1. Cơ sở lý luận về dịch vụ, chất lượng dịch vụvà sự hài lòng của khách hàng
2.2.4 Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA)
2.2.4.1Kiểm định KMO và Bartlett¨s Test biến độc lập
Trước khi tiến hành phân tích nhân tố khám phá, nghiên cứu cần kiểm định
KMO đểxem xét việc phân tích này có phù hợp hay không. Việc kiểm định được thực hiện thông qua việc xem xét hệ số KMO ( Kaiser Meyer – Olkin of Sampling
Adequacy) và Bartlett¬s Test.
Giá trị KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA. Nội dung kiểm định hệ số KMO phải thỏa mãn điều kiện 0,5 ≤ KMO ≤ 1, chứng tỏ bước phân tích nhân tốkhám phá EFA là phù hợp trong nghiên cứu này.
Kết quả như sau:
Mức ý nghĩa Sig. của kiểm định Bartlett¬s Test nhỏ hơn 0,05 nên các
biến quan sát được đưa vào mô hình nghiên cứu có tương quan với nhau và phù hợp với phân tích nhân tốkhám phá EFA.
Bảng 2. 9 Kiểm định KMO và BartlettÕs Test biến độc lập
KMO and BartlettÕs Test
TrịsốKMO (Kaiser Meyer–Olkin of Sampling Adequacy) 0,783
Đại lượng thống kê
Bartlett¬s Test
Approx. Chi-Square 1236,700
df 210
Sig. 0,000
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
2.2.4.2Phân tích nhân tốkhám phá EFA biến độc lập
Trong nghiên cứu này, khi phân tích nhân tố khám phá EFA đểsửdụng phương
pháp phân tích các nhân tố chính (Principal Components) với số nhân tố (Number os
Factor) được xác định từ trước là 6 theo mô hình nghiên cứu đề xuất. Mục đích sử
dụng phương pháp này là để rút gọn dữ liệu, hạn chế vi phạm hiện tượng đa cộng tuyến giữa các nhân tốtrong việc phân tích mô hình hồi quy tiếp theo.
Phương pháp xoay nhân tố được chọn là Varimax procedure: xoay nguyên gốc các nhân tố đểtối thiểu hóa số lượng biến có hệsốlớn tại cùng một nhân tốnhằm tăng cường khả năng giải thích nhân tố. Những biến nào có hệsố tải nhân tố<0,5 sẽbị loại khỏi mô hình nghiên cứu, chỉ những biến nào có hệ số tải nhân tố>0,5 mới được đưa
vào các phân tích tiếp theo.
Ở nghiên cứu này, hệ số tải nhân tố (Factor Loading) phải thỏa mãn điều kiện lớn hơn hoặc bằng 0,5. Theo Hair và ctg (1998), Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, Factor Loading > 0,3 được xem là mức tối thiểu và
được khuyên dùng nếu cỡ mẫu lớn hơn 350. Factor Loading > 0,4 được xem là quan trọng, Factor Loading > 0,5 được xem là có ý nghĩa thực tiễn và nghiên cứu này chọn giá trịFactor Loading > 0,5 với vỡ mẫu là 120
Bảng 2. 10 Rút trích nhân tốbiến độc lập Biến quan sát Nhóm nhân tố 1 2 3 4 5 6 TINCAY3 0,883 TINCAY4 0,846 TINCAY2 0,717 TINCAY1 0,674 DONGCAM3 0,840 DONGCAM4 0,807 DONGCAM1 0,790 DONGCAM2 0,656 DAPUNG2 0,811 DAPUNG4 0,807 DAPUNG3 0,723 DAPUNG1 0,714 PHUCVU1 0,848 PHUCVU2 0,812 PHUCVU3 0,773 GIACA2 0,846 GIACA1 0,749 GIACA3 0,647 HUUHINH1 0,782 HUUHINH3 0,740 HUUHINH2 0,609 HệsốEigenvalue 6,294 2,488 1,866 1,632 1,309 1,018
Phương sai tiến
lũy tiến (%) 14,786 27,074 39,309 51,058 60,554 69,558
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
Thực hiện phân tích nhân tốlần đầu tiên, đưa 24 biến quan sát trong 6 biến độc lậpảnh hưởng đến quyết định sửdụng của khách hàng vào phân tích nhân tốtheo tiêu
Như vậy, sau khi tiến hành phân tích nhân tố khám phá EFA, số biến quan sát vẫn là 21. Không có biến quan sát nào có hệsốtải nhân tố (Factor Loading) bé hơn 0,5
nên không loại bỏbiến, đềtài tiếp tục tiến hành cácbược phân tích tiếp theo.
