4.4.1 Thang đo các nhân tố ảnh hưởng Bảng 4.19: Ma trận xoay nhân tố Nhân tố 1 2 3 4 Hệ thống đèn chiếu sáng hoạt động tốt ,772
Quán TocoToco trang bị đầy đủ trang thiết bị, dụng cụ phục vụ
,725
Nhân viên quán TocoToco có trình độ ngọai ngữ tốt
,658
Nhân viên quán TocoToco có phong cách phục vụ chuyên nghiệp ,656 Hệ thống máy lạnh luôn hoạt động tốt ,554 Khách hàng cảm thấy tin tưởng khi sử dụng sản phẩm, dịch vụ của trà sữa TocoToco ,748
Trà sữa TocoToco luôn cung cấp đầy đủ dịch vụ ngay từ lần đầu tiên cho khách hàng
,732
Trà sữa TocoToco không để xảy ra bất kì sai sót nào trong quá trình phục vụ khách hàng
,700
theo đúng như TocoToco đã cam kết
Khi khách hàng có thắc mắc hay khiếu nại thì sẵn sàng giải quyết nhanh chóng
,668
Chất lượng các dịch vụ đi kèm của trà sữa TocoToco rất tốt
,774
Khách hàng cảm thấy hài lòng về chất lượng dịch vụ của trà sữa TocoToco
,754
Chất lượng phục vụ của nhân viên chuyên nghiệp
,734
Chất lượng cung cấp dịch vụ của trà sữa TocoToco luôn luôn ổn định
,638
Quy trình phục vụ đúng theo chuẩn của quán trà sữa TocoToco
,722
Quy trình phục vụ của quán trà sữa TocoToco nhanh gọn
,668
Trà sữa TocoToco có nhiều mức giá để lựa chọn
,586
Nhân viên quán TocoToco có trình độ chuyên môn tốt
,534
KMO 0,884
Phương sai trích 58,332
Nguồn: Dữ liệu khảo sát
Qua Kiểm định độ tin cậy Cronbach`s Alpha, tất cả 18 biến quan sát của các biến độc lập đều thỏa mãn điều kiện và đều được đưa vào phân tích EFA.
Kết quả phân tích cho thấy KMO = 0.884, Eigenvalue = 1.027 > 1, tổng phương sai
4.4.2 Thang đo quyết định lựa chọn trà sữa TocotocoBảng 4.20: Biến phụ thuộc Bảng 4.20: Biến phụ thuộc
Nhân tố
1
Tôi chọn TocoToco vì phong cách phục vụ chuyên nghiệp của nhân viên
,864
Tôi chọn TocoToco vì TocoToco cho tôi sự tin cậy cao
,843
Tôi chọn TocoToco vì giá cả phù hợp với chất lượng và thu nhập ,836 Tôi chọn TocoToco vì chất lượng dịch vụ tốt ,691 KMO 0,798 Eigenvalue 2,632 Phương sai trích 65,797
Nguồn: Dữ liệu khảo sát
Biến phụ thuộc “Quyết định lựa chọn trà sữa Tocotoco” được đo lường bởi 4 biến quan sát: Tôi chọn TocoToco vì phong cách phục vụ chuyên nghiệp của nhân viên, Tôi chọn TocoToco vì TocoToco cho tôi sự tin cậy cao, Tôi chọn TocoToco vì giá cả phù hợp với chất lượng và thu nhập, Tôi chọn TocoToco vì chất lượng dịch vụ tốt.
Kết quả chạy phân tích EFA cho biến này được tổng hợp lại ở bảng 4.20. Kết quả phân tích cụ thể như sau:
- Tương tự các biến độc lập, kiểm định KMO và Bartlett trong phân tích nhân tố cho biến phụ thuộc “Quyết định lựa chọn trà sữa Tocotoco” cho thấy hệ số KMO = 0.798 > 0.5; giá trị Eigenvalue = 2.632 > 1 và phương sai trích đạt 65.797% > 50%.
- Các biến quan sát đều có hệ số tải nhân tố > 0,5, phù hợp với nghiên cứu.
4.5 Phân tích tương quanBảng 4.21: Mối tương quan Bảng 4.21: Mối tương quan
QĐ VC TC DV QT QĐ Pearson Correlation 1 ,487** ,376** ,531** ,427** Sig. (2-tailed) ,000 ,000 ,000 ,000 N 254 254 254 254 254 VC Pearson Correlation ,487** 1 ,344** ,475** ,604** Sig. (2-tailed) ,000 ,000 ,000 ,000 N 254 254 254 254 254 TC Pearson Correlation ,376** ,344** 1 ,478** ,361** Sig. (2-tailed) ,000 ,000 ,000 ,000 N 254 254 254 254 254 DV Pearson Correlation ,531** ,475** ,478** 1 ,511** Sig. (2-tailed) ,000 ,000 ,000 ,000 N 254 254 254 254 254 QT Pearson Correlation ,427** ,604** ,361** ,511** 1 Sig. (2-tailed) ,000 ,000 ,000 ,000
N 254 254 254 254 254
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn: Dữ liệu khảo sát
Để tiến hành phân tích hồi quy, trong nghiên cứu này sử dụng trung bình các biến đo lường. Theo Nguyễn Đình Thọ (2013) cho rằng không nên sử dụng các giá trị nhân tố được tạo ra trong phân tích EFA để sử dụng phân tích hồi quy.
Dựa vào bảng 4.21 ta thấy các biến độc lập đều có hệ số tương quan với biến phụ thuộc |r| > 0,1 như vậy có thể kết luận tất cả các biến độc lập đều tương quan với biến phụ thuộc. Ngoài ra, nhìn vào bảng hệ số tương quan cho thấy rằng không xuất hiện hiện tượng đa cộng tuyến giữa các biến độc lập với nhau vì không có hệ số tương quan giữa từng cặp nào bằng 1 (r =1). Với kết quả phân tích tương quan thì tất cả các biến đều có ý nghĩa thống kê, tiếp tục đưa vào phân tích hồi quy.
4.6. Phân tích hồi qui tuyến tính và kiểm định mô hình
Phân tích hồi quy nhằm nghiên cứu mức độ tác động của 7 nhân tố: (1) Cơ sở vật chất; (2) Chất lượng đội ngũ nhân viên; (3) Quy trình phục vụ; (4) Sự tin cậy; (5) Giá cả; (6) Chất lượng dịch vụ. Sử dụng phương trình hồi quy bội để nghiên cứu ảnh hưởng của các biến độc lập: X1, X2, X3, X4, X5, X6 đến chất lượng dịch vụ Y. Để phân tích phương trình hồi quy được thuận tiện tác giả xây dựng phương trình hồi quy có dạng như sau:
Trong đó:
Y: Quyết định chọn của khách hàng X1: Cơ sở vật chất (VC)
X2: Chất lượng đội ngũ nhân viên (CL)
X3: Quy trình phục vụ (QT) X4: Sự tin cậy (TC)
X5: Giá cả (GC)
X6: Chất lượng dịch vụ (DV) X7: Quyết định chọn (QD)
β0 i, βi: Hằng số hồi quy và các hệ số của phương trình hồi quy của các nhân tố, I tương ứng (i= 1,2,3,4,5,6).
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: 6 biến độc lập và biến phụ thuộc được đưa vào một lần và xem xét các kết quả thống kê liên quan đến vấn đề nghiên cứu.
Hình 4.22: Mô hình nghiên cứu chính thức
Nguồn: Tác giả xây dựng
Từ mô hình trên, phương trình hồi quy được xác định lại như sau: Cơ sở vật chất
Chất lượng đội ngũ nhân viên Quyết định chọn của khách hàng Quy trình phục vụ Sự tin cậy Giá cả Chất lượng dịch vụ
Trong đó:
Y: Biến phụ thuộc “Quyết định chọn của khách hàng”
Xi: Các biến độc lập tương ứng (i= 1,2,3,4,5 tương ứng lần lượt là các biến độc lập: Cơ sở vật chất; chất lượng đội ngũ nhân viên; quy trình phục vụ của nhà hàng; sự tin cậy; giá cả; quyết định chọn)
β’0, β’i: Hằng số hồi quy và các hệ số của phương trình hồi quy của các biến độc lập I tương ứng (i= 1,2,3,4,5).
Dò tìm sự vi phạm các giả định cần thiết trong mô hình hồi quy
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết và những chuẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng không đáng tin cậy nữa.
(Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Do đó, để đảm bảo sự diễn dịch từ kết quả hồi quy của mẫu cho tổng thể đạt được độ tin cậy, tác giả thực hiện kiểm định các giả định trong mô hình hồi quy có bị vi phạm hay không bao gồm các giả định:
- Giả định liên hệ tuyến tính
Phương pháp được sử dụng là đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nhận xét đồ thị phân tán Scatterplot hình 4.3, ta thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Như vậy, giả định liên hệ tuyến tính của mô hình không bị vi phạm.
- Phương sai của sai số không đổi
Đồ thị phân tán ở hình 4.3 cũn cho thấy phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm.
Hình 4.23: Đồ thị phân tán Scatterplot
Nguồn: Dữ liệu khảo sát
- Giả định về phân phối chuẩn của phần dư
Tác giả sử dụng biểu đồ tần số Histogram và biểu đồ P-P plot để khảo sát sự vi phạm về giả định phân phối chuẩn của phần dư. Biểu đồ Histogram (hình) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn (trung bình Mean gần bằng 0 và độ lệch chuẩn Std. Dev = 0.996 tức là gần bằng 1). Do đó có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
Hình 4.24: Biểu đồ tần số Histogram
Nguồn: Dữ liệu khảo sát
Ngoài ra, nhìn vào biểu đồ hình 4.25 cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng nên có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
Hình 4.25: Biểu đồ P-P plot
Nguồn: Dữ liệu khảo sát
4.6.1 Phân tích hồi qui
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc Quyết định lựa chọn trà sữa Tocotoco và các biến độc lập. Đồng thời cũng xem xét lại tính đa cộng tuyến giữa các biến độc lập. Điều quan trọng nhất trong phân tích hồi quy là cho biết được mức độ tác động của từng biến độc lập đến biến phụ thuộc như thế nào. Phương pháp phân tích được chọn lựa là phương pháp Enfer với tiêu chuẩn vào PIN là 0,05 và tiêu chuẩn ra POUT là 0,1. Kết quả phân tích ở bảng 4.22 được thể hiện như sau:
Bảng 4.22: Phân tích hồi qui
Mô hình tổng Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của ước lượng Hệ số Durbin Watson 1 ,605a ,365 ,355 ,49894 1,768 a. Predictors: (Constant), QT, TC, DV, VC b. Dependent Variable: QĐ ANOVA Mô hình Tổng bình phươ ng df Bình phươ ng trung bình F Sig.
1 Regressio n 35,695 4 8,924 35,848 ,000b Residual 61,986 249 ,249 Total 97,681 253 a. Dependent Variable: QĐ b. Predictors: (Constant), QT, TC, DV, VC Hệ số Mô hình Hệ số chưa chuẩn hoá Hệ số đã chuẩ n hoá t Sig. Thống kê đa cộng tuyến B Sai số chu ẩn Beta Hệ số Tolera nc e VIF 1 (Consta nt) 1,257 ,286 4,40 2 ,000 VC ,268 ,069 ,254 3,87 2 ,000 ,593 1,686 TC ,101 ,054 ,110 1,88 0 ,061 ,747 1,338 DV ,307 ,061 ,322 5,00 3 ,000 ,615 1,626 QT ,078 ,075 ,070 1,03 8 ,300 ,565 1,770 a. Dependent Variable: QĐ
Nguồn: Dữ liệu khảo sát
4.6.2 Đánh giá sự phù hợp của mô hình hồi qui bội
Kết quả ở bảng 4.22 cho thấy Hệ số xác định R2 = 0,365. R2 có khuynh hướng là ước lượng lạc quan cho thước đo sự phù hợp của mô hình đối với đữ liệu trong trường hợp có hơn 1 biến giải thích trong mô hình. Tuy nhiên, mô hình thường không phù hợp với dữ liệu thực tế như giá trị R2 thể hiện. Trong tình huống này, R2 điều chỉnh (Adjuster R Square) (0,355) từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2. So sánh 2 giá trị R2 và R2 điều chỉnh ở bảng 4.22, chúng ta sẽ thấy R2 điều chỉnh nhỏ hơn và dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thỏi phồng mức độ phù hợp của mô hình. Như vậy, mô hình hồi quy là phủ hợp, các biến độc lập trong mô hình giải thích được 63.5% sự biến động về quyết định lựa chọn trà sữa Tocotoco. Còn lại 36.5% là do sự tác động của các yếu tố khác không được đưa vào mô hình.
4.6.3 Kiểm định giả thuyết về độ phù hợp của mô hình
Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi qui tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp của các biến độc lập. Nhìn vào bảng 4.22 ta thấy rằng trị thống kê F được tính từ giá trị R2 đầy đủ khác 0, giá trị sig. 0.000 < 0,05 cho thấy giả thuyết của mô hình sử dụng là phù hợp.
Thêm vào đó, tiêu chí Collinearify Diagnosfics (chuẩn đoán hiện tượng đa cộng tuyến) với hệ số phóng đại phương sai VIF (Variance Inflation Factor) của các biến độc lập trong mô hình đều nhỏ hơn 2 thể hiện tính đa cộng tuyến của các biến độc lập không đáng kể và các biến trong mô hình được chấp nhận.
Sau cùng, hệ số Durbin Watson dùng để kiểm định tương quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sử dụng phương pháp hồi qui bội vì giá trị d đạt được là 1.768 gần tiến đến 2 nên chấp nhận giả thuyết không có sự tương quan
chuỗi bậc nhất trong mô hình. Như vậy, mô hình hồi qui bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
4.6.4 Kiểm định giả thuyết về ý nghĩa hệ số hồi qui
Ở phần trên nhóm đã kiểm định sự phù hợp giả thuyết của mô hình, phần này kiểm định giả thuyết về ý nghĩa của hệ số hồi qui. Đặt giả thuyết H0 là các hệ số hồi quy bằng 0 (Bi = 0). Kiểm định này dùng hệ số t (t = Bi/Sbi) nếu t khác 0 thì giả thuyết H0 bị bác bỏ. Như vậy các hệ số hồi quy khác 0 (Bi ≠ 0). Qua bảng 4.22 ta thấy các biến “Sự tin cậy” (TC), “Quy trình phục vụ” (QT) có hệ số sig lần lượt bằng 0.061 và 0.300 lớn hơn 0.05 và các biến khác có hệ số sig nhỏ hơn 0.05. Điều này ta có thể kết luận được rằng biến “Sự tin cậy”, “Quy trình phục vụ” không có ý nghĩa thống kê trong mô hình.
Như vậy, nhóm sẽ loại biến TC và QT ra khỏi mô hình và tiến hành phân tích hồi qui lần 2.
Bảng 4.23: Phân tích hồi qui lần cuối
Mô hình tổng Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của ước lượng Hệ số Durbin Watson 1 ,594a ,353 ,347 ,50194 1,735 a. Predictors: (Constant), DV, VC b. Dependent Variable: QĐ ANOVA
Mô hình Tổng bình phươ ng df Bình phươ ng trung bình F Sig. 1 Regressio n 34,444 2 17,222 68,359 ,000b Residual 63,237 251 ,252 Total 97,681 253 a. Dependent Variable: QĐ b. Predictors: (Constant), DV, VC Hệ số Mô hình Hệ số chưa chuẩn hoá Hệ số đã chuẩ n hoá t Sig. Thống kê đa cộng tuyến B Sai số chu ẩn Beta Hệ số Tolera nc e VIF 1 (Consta nt) 1,513 ,259 5,84 3 ,000 VC ,320 ,061 ,303 5,24 9 ,000 ,775 1,291
DV ,369 ,055 ,387 6,70 4
,000 ,775 1,291
a. Dependent Variable: QĐ
Nguồn: Dữ liệu khảo sát
Nhìn vào kết quả phân tích hồi qui lần 2, ta kết luận rằng: Mô hình hồi qui là phù hợp và các hệ số hồi quy có ý nghĩa thống kê. Như vậy, theo phân tích hồi quy cho thấy Quyết định lựa chọn trà sữa Tocotoco có tương quan thuận chiều với các nhân tố: “Cơ sở vật chất” (0.303), “Chất lượng dịch vụ” (0.387). Kết quả hồi qui cũng cho thấy các hệ số hồi qui đều mang dấu dương, điều này cho thấy các biết độc lập đều tác động thuận chiều đến biến phụ thuộc.
Như vậy, ta có thể kết luận chấp nhận các giả thuyết đặt ra ở mô hình hiệu chỉnh như sau:
- Giả thuyết H1: “Cơ sở vật chất” (VC) có tác động tích cực đến quyết định lựa chọn trà sữa Tocotoco.
- Giả thuyết H3: “Chất lượng dịch vụ” (DV) có tác động tích cực đến quyết định lựa chọn trà sữa Tocotoco.
Các giả thuyết không đủ cơ sở kết luận vì ý nghĩa thống kê không cho phép là: - Giả thuyết H2: “Sự tin cậy” (TC) có tác động tích cực đến quyết định lựa
chọn trà sữa Tocotoco.
- Giả thuyết H4: “Quy trình phục vụ” (QT) có tác động tích cực đến quyết