Nghiên cứu định tính: Phỏng vấn NTD, ý kiến các chuyên gia, trên cơ sở những thông tin có được sau khi thảo luận, các biến của thang đo SERVPERF sẽ được xác định phù hợp những đặc tính riêng của dịch vụ TDTT, trong bước này bảng mã hóa thang đo được hình thành 37 biến quan sát (từ 37 câu hỏi) về chất lượng dịch vụ TDTT và 44 biến quan sát (từ 44 câu hỏi) về các biện pháp nâng cao hiệu quả kinh doanh dịch vụ TDTT cho các CLB TDTT quần chúng ở Tp.HCM.
Nghiên cứu định lượng: Để khảo sát vấn đế này chúng tôi thực hiện nghiên cứu thang đo chất lượng dịch vụ theo mô hình thang đo SERVPERE. Các dữ liệu sau khi thu thập sẽ được làm sạch và xử lý bằng phần mềm SPSS 16.0. [50], [94], [95]. Quy trình xây dựng thang đo chất lượng dịch vụ TDTT trong luận án theo sơ đồ sau:
Nghiên cứu định lƣợng Cơ sở lý thuyết CLDV
Thang đo SERVPERF (Tích hợp 2 mô hình SERVQUAL&GRONROOS)
Thang đo dự thảo
(37 câu hỏi)
Điều chỉnh thang đo
(mã hóa 37 biến quan sát)
Nghiên cứu định tính
(phỏng vấn ý kiến của NTD, nhà quản lý và chuyên gia TDTT)
Phân tích nhân tố EFA
Hệ số tải > 0,5 Chỉ số 0,5 < KMO >1 Hệ số phương sai rút trích > 50%
Đại lượngEigenvalue >1
Kiểm định hệ số tin cậy Cronbach’s alpha
Hệ số tương quan >0,3 Hệ số Cronbach’s Alpha
≥ 0,6
Phân tích tƣơng quan & Hồi quy đa biến
Hệ số phóng đại phương sai VIF <10 Hệ số R2 hiệu chỉnh với Sig. < 0,05 Hệ số β >0
Sơ đồ 2.1 Mô hình xây dựng thang đo chất lƣợng TDTT
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis):
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser – Meyer - Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Ngoài ra, phân tích nhân tố còn dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố . Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố khi các nhân tố được xoay (Rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (Factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố (Principal components) nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt yêu cầu.
Hệ số Cronbach’s alpha:
Phương pháp này cho phép loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach’s alpha. Những biến có hệ số tương quan biến tổng (Item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach’s alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có hệ số Cronbach’s alpha từ 0,7 đến 0,8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lường tốt.
Phân tích sự tương quan và hồi quy đa biến
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor - VIF). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng. Và hệ số R2 đã được điều chỉnh (Adjusted R square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào.Bằng cách so sánh hệ số R2 hiệu chỉnh, mô hình nào có hệ số R2 hiệu chỉnh lớn hơn sẽ giải thích sự hài lòng của
NTD về chất lượng dịch TDTT tốt hơn.