Kết quả phân tích nhân tố được chấp nhận khi tiêu chuẩn phương sai trích
(Variance Explained Criteria) > 50% và giá trị Eigenvalue lớn hơn 1 (theo Gerbing &
Anderson, 1998). Dựa vào kết quảtrên, tổng phương sai trích là 69,558% > 50% do đó
phân tích nhân tốlà phù hợp.
Đặt tên cho các nhóm nhân tố:
- Nhân tố 1 (Factor 1) gồm 4 biến quan sát: TINCAY1, TINCAY2, TINCAY3, TINCAY4. Nghiên cứu đặt tên nhân tốmới này là “Sựtin cậy”.
- Nhân tố 2 (Factor 2) gồm 4 biến quan sát: DAPUNG1, DAPUNG2, DAPUNG3, DAPUNG 4. Nghiên cứu đặt tên nhân tốmới này là “Khả năng đáp ứng”.
- Nhân tố 3 (Factor 3) gồm 4 biến quan sát: DONGCAM1, DONGCAM 2,
DONGCAM 3, DONGCAM 4. Nghiên cứu đặt tên nhân tốmới này là “Sự đồng cảm”.
- Nhân tố (Factor 4) gồm 3 biến quan sát: HUUHINH1, HUUHINH2, HUUHINH3. Nghiên cứu đặt tên nhân tốmới này là “Phương tiện hữu hình”
- Nhân tố 5 (Factor 5) gồm 3 biến quan sát: PHUCVU1, PHUCVU2, PHUCVU3. Nghiên cứ này đặt tên nhân tốmới này là “Năng lực phục vụ”.
- Nhân tố 6 (Factor 6) gồm 3 biến quan sát: GIACA1, GIACA 2, GIACA3. Nghiên cứu này đặt tên nhân tốmới này là “Giá cả”.
2.2.4.3Kiểm định KMO và Bartlett¨s Test biến phụthuộc
Các điều kiện kiểm định KMO và Bartlett¬s Test biến phụ thuộc tương tụ các
điều kiện kiểm định của biến độc lập. Sau khi tiến hành phân tích đánh giá chung sự
hài lòng của khách hàng đối với dịch vụtổchức sựkiện của Công ty cổphần Tổchức sự kiện và Nội thất VNT qua 3 biến quan sát, kết quả cho chỉ số KMO là 0,695 (lớn
hơn 0,5) và kiểm định Bartlett¬s Test chogiá trị Sig. = 0,000 (bé hơn 0,05) nên dữ liệu thu nhập được đáp ứng với điều kiện đểtiến hành phân tích nhân tố.
Bảng 2. 11 Kiểm định KMO và BartlettÕs Test biến phụthuộc
KMO and BartlettÕs Test
Trị số KMO (Kaiser Meyer – Olkin of Sampling Adequacy)
0,695
Đại lượng thống kê
Bartlett¬s Test
Approx. Chi-Square 106,162
df 3
Sig. 0,000
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
2.2.4.4Phân tích nhân tốkhám phá EFA biến phụthuộc
Bảng 2. 12 Rút trích nhân tốbiến phụthuộc Quyết định sửdụng Hệsốtải
HAILONG1 0,866
HAILONG 2 0,848
HAILONG 3 0,803
Phướng sai tích lũy tiến (%) 70,466
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
Kết quả phân tích nhân tố khám phá rút trích ra được một nhân tố, nhân tố này được tạo ra từ 3 biến quan sát mà đề tài đã đềxuất từ trước, nhằm mục đích rút
ra kết luận vềsựhài lòng của khách hàng đối với dịch vụ tổchức sự kiện của Công ty tổchức sự kiện và nội thất VNT. Nhân tố này được gọi là “Sự hài lòng”.
