Sau khi thu thập dữ liệu từ kết quả khảo sát, những phiếu khảo sát được xử lý và phân tích bằng phần mềm SPSS 20. Khi đã mã hóa và nhập liệu ta sẽ thực hiện qua các bước sau:
- Bước 1: Mô tả mẫu nghiên cứu nhằm mô tả các thuộc tính của mẫu khảo sát về sản phẩm dịch vụ, đối tượng cung cấp dịch vụ, giới tính, chức vụ, loại hình công ty, quy mô nguồn vốn.
- Bước 2: Đánh giá độ tin cậy của thang đo bằng hệ số Crobach’s Alpha, qua đó các biến có hệ số tương quan biến tổng (Corrected Item- Total Correlation) nhỏ hơn 0.3 sẽ không phù hợp và bị loại bỏ. Thang đo sẽ được chấp nhận khi hệ số Crobach’s Alpha đạt từ 0.6 trở lên (Nunnaly & Bernsteri, 1994) và (Slater,1995). Tuy nhiên, nhiều nhà nghiên cứu cho rằng khi Crobach’s Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được (trích Hoàng Trọng và Chu Nguyễn Mộng Ngọc- Phân tích dữ liệu nghiên cứu SPSS,2008). Quá trình chạy Crobach’s Alpha phải được thực hiện trước để loại bỏ các biến không đạt trước khi thực hiện
~ 39 ~
phân tích nhân tố EFA. Đối với nghiên cứu này, các biến hệ số tương quan biến tổng nhỏ hơn 0.3 sẻ bị loại và tiêu chuẩn để chọn thang đo khi có độ tin cậy Crobach’s Alpha từ 0.7 trở lên.
- Bước 3: Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật phân tích rút gọn một tập hợp gồm nhiều biến quan sát thành một số nhân tố ít hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin và ý nghĩa thống kê của tập biến ban đầu (Hair & CTG, 1998). Phân tích nhân tố khám phá EFA được sử dụng để kiểm định lại giá trị của các thang đo, phương pháp này dựa vào tương quan giữa các biến với nhau, EFA dùng để rút gọn các biến quan sát thành một tập các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát.
Kaiser- Meyer-Olkin (KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là 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 (trích Hoàng Trọng và Chu Nguyễn Mộng Ngọc- Phân tích dữ liệu nghiên cứu SPSS,2008).
Những nhân tố có chỉ số Eigenvalue>=1 sẽ được giữ lại trong mô hình phân tích, ngược lại nếu Eigenvalue <1 sẻ bị loại khỏi mô hình (theo tiêu chuẩn Kaiser).
Tiêu chuẩn phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50%.
Các biến có hệ số tương quan đơn giữa biến và các nhân tố nhỏ hơn 0.5 sẽ bị loại (Jun & ctg, 2002). Đểđạt được độ giá trị phân biệt, khác biệt giữa các hệ số tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0.3 (Jabnoun & ctg, 2003).
- Bước 4: Kiểm định các giả thuyết được đưa ra trong mô hình bằng phương pháp hồi quy với mức ý nghĩa 5%, từ kết quả phân tích hồi quy cũng biết được mức độ tác động khác nhau của các biến độc lập lên biến phụ thuộc.
Tóm tắt chương 3: Chương 3 trình bày quy trình nghiên cứu, xây dựng thang đo sơ bộ,kết quả nghiên cứu sơ bộ định tính và sơ bộ định lượng. Từ kết quả nghiên cứu sơ bộ là cơ sở để xây dựng mô hình nghiên cứu chính thức, điều chỉnh giả thuyết cho mô hình nghiên cứu, xây dựng và mã hóa thang đo chính thức, thiết kế phiếu khảo sát chính thức. Trình bày các tiêu chí đánh giá thang đo.
~ 40 ~
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU