Thông tin mẫu nghiên cứu được thu thập bằng kỹ thuật phỏng vấn bằng bảng câu hỏi các khách hàng thường đi siêu thị theo khung mẫu đã xác định.
Kết quả phỏng vấn, sau khi làm sạch (loại bỏ các bảng câu hỏi có nhiều ô thiếu thông tin, hoặc nhiều hơn một ô trả lời, hoặc có cơ sở để xác định không đáng tin cậy) được nhập vào ma trận dữ liệu trên phần mềm SPSS 21.
Tập dữ liệu sau khi làm sạch, được đưa vào kiểm tra tính phân phối thông qua các chỉ số Skewness và Kurtosis1, trước khi áp dụng các kỹ thuật định lượng bằng phương pháp phân tích phương sai để ước lượng các tham số trong quá trình kiểm định thang đo, mô hình nghiên cứu và các giả thuyết nghiên cứu.
3.3.3. Phƣơng pháp phân tích dữ liệu nghiên cứu
Quá trình phân tích dữ liệu nghiên cứu được thực hiện qua các giai đoạn:
Đánh giá độ tin cậy thang đo
Việc đánh giá độ tin cậy của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach alpha và phân tích nhân tố khám phá EFA thông qua phần mềm xử lý SPSS 16.0 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn độ tin cậy (biến rác). Trong đó:
- Cronbach alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát thông qua hệ số Cronbach alpha. Theo nhiều nhà nghiên cứu (Nunally, 1978; Peterson, 1994; Slater,
1 Nếu các chỉ số này hầu hết được phân bố trong khoảng [-1, +1], chứng tỏ các biến đo lường có phân phối xấp xỉ phân phối chuẩn.
38
1995) đề nghị hệ số Cronbach alpha từ 0,6 trở lên là có thể chấp nhận được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Tuy nhiên, theo Nunnally và ctg (1994), hệ số Cronbach alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach alpha, người ta còn sử dụng hệ số tương quan biến tổng (iterm - total correlation) và những biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ.
- Phân tích nhân tố khám phá EFA được sử dụng phổ biến để đánh giá giá trị thang đo (tính đơn hướng, giá trị hội tụ và giá trị phân biệt) hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các thuộc tính của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
- Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến không có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr.262).
- Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Engenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%.
- Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và ctg, Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Ngoài ra, trường hợp các biến có Factor loading được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp
39
nhận < 0,3), tức không tạo nên sự khác biệt để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến còn lại sẽ được nhóm vào nhân tố tương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).
Trong nghiên cứu này, mẫu nghiên cứu có kích thước tương đối lớn (n = 500) và sau EFA là phân tích hồi qui đa biến. Vì thế, trong quá trình Cronbachalpha, tác giả sẽ giữ lại các thang đo có trị số Cronbach alpha ≥ 0,6 và loại các biến quan sát có tương quan biến-tổng < 0,3. Trong quá trình EFA, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax; loại bỏ các biến quan sát có trị số Factor loading ≤ 0,4 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố ≤ 0,3
Phân tích hồi qui tuyến tính bội
Quá trình phân tích hồi qui tuyến tính được thực hiện qua các bước:
Bước 1: Kiểm tra tương quan giữa biến các biến độc lập với nhau và với biến
phụ thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo John và Benet - Martinez (2000), khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).
Bước 2: Xây dựng và kiểm định mô hình hồi qui
Y = β1X1+β2X2+ β3X3+ β4X4+...+ βkXk Được thực hiện thông qua các thủ tục:
- Lựa chọn các biến đưa vào mô hình hồi qui (tác giả sử dụng phương pháp Enter - SPSS xử lý tất cả các biến đưa vào cùng một lượt).
- Đánh giá độ phù hợp của mô hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mô hình, mặc dù không phải mô hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm không phụ thuộc vào số lượng
40
biến đưa thêm vào mô hình được sử dụng thay thế R2 để đánh giá mức độ phù hợp của mô hình hồi qui bội.
- Kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: (không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập β1=β2=β3=βK= 0).
Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mô hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.
- Xác định các hệ số của phương trình hồi qui, đó là các hệ số hồi qui riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so sánh trực tiếp chúng với nhau là không có ý nghĩa. Do đó, để có thể so sánh các hệ số hồi qui với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệnh chuẩn beta.
Bước 3: Kiểm tra vi phạm các giả định hồi qui
Mô hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:
- Có liên hệ tuyến tính gữa các biến độc lập với biến phụ thuộc - Phần dư của biến phụ thuộc có phân phối chuẩn
- Phương sai của sai số không đổi
- Không có tương quan giữa các phần dư (tính độc lập của các sai số)
- Không có tương quan giữa các biến độc lập (không có hiện tượng đa cộng tuyến).
41
- Công cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted Value).
- Công cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số Histogram, hoặc đồ thị tần số P-P plot.
- Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai không đổi là đồ thị phân tán của phần dư và giá trị dự đoán hoặc kiểm định Spearman’s rho.
- Công cụ được sử dụng để kiểm tra giả định không có tương quan giữa các phần dư là đại lượng thống kê d (Durbin - Watson), hoặc đồ thị phân tán phần dư chuẩn hóa (Scatter).
- Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr.217, 218), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, tr.497), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.
Tóm tắt chƣơng 3
Chương 3 tác giả trình bày quy trình nghiên cứu, phương pháp lấy mẫu, kích thước mẫu, phương pháp thu thập và phân tích dữ liệu. Một cách tổng quát, những điểm quan trọng trong chương 3 như sau: Nghiên cứu sơ bộ được thực hiện thông qua phương pháp định tính với kỹ thuật thảo luận nhóm. Sau khi kết thúc nghiên cứu sơ bộ, tác giả đã hình thành thang đo chính thức. Nghiên cứu chính thức được thực hiện thông qua phương pháp định lượng với bảng khảo sát; lấy mẫu phi xác suất, cỡ mẫu 500. Thang đo sử dụng trong nghiên cứu là thang đo Likert 5 mức độ. Dữ liệu cho nghiên cứu chính thức được thu thập thông qua bảng khảo sát điện tử và bảng khảo sát tại thực địa. Dữ liệu sau khi thu thập sẽ được đưa vào phần mềm SPSS 21 phân tích. Phân tích dữ liệu gồm các bước như: phân tích EFA, kiểm định độ tin cậy, phân tích tương quan và hồi quy, kiểm định các giả thuyết thống kê.
42
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Mô tả mẫu nghiên cứu
Mẫu được thu thập theo phương pháp phi xác suất thuận tiện bằng hình thức phỏng vấn trực tiếp khách hàng siêu thị qua bảng câu hỏi. Tổng số bảng câu hỏi phát ra là 600, số bảng câu hỏi thu về sau khảo sát là 545 khách hàng, tác giả tiến hành loại bỏ các bảng câu hỏi không hợp lệ (thiếu thông tin quan trọng, không phải là người quyết định chính trong việc mua sắm…) còn lại 500 bảng câu hỏi hợp lệ đảm bảo điều kiện kích thước mẫu đã xác định và được phân bố như sau (bảng 4.1).
Bảng 4.1 Cơ cấu của mẫu nghiên cứu
Đặc Điểm Mẫu Nghiên Cứu
Số Lƣợng Tỷ Lệ
Siêu thị
Coop Mart 150 33,3%
Satra Food 50 10,0%
Nguyễn Kim Q1 50 10,0%
Big C Hoàng Văn Thụ 150 33,3%
Lotte Mart 3/2 50 10,0% Sài Gòn 50 10,0% Giới Tính Nam 211 42,2% Nữ 289 57,8% Tuổi Từ 18-22 tuổi 103 20,6% Từ 22-30 tuổi 149 28,2% Từ 30-40 tuổi 116 23,2% Từ 40-50 tuổi 77 15,4% > 50 tuổi 63 12,6% Trình độ học vấn Trung học 151 30,2% Trung cấp,cao đẳng 142 28,4% Đại học 177 35,4% Sau đại học 30 6,0% Thu nhập trung bình < 5 triệu 82 16,4% 5-10 triệu 173 34,6% 10-20 triệu 130 26,0% 20-30 triệu 66 13,2% > 30 triệu 49 9,8%
43
Kết quả nghiên cứu cho thấy, số lượng khách hàng nam giới mua sắm tại siêu thị là 211 người (42,2%), nữ giới 289 người tương ứng với 57,8%. Điều này cũng khá phù hợp với thực tế khi nữ giới thường là đối tượng chính trong việc mua sắm.
Thu nhập của các đối tượng được khảo sát nằm trong khoảng 5-10 triệu, chiếm 34,6%, tiếp đến số lượng đáp viên có thu nhập từ 10-20 triệu mua sắm ở siêu thị cũng khá đông chiếm tỉ lệ 26%.
Khách hàng mua sắm tại siêu thị tham gia khảo sát còn khá trẻ, chủ yếu có độ tuổi từ 22-30 tuổi (28,2%) và có trình độ học vấn khả cao khi có tới 35,4% khách hàng có trình độ đại học và 28,4% có trình độ trung cấp, cao đẳng. Điều này tác giả sẽ chú ý khi phân tích hành vi của cá nhóm đối tượng này đối với quyết định chọn siêu thị.