Quá trình phân tích nhân tố EFA trên đã xác định được 6 nhân tố ảnh hưởng sự
hài lòng của khách hàng đối với dịch vụ tổ chức sự kiện của công ty cổphần tổchức sự kiện và nội thất VNT, đó là “Sự tin cậy”, “Khả năng đáp ứng”, “Sự đồng cảm”, “Phương tiện hữu hình”, “Năng lực phục vụ”, “Giá cả”,
Như vậy, mô hình nghiên cứu sau khi phân tích nhân tố khám phá EFA không có gì thayđổi đáng kể so với ban đầu, không có biến quan sát nào bị loại ra khỏi mô hình trong quá trình kiểm định độ tin cậy thang đo và phân tích nhân tố
2.2.5.1Kiểm định mối tương quan giữa biến độc lập và biến phụthuộc
Bảng 2. 13Phân tích tương quan Pearson
TC DU DC HH PV GC HL
QD
Tương quan Pearson 0,556 0,447 0,269 0,563 0,547 0,432 1,000
Sig.(2-tailed) 0,000 0,000 0,001 0,000 0,000 0,000 -
N 120 120 120 120 120 120 120
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
Dựa vào kết quảphân tích trên, ta thấy:
- Giá trị Sig.(2-tailed) của các nhân tố mới đều bé hơn mức ý nghĩa α =
0,05 cho thấy sự tương quan cóý nghĩa giữa các biến độc lập và biến phụthuộc
- Hệsố tương quan Pearson cũng khá cao (có 3 nhân tốlớn hơn 0,5) và có
3 nhân tố thấp hơn 0,5 nên ta có thể kết luận được rằng các biến độc lập sau khi điều chỉnh có thểgiải thích cho biến phụthuộc “ Sự hài lòng”
2.2.5.2 Phân tích các tác động của các yếu tố đến sựhài lòng của khách hàng vềchấtlượng dịch vụtổchức sựkiện của công ty cổphần tổchức sựkiện và nội thất VNT lượng dịch vụtổchức sựkiện của công ty cổphần tổchức sựkiện và nội thất VNT
Sau khi tiến hành phân tích nhân tố khám phá EFA để khám phá các nhân tố
mới có ảnh hưởng đến biến phụ thuộc “Sự hài lòng”, nghiên cứu tiến hành hồi quy tuyến tính để xác định được chiều hướng và mức độ ảnh hưởng của các nhân tố mới
này đến sựhài lòng của khách hàng
Mô hình hồi quy được xây dựng gồm biến phụthuộc là “Sựhài lòng”(HL)và các biến độc lập được rút trích từphân tích nhân tốkhám phá EFA gồm 6 biến: “Sựtin cậy” (TC), “ Khả năng đáp ứng” (DU), “Sự đồng cảm” (DC), “ Phương tiện hữu hình” (HH),
“Năng lực phục vụ” (PV) và “Giá cả”(GC)với các hệsốBê-ta tương ứng lần lượt làβ1,
β2, β3, β4, β5,β6
QD= β0+ β1TC + β2DU + β3DC + β4HH + β5PV + β6GC + ei
Dựa vào hệsốBê- ta chuẩn hóa với mức ý nghĩa Sig. tương ứng để xác định các biến độc lập nào có ảnh hưởng đến biến phụ thuộc trong mô hình và ảnh hưởng với mức độra sao, theo chiều hướng nào. Từ đó, làm căn cứ để kết luận chính xác hơn và đưa ra giải pháp mang tính thuyết phục cao. Kết quả của mô hình hồi quy sẽ giúp ta
xác định được chiều hướng, mức độ ảnh hưởng của các yếu tố ảnh hưởng đến sự hài lòng của khách hàng về chất lượng dịch vụ tổ chức sự kiện của Công ty cổ phần tổ
chức sựkiện và nội thất VNT.
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được chiều hướng và cường
độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Trong giai đoạn phân tích hồi quy, nghiên cứu chọn phương pháp Enter, chọn lọc dựa trên tiêu chí chọn những nhân tố có mức ý nghĩa Sig. < 0,05. Những nhân tố nào có giá trị Sig. >0,05 sẽ bị xóa bỏ
khỏi mô hình và không tiếp tục nghiên cứu nhân tố đó.
Kết quảphân tích hồi quy được thểhiện qua các bảng sau:
Bảng 2. 14 Kết quả phân tích mô hình hồi quy sự hài lòng của khách hàng về chất lượng dịch vụ tổ chức sự kiện của Công ty cổ phần tổ chức sự kiện và nội thất VNT
Hệsố chưa chuẩn hóa Hệsốchuẩn hóa
t Sig. VIF B Độchu lệch ẩn Beta Hằng số -0,233 0,401 - -0,582 0,562 - TC 0,184 0,073 0,207 2,502 0,014 1,665 DU 0,263 0,082 0,226 3,207 0,002 1,207 DC 0,039 0,065 0,041 0,603 0,548 1,143 HH 0,258 0,078 0,268 3,299 0,001 1,607 PV 0,131 0,065 0,167 2,024 0,045 1,656 GC 0,176 0,082 0,156 2,143 0,034 1,293
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
Giá trị Sig. tại các phép kiểm định của các biến độc lập được đưa vào mô hình:
“Giá cả” đều nhỏ hơn 0,05 chứng tỏ các biến độc lập này có ý nghĩa thống kê trong mô hình. Riêngđối với biến độc lập “Sự đồng cảm”có giá trịSig. là 0,548 > 0,05 nên bị loại khỏi mô hình hồi quy. Ngoài ra, hằng sốtrong mô hình có giá trịSig. là 0,562 > 0,05 nên cũng sẽbị loại.
Như vậy, phương trình hồi quy được xác định như sau:
QD = 0,207TC + 0,226DU + 0,268HH + 0,167PV + 0,156GC + ei
Nhìn vào mô hình hồi quy, có thể khẳng định: có 5 nhân tố đó là “Sự tin cậy”, “Khả năng đáp ứng”, “Phương tiện hữu hình”, “Năng lực phục vụ”, “Giá cả” của khách hàng tại với chất lượng dịch vụtổchức sựkiện của Công ty cổphần tổ chức sự
kiện và Nội thất VNT
Kết quảphân tích cho thấy:
Hệsố β1= 0,207 có nghĩa là khi biến “Sự tin cậy” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều 0,207 đơn vị. Tương
tự với các biến còn lại cũng giải thích như vậy. Hệ sốβ2= 0,226 có nghĩa là khi biến
“Khả năng đáp ứng” thay đổi 1 đơn vịtrong khi các biến khác không đổi thì“Sự hài lòng” biến động cùng chiều 0,226 đơn vị. Hệ số β4 = 0,268 có nghĩa là khi biến
“Phương tiện hữu hình”thay đổi 1 đơn vụ trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều 0,268 đơn vị. Hệ số β5= 0,167 có nghĩa là khi biến
“Năng lực phục vụ” thay đổi 1 đơn vịtrong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều 0,167 đơn vị. Hệsốβ6= 0,156 có nghĩa là khi biến “Giá cả” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Sự hài lòng”biến động cùng chiều 0,156 đơn vị. Có một điểm chung của các biến độc lập này là đều ảnh
hưởng thuận chiều đến biến phụthuộc là“Sự hài lòng”,sựhài lòng của khách hàng về
chất lượng dịch vụtổchức sựkiện của công ty sẽ được nâng cao khi những yếu tố ảnh
hưởng này tăng. Điều này cho thấy Công ty cổphần tổ chức sựkiện và nội thất VNT cần phải có những động thái nhằm kiểm soát các yếu tốnày một cách cẩn thận hơn.
