Mục tiêu 1 : Xác định chất lượng dịch vụ và tìm hiểu các đánh giá của khách hàng. Sử dụng các phương pháp phân tích sau :
2.5.2.1 Phân tích tần số ( Frequency Analysis)
Phân tích tần số dùng để thống kê tần số, số lần xuất hiện của một quan sát, một biến nào đó. Trong bài nghiên cứu này sử dụng phân tích tần số để thống kê các yếu tố về nhân khẩu học và thông tin về chuyến đi của khách hàng như : tuổi, giới tính,…Thống kê một
18
số ý kiến nhận xét và hành vi sau tiêu dùng của khách hàng : sự hài lòng, sẵn lòng quay lại, sẵn lòng giới thiệu.
Một trong những ưu điểm của cách mô tả này là không nhất thiết phải số hóa các dấu hiệu của các biến định tính. Ngoài ra với các biến định lượng chúng ta có thể trực tiếp suy ra một số đặc trưng quan trọng như : các điểm phân vị, mốt, hạng, và miền biến thiên.
2.5.2.2 Phân tích thống kê mô tả (Decriptive Statistics)
Thống kê mô tả có thể được định nghĩa như là phương pháp có liên quan đến việc thu thập số liệu, tóm tắt, trình bày, tính toán, các đặc trưng khác nhau để phản ánh một cách tổng quát đối tượng nghiên cứu. Phương pháp được sử dụng trong bài nghiên cứu này để phân tích thông tin về đối tượng phỏng vấn, tính trị số trung bình Mean, giá trị lớn nhất Max, giá trị nhỏ nhất Min,…
Ý nghĩa của từng giá trị trung bình đối với thang đo khoảng : Giá trị khoảng cách = (Maximum – Minximum)/n
= (5-1)/5 = 0,8 Giá trị trung bình Ý nghĩa 1,00 – 1,80 Rất không hài lòng 1,81 – 2,60 Không hài lòng 2,61 – 3,40 Không ý kiến 3,41 – 4,20 Hài lòng 4,21 – 5,00 Rất hài lòng
2.5.2.3 Kiểm định độ tin cậy của thang đo bằng hệ số Crombach Alpha
Hệ số Cronbach Alpha 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 Cronbach α là :
α = Nρ/[1+ρ(N-1)]
Trong đó : ρ là hệ số tương quan trung bình giữa các mục hỏi.
Theo qui ước thì một tập hợp các mục hỏi dùng để đo lường được đánh giá là tốt phải có hệ số α ≥ 0,8. Nhiều nhà nghiên cứu khi Crocbach α từ 0,8 đến 1,0 là thang đo tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng hệ số Cronbach α từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới
19
hoặc mới đối với người trả lời tỏng bối cảnh nghiên cứu. (Nunally, 1978; Peterson,1994; Slater, 1995).
2.5.2.4 Kiểm định trị trung bình của hai tổng thể - trường hợp mẫu độc lập ( Independent Sample T-test)
Phép kiểm định này được sử dụng trong trường hợp chúng ta cần so sánh trị trùn bình về một chỉ tiêu nghiên cứu nào đó giữa hai đồi tượng mà chúng ta quan tâm. Chỉ có hai biến tham gia trong một phép kiểm định trung bình một biến định lượng dạng khoảng cách hay tỉ lệ để tính trung bình và một biến định tính dùng để chia nhóm ra so sánh.
Trước khi kiểm định trung bình, cần phải thực hiện kiểm định sự bằng nhau của hai phương sai tổng thể. Kiểm định này có tên là kiểm định Leneve, với giả thuyết Ho rằng phương sai của hai tổng thể bằng nhau. Kết quả của việc bác bỏ hay chấp nhận Ho ảnh hưởng rất quan trọng đến việc chúng ta sẽ chọn lựa loại kiểm định giả thiết về sự bằng nhau giữa hai trung bình tổng thể nào; kiểm định trung bình với hai phương sai bằng nhau hay kiểm định trung bình với hai phương sai khác nhau.
Nếu giá trị Sig. trong kiểm định Leneve (kiểm định F) < α ( mức ý nghĩa) thì phương sai của hai tổng thể khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances not assumed.
Nếu giá trị Sig. trong kiểm định Leneve (kiểm định F) ≥ α ( mức ý nghĩa) thì phương sai của hai tổng thể không khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances assumed.
Nếu giá trị Sig. trong kiểm định kiểm định t < α ( mức ý nghĩa) thì có sự khác biệt có ý nghĩa về sự trung bình giữa hai tổng thể.
Nếu giá trị Sig. trong kiểm định kiểm định t ≥ α ( mức ý nghĩa) thì không có sự khác biệt có ý nghĩa về sự trung bình giữa hai tổng thể.
Trong nghiên cứu này, sử dụng phương pháp kiểm địn trung bình giữa hai tổng thể - trường hợp mẫu độc lập nhằm mục đích kiểm định sự khác biệt về đánh giá mức độ hài lòng giữa các khách hàng có giới tính khác nhau.
2.5.2.5 Phân tích phương sai ANOVA
Có thể nói phân tích phương sai là sự mở rộng của kiểm định t, vì phương pháp này giúp ta so sánh trị trung bình của 3 nhóm biến phân loại trở lên. Kỹ thuật phân tích phương sai thường được dùng để kiểm định giả thiết các tooeng thể nhóm (tổng thể bộ phận) có trị trung bình bằng nhau. Kỹ thuật này dựa trên cơ sở tính toán mức độ biến thiên trong nội
20
bộ các nhóm và biến thiên giữa các trung bình nhóm. Dựa trên hai ước lượng này của mức độ biến thiên ta có thể rút ra kết luận về mức độ khác nhau giữa các trung bình nhóm. Trong phạm vi đề tài này, phân tích phương sai một yếu tố (One – Way ANOVA) được sử dụng nhằm mục đích kiểm định sự khác biệt về đánh giá mức độ hài lòng giữa các khách hàng có độ tuổi, trình độ học vấn khác nhau. Một số giả định đối với phân tích phương sai một yếu tố :
Các nhóm so sánh phải được chọn độc lập và được chọn một cách ngẫu nhiên. Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được
xem như tiệm cận phân phối chuẩn.
Phương sai của các nhóm so sánh phải đồng nhất Giả thuyết :
Ho : không có sự khác biệt giữa các biến trpng kiểm định H1 : có sự khác biệt giữa các biến trong kiểm định.
Nếu giả định tổng thể có phân phối chuẩn với phương sai đồng nhất không đáp ứng được thì chúng ta sẽ chuyển sử dụng kiểm định Kruskal – Wallis để thay thế cho ANOVA.
2.5.2.6 Phân tích nhân tố
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. Liên hệ giữa các nhóm biên có liên hệ qua lại lẫn nhau được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản.
Phân tích nhân tố là một kỹ thuật phụ thuộc lẫn nhau (inderpendence technique) trong đó toàn bộ các mối liên hệ phụ thuộc lẫn nhau sẽ được nghiên cứu.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (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 này (factor loading) biểu diễn tương quan giữa các nhân tố và các biến. Hệ số này lớn cho biết nhân tố và biến có liên hệ chặt chẽ với nhau. Các hệ số này được dùng để giải thích các nhân tố.
Mục tiêu 2 : Xác định các nhân tố ảnh hưởng đến chất lượng dịch vụ của khách sạn và các hành vi tiêu dùng của khách hàng :
2.5.2.7 Phân tích bảng chéo (Crosstabulation)
Là một kĩ thuật thống kê mô tả hai hay ba biến cùng lúc và bảng kết quả phản ánh sự kết hợp hai hay nhiều biến có số lượng hạn chế trong phân loại hoặc trong giá trị phân biệt. Trong đề tài sẽ sử dụng phân tích Cross-tabulation hai biến để kiểm định mối quan hệ
21
giữa sự hài lòng và quyết định quay lại, giữa sự hài lòng và sẵn sàng giới thiệu, quyết định quay lại với các biến nhân khẩu như : tuổi, giới tính, thu nhập, trình độ học vấn, quốc tịch. Bảng phân tích Cross-tabulation hai biến còn được gọi là bảng tiếp liên. Việc phân tích các biến theo cột hay theo hàng là tùy thuộc vào việc biến đó được xem xét là biến độc lập hay biến phụ thuộc. Thông thường biến xếp tjeo cột là biến độc lập, biến xếp theo hàng là biến phụ thuộc.
Trong phân tích ta cũng cần quan tâm đến giá trị kiểm định. Ở đây, phân phối Chi- bình phương cho phep ta kiểm định mối quan hệ giữa các biến.
Giả thiết
Ho : Không có mối quan hệ nào giữa các biến H1 : có mối quan hện giữa các biến
Giá trị kiểm định Chi – bình phương trong kết quả cung cấp mức ý nghĩa của kiểm định Sig. nếu mức ý nghĩa này ≤ α thì kiểm định hoàn toàn có ý nghĩa , ta bác bỏ giả thiết Ho, nghĩa là các biến có liên hệ với nhau. Ngược lại thì các biến không có liên hệ.
Mục tiêu 3 : Đề ra các giải pháp nhằm nâng cao chất lượng dịch vụ của khách sạn Kim Khánh và hạn chế các yếu kém.
Từ kết quả phân tích, đánh giá các mục tiêu 1,2 rút ra các kết luận và đề ra các giải pháp.