Bảng câu hỏi được gửi trực tiếp cho khách hàng qua mail giao dịch thường xuyên với khách hàng, đồng thời nhờ các anh chị phòng kinh doanh gửi cho khách hàng của họ để trả lời cho đến khi đạt số lượng mẫu cần. Bảng câu hỏi sau khi thu thập sẽ được chọn lọc và làm sạch nhằm loại bỏ những bảng câu hỏi trả lời thiếu thông tin không phù hợp với yêu cầu phân tích. Sau đó bảng câu hỏi sẽ được mã hóa và nhập vào hệ thống máy tính và được sử lý bằng phần mềm SPSS 20.0 để phân tích.
Hai công cụ được sử dụng để kiểm định độ tin cậy của các thang đo của từng nhân tố là hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA.
Kiểmđịnh độ tin cậy của thang đo
Cronbach’s Alpha sẽ kiểm tra độ tin cậycủa các biến dùng để đo lường từng nhân tố. Những biến khôngđảm bảo độtin cậy sẽ bị loại khỏi thang đo và sẽ không xuất hiện lại trong phần phân tích nhân tố EFA. Các biến quan sát có hệ số tương quan biến tổng (item total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach’s Alpha từ 0.6 trở lên (Nunnally & Burnstein. 1994). Dữ liệu sau khi được làm sạch sẽ tiến hành kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha.
Phân tích nhân tố (EFA)
Các biến thỏa điều kiện sau khi kiểm định độ tin cậy sẽ được tiến hành phân tích nhân tố khám phá EFA (Exploratory Factor Analysis). Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) cho phép chúng ta xem xét độ kết dính của các biến quan sát trong thành phần các nhân tố tác động đến giá trị cảm nhận của khách hàng là cao hay thấp, và các biến này có thể gom gọn lại thành một số nhân tố ít hơn hay không. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo.
Phương pháp phân tích nhân tố khám phá bằng các thành phần chính cho phép người phân tích rút gọn (gom lại) các biến quan sát có nhiều mối tương quan lẫn nhau thành những thành phần thể hiện mối tương quan theo đường thẳng gọi là nhân tố. Trong phân tích này người ta thường đánh giá các thông số như sau:
- Chỉ số 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 thích hợp, còn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc. 2008).
- Kiểm định Barlett’s: là kiểm định thống kê nhằm xem xét giả thuyết các biến không có tương quan trong tổng thể. Điều kiện cần thiết trong phân tích nhân tố là các biến phải có tương quan với nhau. Nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét (Hoàng Trọng và Chu Nguyễn Mộng Ngọc. 2008). Khi mức ý nghĩa của kiểm định Barlatt’s nhỏ hơn 0.05 (Sig. < 0.05) các biến quan sát có tương quan tuyến tính với nhân tố đại diện (Đinh Phi Hổ. 2012).
- Các hệ số tải nhân tố (Factor loading): Hair và cộng sự (2009) cho rằng hệ số tải nhân tố ≥ 0.3 là đạt mức tối thiểu, ≥ 0.4 là quan trọng, ≥ 0.5 là có ý nghĩa thiết thực. Nếu cỡ mẫu < 100 thì hệ số tải nhân tố là 0.75, từ 100 đến 350 thì hệ số tải là 0.55, lớn hơn 350 thì hệ số tải là 0.3. Chênh lệch trọng số của một biến quan sát ≤ 0.3 và nhân tố chỉ có 2 biến quan sát trong EFA sẽ tiếp tục bị loại để đảm bảo giá trị hội tụ giữa các biến cũng như đảm bảo độ phân biệt của các nhân tố. Trong nghiên cứu này tác giả chọn hệ số tải nhân tố là 0.55 để có ý nghĩa thiết thực.
- Phương pháp trích hệ số sử dụng Principal Compenents và điểm dừng khi trích các nhân tố Eigenvalue lớn hơn 1, tổng phương sai trích bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ. 2011).
Phân tích tương quan và phân tích hồi quy tuyến tính
Bước đầu tiên khi tiến hành phân tích hồi qui tuyến tính là xem xét mối tương quan tuyến tính giữa biến phụ thuộc và biến độc lập, cũng như giữa các biến độc lập với nhau. Để lượng hóa mức độ chặc chẽ của mối liên hệ tuyến tính giữa hai biến định lượng ta sử dụng hệ số tương quan pearson (Hoàng Trọng và Chu Nguyễn Mộng Ngọc. 2008), nếu giữa hai biến có sự tương quan chặt thì cần lưu ý đến hiện tượng đa cộng tuyến trong phân tích hồi quy.
Hiện tượng đa cộng tuyến (Multicollinearity) là hiện tượng các biến độc lập có quan hệ gần như tuyến tính. Việc bỏ qua hiện tượng đa cộng tuyến sẽ làm cho sai số chuẩn thường cao hơn, giá trị thống kê thấp hơn và có thể không có ý nghĩa. Để kiểm tra hiện tượngnày sử dụng ma trận tương quan Pearson. Nếu trị truyệt đối hệ số tương quan của các biến độc lập với nhau nhỏ hơn 0.5, có thể chấp nhận không có hiện tượng đa cộng tuyến, ngoài ta còn sử dụng thước đo độ phóng đại phương sai (Variance inflation
factor – VIF) để kiểm dịnh hiện tượng tương quan giữa các biến độc lập. Điều kiện VIF <10 để không có hiện tượng đa cộng tuyến (Đinh Phi Hổ. 2012)
Sau khi thang đo của các yếu tố khảo sát đã được kiểm định thì sẽ được xử lí chạy hồi quy tuyến tính với mô hình cơ bản ban đầu là:
Y = β0 + β1 X1 + β2 X2+ β3 X3+ β4 X4+ β5 X5 + β6 X6+ u
Trong đó: Y: Giá trị cảm nhận của khách hàng về sản phẩm của Công ty Cổ Phần Lưới Hàn Thiên Phú
X1 – X6: Các yếu tố ảnh hưởng đến giá trị cảm nhận của khách hàng β1 – β6: Hằng sốcác hệ số hồi quy; u: Sai số
Sau đókiểm định mô hìnhlý thuyết nhằm xác định mức độảnh hưởng của các nhân tố tác động đến giá trị cảm nhận của khách hàng thông qua các tiêu chí:
+ Kiểm định độ khớp của mô hình: Để đánh giá mức độ phù hợp của mô hình hồi quy đối với tập dữ liệu ta sử dụng hệ số RP
2
Phiệuchỉnh (adjusted R Square).
