và phải được suy ra từ measured variable. Latent variables được ám chỉ bởi hiệp tương quan (covariances) giữa hai hay nhiều measured variables. Chúng cũng được biết đến như là các nhân tố (nghĩa là, phân tích nhân tố), các biến kiến trúc hay các biến không quan sát được (constructs or unobserved variables). SEM: Có hai thành phần: mô hình đo lường (measurement model) và mô hình cấu trúc (structural model). Trong đó, Measurement model: liên quan đến quan hệ giữa measured variables và latent variables, Structural model: chỉ liên quan đến các quan hệ giữa các latent variables mà thôi.
Tóm tắt chương 2:
Trong chương 2, tác giả đã hệ thống lại lý thuyết liên quan đến đề tài nghiên cứu bao gồm các vấn đề về siêu thị, người tiêu dùng, ý định phàn nàn của người tiêu dùng . Bên cạnh đó, các phương pháp thu thập số liệu và phân tích số liệu sử dụng trong đề tài cũng được trình bày. Đề tài sử dụng cách chọn mẫu thuận tiện phi xác suất và sử dụng phần mềm SPSS 16.0 và Amos 16.0 để hỗ trợ cho việc phân tích số liệu. Các phương pháp phân tích khác nhau được sử dụng cho các mục tiêu khác nhau bao gồm phương pháp, so sánh tương đối, so sánh tuyệt đối các số liệu thống kê giai đoạn 2011 - 2013 phương pháp thống kê mô tả, phân tích tần số, phân tích bảng chéo, phương pháp phân tích nhân tố khám phá, phân tích nhân tố khẳng định và chạy hàm SEM để xác định các nhân tố ảnh hưởng đến ý định phàn nàn của khách hàng. Các mục tiêu cụ thể và các phương pháp phân tích được hệ thống lại ở sơ đồ nghiên cứu.
2.2.4 Quy trình nghiên cứu
2.2.5 Mô hình nghiên cứu đề xuất