Dựa vào mô hình hồi quy, ta có hệ số Bê-ta chuẩn hóa của biến “Phương tiện hữu hình” có giá trị 0,268. Đây là nhân tố ảnh hưởng mạnh nhất đến sựhài lòng của
khách hàng về dịch vụ tổ chức sự kiện của Công ty cổ phần tổ chức sự kiện và nội thất VNT, ngoài ra biến“Khả năng đáp ứng” cũng có mức độ ảnh hưởng khá lớn với hệ số Bê-ta tương ứng là 0,226. Các biến còn lại như “Sự tin cậy”, “Năng lực phục vụ”và “Giá cả” cũng sẽ được khách hàng xem xét với hệ số Bê-ta lần lượt là 0,207; 0,167 và 0,156. Kết quả phân tích hồi quy cũng khá hợp lý so với thực tế khi mà xu
hướng phát triển của dịch vụtổchức sựkiện.
2.2.5.3Đánh giá độphù hợp của mô hình
Bảng 2. 15Đánh giá độphù hợp của mô hình
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin - Watson 1 0,732 0,536 0,512 0,40835 2,020
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
2.2.5.4Kiểm định sựphù hợp của mô hìnhBảng 2. 16: Kiểm định ANOVA Bảng 2. 16: Kiểm định ANOVA ANOVA Model Sum of Squares df Mean Square F Sig. 1 Regression 21,800 6 3,633 21,789 0,000 Residual 18,843 113 0,167 - - Total 40,644 119 - - -
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
Kết quả từbảng ANOVA cho thấy giá trịSig. = 0,000 rất nhỏ, cho phép nghiên cứu bác bỏgiảthiết rằng “ Hệsố xác định R bình phương = 0” tức là mô hình hồi quy phù hợp. Như vậy mô hình hồi quy thu được rất tốt, các biến độc lập giải thích được
Đại lượng Durbin –Watson được dùng để kiểm định tương quan của các sai số
kề nhau. Dựa vào kết quả thực hiện phân tích hồi quy cho thấy, giá trị Durbin –
Watson là 2,020 thuộc trong khoảng chấp nhận (1,6 đến 2,6). Vậy có thể kết luận là mô hình không xảy ra hiện tượng tự tương quan.
2.2.7 Xem xét đa cộ ng tuyế n
Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị hệ số phóng
đại phương sai ( VIF –Variance Inflation Factor) lớn hơn hay bằng 10.
Từ kết quả phân tích hồi quy ở trên, ta có thểthấy rằng giá trị VIF của mô hình nhỏ (chưa vượt quá 2) nên nghiên cứu kết luận rằng mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến.
2.2.8 Kiể m đị nh phân phố i chuẩ n củ a phầ n dư
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều
để phân tích. Vì vậy chúng ta phải tiến hành kiểm định phân phối chuẩn của phần dư đểxem xét sựphù hợp của mô hìnhđưa ra.
Từ biểu đồ trích từkết quả phân tích hồi quy, ta có thể thấy rằng phần sư tuân
Biểu đồ1: Biểu đồtần sốHistogram của phần dư chuẩn hóa
(Nguồn: Kết quả điều tra xửlý của tác giả năm 2021)
2.2.9 Đánh giá củ a khách hàng về các nhân tố ả nh hư ở ng đế n sự hài lòng củ akhách hàng về chấ t lư ợ ng dị ch vụ tổ chứ c sự kiệ n củ a CTCP tổ chứ c sự kiệ n và nộ i khách hàng về chấ t lư ợ ng dị ch vụ tổ chứ c sự kiệ n củ a CTCP tổ chứ c sự kiệ n và nộ i