+ Kiểm định độ phù hợp của các biến qua thông số F: xem xét độ phù hợp của mô hình hồi quy tuyến tính tổng thể.
+ Kiểm định t: bác bỏ giả thuyết hệ số hồi quy tổng thể bằng 0.
+ Hệ số Beta (β): đánh giá mức độ tác động (mạnh hay yếu) giữa các nhân tố.
+ Kiểm tra sự phù hợp về độ tin cậy của phương trình thông qua dò tìm vi phạm của giả định: giả định liên hệ tuyến tính, phương sai của phần dư không đổi, phân phối chuẩn của phần dư, hiện tượng đa cộng tuyến.
Sau khi kiểm định mô hình hồi quy sẽ giúp xác định đượccác nhân tố nào tác động mạnh đến giá trị cảm nhận của khách hàng về sản phẩm của doanh nghiệp. Yếu tố nào có hệ số βlớn thì mức độ ảnh hưởng đến giá trị cảm nhận của khách hàng càng cao.
Kiểmđịnh sự khác biệt về mức độ đánh giá các nhân tố ảnh hưởng đến giá trị cảm nhận của khách hàng theo các đặc điểmbằng T - test và ANOVA
Để kiểm định xem giữa các nhóm khách hàng có các đặc điểm phân loại khác nhau như: loại hình kinh doanh, thời gian giao dịch, sản phẩm giao dịch, kênh giao dịch có cảm nhận khác nhau hay không về sản phẩm của Công ty hay không. Tác giả áp dụng phương pháp kiểm định Independent Samples T - test và One - Way ANOVA. Kiểm định T - test cho phép so sánh hai trị trung bình của hai nhóm tổng thể riêng biệt (Hoàng Trọng và Chu Nguyễn Mộng Ngọc. 2008).
Trướckhi thực hiện kiểm định trung bình ta cần thực hiện một kiểm định khác mà kết quả của kiểm định này sẽ ảnh hưởng rất quan trọng đến kiểm định trung bình, đó là kiểm định (Levene test) với giả thuyết H0rằng phương sai của hai tổng thể bằng nhau, nếu kết quả kiểm định cho mức ý nghĩa quan sát nhỏ hơn 0.05 thì có thể bác bỏ giả thuyết H0 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc. 2008). Nếu thống kê Levene test lớn (Sig. > 0.05) thì khẳng định giả định phương sai đồng nhất, khi đó các giá trị thống kê t (T - test) tham chiếu theo dòng Equal variances assumed. Nếu thống kê Levene test nhỏ (Sig. < 0.05) thì khẳng định phương sai tổng thể không bằng nhau (không đồng nhất), khi đó các giá trị thống kê t (T-test) tham chiếu theo dòng Equal variances not assumed (Lê Văn Huy vàTrương Trần Trâm Anh. 2012, Hoàng Trọng và Chu Nguyễn Mộng Ngọc. 2008).
Sau khi chọn kết quả kiểm định t sẽ sử dụng, tác giả sẽ xem xét giá trị Sig. (2- tailed). Nếu Sig. (2 - tailed) ≤ 0.05 thì có sự khác biệt có ý nghĩa trung bình giữa các nhóm. Nếu Sig. (2 - tailed) > 0.05 thì không có sự khác biệt có ý nghĩa trung bình giữa các nhóm (Hoàng Trọng và Chu Nguyễn Mộng Ngọc.2008). Phân tích phương sai ANOVA là sự mở rộng của kiểm định t, vì phương pháp này giúp ta so sánh trị trung bình của ba nhóm trở lên. Trong bảng kết quả ANOVA, nếu Sig. > 0.05 thì kết luận không có sự khác biệt về mức độ đánh giá các nhân tố giữa các nhóm phân loại khách hàng khác nhau. Nếu Sig. ≤ 0.05 thì kết luận có sự khác biệt về mức độ đánh giá các nhân tố giữa các nhóm phân loại khách hàng có các đặc điểm khác nhau. Và nếu kết quả là có sự khác biệt về mức độ đánh giá giữa các nhóm khách hàng có các đặc điểm phân loại khác nhau, tác giả sẽ tiếp tục sử dụng phương pháp phân tích sâu ANOVA để tìm xem sự khác biệt về mức độ đánh giá cụ thể là ở nhóm nàothông qua phương pháp kiểm định “sau” Post Hoc.
TÓM TẮT CHƯƠNG 3
Chương 3 đã trình bày đầy đủ trông tin về quy trình nghiên cứu, phương pháp nghiên cứ, phỏng vần sơ bộ trong nghiên cứu định tính đến việc khảo sát trong nghiên cứu định lượng. Bên cạnh đó cũng trình bày phương pháp xây dựng bảng câu hỏi và phương pháp phân tích dữ liệu.
Chương tiếp theo, tác giả sẽ trình bày kết quả nghiên cứu thông qua việc phân tích kết quả khảo sát dựa trên phần mềm thống kê SPSS 20.0
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN