Từ số liệu thu thập đƣợc, nghiên cứu xử lý và phân tích các số liệu nhƣ sau:
Đối với mục tiêu 1:.
Tác giả sử dụng phƣơng pháp thống kê mô tả để khái quát sơ lƣợc về một số thông tin cá nhân của ngƣời tiêu dùng đồng thời mô tả tổng quan hành vi tiêu dùng hiện tại của khách hàng khi mua sắm tại siêu thị Vinafood Mart.
Phƣơng pháp thống kê mô tả
Thống kê mô tả là việc mô tả là việc mô tả dữ liệu bằng các phép tính và các chỉ số thống kê nhƣ: số trung bình, số trung vị, phƣơng sai, độ lệch chuẩn,…Trong phƣơng pháp thống kê mô tả, các đại lƣợng thống kê mô tả chỉ đƣợc tính đối với các biến định lƣợng.
Thống kê mô tả là phƣơng pháp dùng tổng hợp các phƣơng pháp đo lƣờng, mô tả, trình bày số liệu đƣợc ứng dụng vào trong lĩnh vực kinh tế. Bảng thống kê là hình thức trình số liệu thống kê và thu thập thông tin đã thu thập làm cơ cở để phân tích và kết luận, cũng là trình bày vấn đề nghiên cứu nhờ vào đó nhà quản trị có thể đƣa ra nhận xét về vấn đề đang nhiên cứu.
Phân tích tần số
Là một trong những công cụ thống kê mô tả đƣợc sử dụng để mô tả và tìm hiểu về đặc tính phân phối của một số mẫu thô nào đó.
Tính điểm trung bình:
Nhằm xác định mức độ quan trọng, ảnh hƣởng của các yếu tố tới hành vi mua hàng của ngƣời tiêu dùng trong quyết định lựa chọn sản phẩm dệt may của sieu thị Vinatex. Trong đề tài, các biến quan sát của các nhóm nhân tố độc lập đƣợc đo lƣờng theo thang đo Likert 5 mức độ, ý nghĩa của từng giá trị trung bình đối với thang đo khoảng là:
Giá trị khoảng cách = (Maximum- Minimum)/n=(5-1)/5 =0,8 Giá trị trung bình - Ý nghĩa
1 – 1,8 Rất không quan trọng (ảnh hƣởng) 1,81 – 2,6 Không quan trọng (ảnh hƣởng) 2,61 – 3,4 Trung bình
3,41 – 4,2 Quan trọng (ảnh hƣởng) 4,21 – 5 Rất quan trọng (ảnh hƣởng)
28
Đối với mục tiêu 2:
Kiểm định độ tin cậy thang đo Cronbach‟s Alpha đƣợc sử dụng để loại các biến quan sát không đạt yêu cầu hay các thang đo chƣa đạt yêu cầu trong quá trình nghiên cứu trƣớc khi tiến hành phân tích nhân tố. Phƣơng pháp phân tích nhân tố khám phá EFA đƣợc sử dụng nhằm mục đích nhóm các biến là các nhân tố ảnh hƣởng đến quyết định lựa chọn siêu thị là nơi mua sắm của ngƣời tiêu dùng có mối liên hệ với nhau để giảm số lƣợng biến và biến mới mang tính đại diện hơn.
Đánh giá độ tin cậy của phép đo lƣờng bằng Cronbach „s Alpha
Hệ số Cronbach „s Alpha đƣợc sử dụng trƣớc để loại các biến quan sát không đạt yêu cầu hay các thang đo chƣa đạt yêu cầu trong quá trình nghiên cứu. Tính hệ số Cronbach „s Alpha đƣợc thực hiện đối với mỗi nhóm biến cố kết nên các nhân tố. Hệ số Cronbach „s Alpha cho biết sự tƣơng đối đồng nhất trong đo lƣờng theo các biến có nội dung gần gũi nhau và đã hình thành nên một nhân tố.
Thang đo đánh giá độ tin cậy thông qua hai công cụ là hệ số Cronbach‟s Alpha và phân tích nhân tố. Hệ số alpha của Cronbach‟s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tƣơng quan với nhau (Hoàng Trọng và Mộng Ngọc, 2008, tập 2, trang 30). Hệ số Cronbach‟s Alpha đƣợc tính theo công thức alpha= N*p/[1+p*(N-1)], trong đó p là hệ số tƣơng quan trung bình giữa các mục hỏi và N là số mục hỏi
Các biến quan sát có hệ số tƣơng quan biến - tổng nhỏ hơn 0.3 sẽ bị loại bỏ và tiêu chuẩn để chọn thang đo khi nó có độ tin cậy alpha từ 0.6 trở lên. Sau khi độ tin cậy đạt yêu cầu dùng phƣơng pháp phân tích nhân tố để xác định đâu là những tiêu chí quan trọng nhất mà ngƣời tiêu dùng quan tâm. Nhiều nhà nghiên cứu cho rằng theo quy ƣớc thì một tập hợp các mục hỏi dung để đo lƣờng đƣợc đánh giá là tốt phải có hệ số a lớn hơn hoặc bằng 0,8. Tuy nhiên, đối với “Trƣờng hợp khái niệm đang đo lƣờng là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu” thì hệ số Cronbach‟s Alpha từ 0,6 trở lên là đƣợc phép đo đảm bảo độ tin cậy và chấp nhận đƣợc (Nunnally, 1978; Peterson, 1994; Slater, 1995, trích trong Hoàng Trọng và Mộng Ngọc, 2008, tập 2, trang 24).
Phƣơng pháp phân tích nhân tố
Phân tích nhân tố là tên chung của một nhóm các thủ tục đƣợc sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu, chúng ta có thể thu thập đƣợc một số lƣợng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lƣợng của chúng phải đƣợc giảm bớt xuống đến một lƣợng mà chúng ta có thể sử dụng đƣợc. Liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau đƣợc xem xét và trình bày dƣới dạng một số ít các nhân tố cơ bản.
29
Phân tích nhân tố thƣờng đƣợc sử dụng trong các trƣờng hợp sau:
- Nhận diện các khía cạnh hay nhân tố giải thích đƣợc các liên hệ tƣơng quan trong một tập hợp biến.
- Nhận diện một số tập hợp gồm một số lƣợng biến mới tƣơng đối ít không có tƣơng quan với nhau để thay thế tập hợp biến gốc có tƣơng quan với nhau để thực hiện một phân tích đa biến tiếp theo.
- Nhận ra một tập hợp gồm một số ít các biến nổi trội từ một tập hợp nhiều biến để sử dụng cho việc phân tích đa biến kế tiếp. (Hoàng Trọng và Mộng Ngọc, 2008, tập 2, trang 27 - 28)
Hệ 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) có nghĩa là phân tích nhân tố thích hợp, còn nếu nhƣ trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu. Phƣơng pháp sử dụng là Principal component với phép quay nhân tố là Varimax. Việc phân tích nhân tố sẽ đƣợc tiến hành với toàn bộ các biến quan sát, sau đó sẽ loại bỏ từng biến có hệ số truyền tải thấp.
Phƣơng pháp trích hệ số sử dụng là phƣơng pháp trích nhân tố, phép quay Varimax (xoay nguyên góc các nhân tố để tối thiểu hóa số lƣợng biến có hệ số lớn tại cùng một nhân tố vì vậy sự tăng cƣờng khả năng giải thích các nhân tố) và điểm dừng khi trích các yếu tố có eigenvalue là 1 (chỉ có những nhân tố nào lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích).
Các biến đƣợc giữ lại sau khi phân tích hệ số Cronbach „s Alpha xác định các biến này có thể có liên hệ với nhau. Do đó, tiến hành phân tích nhân tố là rất cần thiết, nhằm mục đích nhóm các biến có mối liên hệ với nhau để giảm số lƣợng biến và biến mới mang tính đại diện hơn.
Trƣớc hết, phải xem mô hình có thích hợp để tiến hành phân tích nhân tố hay không. Ta phải xem kết quả kiểm định KMO and Barlett‟s. Đặt giả thuyết:
H0: các biến quan sát trong tổng thể không có mối tƣơng quan với nhau. H1: các biến quan sát trong tổng thể có mối tƣơng quan với nhau.
Nếu ta thấy Sig. < giả thuyết H0 bị bác bỏ vì các biến có tƣơng quan với nhau. Khi đó, ta có thể tiến hành phân tích nhân tố với các biến này. (Hoàng Trọng và Mộng Ngọc, 2008, tập 2, trang 31 - 34)
Mô hình phân tích nhân tố: Về mặt tính toán, phân tích nhân tố hới giống vơi phấn tích hồi quy ở chỗ mỗi biến đƣợc biểu diễn nhƣ là một kết hợp tuyến tính của các nhân tố cơ bản.
30
Lƣợng biến thiên của một biến đƣợc giải thích bởi những nhân tố chung trong phân tích đƣợc gọi là communality. Biến thiên chung của các biến đƣợc mô tả bằng một số ít các nhân tố chung (common factor) cộng với một nhân tố đặc trƣng (unique factor) cho mỗi biến. Những nhân tố này không bộc lộ rõ ràng. Nếu các biến đƣợc chuẩn hóa thì mô hình nhân tố đƣợc thể hiện bằng phƣơng trình:
Xi = Ai1F1 + Ai2F2 + Ai3F3 + ... + AimFm + ViFi Trong đó:
Xi: Biến thứ i chuẩn hóa
Aij: hệ số hồi quy bội chuẩn hóa của nhân tố j đối với biến i F: các nhân tố chung
Vi: hệ số hồi quy chuẩn hóa của nhân tố đặc trƣng i đối với biến i Ui: nhân tố đặc trƣng của biến i
m: số nhân tố chung
Các nhân tố đặc trƣng có tƣơng quan với nhau và với các nhân tố chung. Bản thân các nhân tố cũng có thể đƣợc diễn tả nhƣ những kết hợp tuyến tính của các biến quan sát:
Fi = Wi1X1 + Wi2X2 + Wi3X3 + … + WikXk Trong đó:
Fi: chỉ số nhân tố (factor score) của yếu tố thứ j, j=1, 2, …,k Wi: trọng số hay hệ số điểm nhân tố
k: số biến
(Hoàng Trọng và Mộng Ngọc, 2008, tập 2, trang 29)
Đối với mục tiêu 3:
Dựa trên những hiểu biết khi phỏng vấn trực tiếp và kết quả nghiên cứu đề xuất một số giải pháp nhằm đáp ứng tốt hơn nữa nhu cầu của ngƣời tiêu dùng, đẩy mạnh tiêu thụ cho siêu thị.
31
CHƢƠNG 3