4.2 Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Bảng 4.2. Kiểm định hệ số tin cậy Cronbach’s Alpha của các thang đo
BIẾN QUAN SÁT TRUNG BÌNH THANG ĐO NẾU LOẠI BIẾN Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến tổng Cronbach's Alpha nếu loại biến
THANG ĐO “HÀNG HÓA” (HH; 4 BIẾN) CRONBACH'S ALPHA =
0,833
HH1 10.79 6.053 .753 .754
HH2 10.86 5.895 .563 .842
HH3 10.56 5.546 .757 .744
HH4 10.51 6.459 .607 .812
Thang đo “Giá Cả” (GIA; 5 biến) Cronbach's Alpha = 0,764
GIA1 14.36 6.877 .466 .746
GIA2 14.32 6.720 .492 .737
GIA3 14.41 6.375 .583 .703
GIA4 14.07 7.502 .429 .754
GIA5 14.16 6.195 .714 .657
Thang đo “Sự thuận tiện” (STT; 6 biến) Cronbach's Alpha = 0,803
STT1 17.61 10.075 .498 .786 STT2 17.57 9.308 .631 .755 STT3 17.69 9.584 .589 .765 STT4 17.62 9.718 .537 .777 STT5 17.70 9.642 .574 .769 STT6 17.81 10.121 .526 .780
44
Thang đo “Nhân viên siêu thị” (NVST; 5 biến) Cronbach's Alpha = 0,840
NVST1 14.90 10.057 .509 .843
NVST2 15.09 8.808 .664 .802
NVST3 14.91 8.895 .802 .765
NVST4 14.90 8.913 .736 .781
NVST5 14.90 10.175 .528 .837
Thang đo “Môi trƣờng siêu thị” (MTST; 7 biến) Cronbach's Alpha = 0,839
MTST1 22.86 11.946 .469 .834 MTST2 22.72 10.578 .722 .798 MTST3 22.51 10.407 .635 .810 MTST4 22.75 10.432 .615 .813 MTST5 22.58 10.047 .672 .804 MTST6 22.67 10.804 .660 .807 MTST7 22.68 11.669 .393 .847
Thang đo “Truyền thông-Chiêu thị” (TTCT; 5 biến) Cronbach's Alpha = 0,826
TTCT1 14.56 8.536 .700 .768
TTCT2 14.57 8.410 .708 .766
TTCT3 14.56 9.041 .611 .795
TTCT4 14.56 8.808 .631 .789
TTCT5 14.43 9.877 .463 .834
Thang đo “Sự tin cậy” (STT; 5 biến) Cronbach's Alpha = 0,808
STC1 14.70 8.018 .466 .810
STC2 14.69 7.502 .603 .768
STC3 14.56 7.670 .571 .778
STC4 14.61 7.680 .613 .766
STC5 14.52 6.995 .732 .727
Thang đo “Quyết định chọn siêu thị” (QĐ; 4 biến) Cronbach's Alpha = 0,841
QĐ1 11.23 6.147 .586 .836
QĐ2 11.26 5.361 .727 .776
QĐ3 11.19 5.315 .730 .774
QĐ4 11.08 5.594 .661 .805
(Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu của tác giả)
Kết quả kiểm định hệ số tin cậy Cronbach’s Alpha của các thang đo ở bảng 4.2, tác giả tóm tắt như sau:
Thang đo “Hàng hóa”: Khi kiểm định Cronbach Alpha của thang đo “Hàng hóa”, tác giả nhận thấy các biến quan sát đều có hệ số Cronbach alpha loại biến nhỏ hơn hệ số Cronbach alpha của thang đo (0,833), bên cạnh đó hệ số tương quan biến-
45
tổng đều lớn hơn 0,4. Chính vì vậy các biến quan sát này đủ điều kiện giữ lại và tiến hành kiểm định EFA.
Thang đo “Giá cả”: Khi tiến hành kiểm định Cronbach Alpha của thang đo “Giá cả”, hệ số Cronbach Alpha của thang đo đạt 0,764 > 0,6, bên cạnh đó hệ số tương quan biến-tổng đều lớn hơn 0,4 (giao động từ 0,657 – 0,754). Chính vì vậy các biến quan sát này đủ điều kiện giữ lại và tiến hành kiểm định EFA.
Thang đo “Sự thuận tiện”: Khi kiểm định Cronbach Alpha của thang đo “Sự thuận tiện”, tác giả nhận thấy các biến quan sát đều có hệ số Cronbach alpha loại biến nhỏ hơn hệ số Cronbach alpha của thang đo (0,803), bên cạnh đó hệ số tương quan biến-tổng đều lớn hơn 0,4. Chính vì vậy các biến quan sát này đủ điều kiện giữ lại và tiến hành kiểm định EFA.
Thang đo “Nhân viên siêu thị”: Tiến hành kiểm định Cronbach Alpha của thang đo “Nhân viên siêu thị”, kết quả cho thấy hệ số Cronbach Alpha của thang đo