3.1. Thiết kế nghiên cứu
3.1.8. Xử lý và phân tích dữ liệu
Sau khi thu thập dữ liệu, các bảng câu hỏi khảo sát được kiểm tra lại và loại bỏ những bảng câu hỏi không đúng yêu cầu như bỏ trống không chọn câu trả lời, câu trả lời chỉ có một thang đo. Sau đó mã hóa các câu hỏi và câu trả lời rồi nhập liệu vào phần mềm thống kê SPSS 16 để phân tích theo các bước sau: - Bước 1: Đánh giá độ tin cậy của thang đo bằng phương pháp Cronbach’s Alpha
35
Để tính Cronbach’s Alpha của một thang đo thì thang đo phải có ít nhất 3 biến đo lường. Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1]. Nếu một biến đo lường có hệ số tương quan biến tổng (item-total correlation) bằng hoặc lớn hơn 0,3 thì biến đó đạt yêu cầu (Nunnally & Berntein, 1994). Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,7-0,8]. Nếu Cronbach’s Alpha bằng hoặc lớn hơn 0,6 thì thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally & Berntein, 1994).
Hệ số Cronbach’s Alpha nhằm tìm ra những mục câu hỏi cần giữ lại và những mục câu hỏi cần bỏ đi trong các mục đưa vào kiểm tra (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008), hay nói cách khác là giúp loại đi những biến quan sát và thang đo không phù hợp.
- Bước 2: Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng phương pháp Cronbach’s Alpha vấn đề tiếp theo là thang đo phải được đánh giá giá trị của nó. Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích nhân tố khám phá EFA giúp chúng ta đánh giá hai loại giá trị này (Nguyễn Đình Thọ, 2011). Một số các chỉ số quan trọng trong phân tích nhân tố khám phá EFA bao gồm:
(1) Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), “Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. <0,05) thì các biến quan sát có tương quan với nhau trong tổng thể”.
(2) Kiểm định KMO (Kaiser-Meyer-Olkin measure of sampling adequacy): Là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến Xi và Xj với độ lớn của hệ số tương quan riêng phần của chúng (Norusis 1994). KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO phải lớn hơn 0,5. Kaiser (1974) đề nghị KMO bằng hoặc lớn hơn 0,9 là rất tốt; KMO bằng hoặc lớn hơn 0,8 là tốt; KMO bằng hoặc lớn hơn 0,7 là được; KMO bằng hoặc lớn hơn 0,6 là tạm được; KMO bằng hoặc lớn hơn 0,5 là xấu và KMO nhỏ hơn 0,5 là không thể chấp nhận được.
(3) Theo Nguyễn Đình Thọ (2011), “Hệ số tải nhân tố (factor loadings): Là hệ số tương quan đơn giữa các biến và các nhân tố, hệ số này lớn hơn 0,5 (Hair & ctg, 1998). Factor loadings là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loadings > 0,3 được xem là mức tối thiểu; Factor loadings > 0,4 được xem là quan trọng và Factor
36
loadings >=0,5 được xem là có ý nghĩa thực tiễn. Chênh lệch trọng số < 0,3 là giá tri ̣ thường được các nhà nghiên cứu chấp nhận nhưng cân nhắc giá tri ̣ nội dung trước khi loại bỏ”.
(4) Thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50% (Gerbing & Anderson, 1988). Phương pháp trích “Principal Component Analysis” với phép quay “Varimax” được sử dụng trong phân tích nhân tố thang đo các thành phần.
(5) Tiêu chí Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) sử dụng trong xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dùng ở nhân tố) có Eigenvalue tối thiểu bằng 1. Chỉ có những nhân tố nào có hệ số Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích. Nếu nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt.
- Bước 3: Phân hệ số tương quan và phân tích hồi quy bội
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan, và phân tích hồi quy để kiểm đi ̣nh các giả thuyết. Vì các biến được đo bằng thang đo khoảng nên tác giả sử dụng phân tích tương quan Pearson để xác đi ̣nh các mối quan hệ có ý nghĩa thống kê giữa chất lượng dịch vụ và sự hài lòng của khách hàng chung với các biến tạo sự hài lòng của khách hàng trước khi tiến hành phân tích hồi quy. Phương pháp lựa chọn biến Enter được tiến hành. Do mô hình có nhiều biến độc lập nên hệ số xác đi ̣nh R2 điều chỉnh dùng để xác đi ̣nh độ phù hợp của mô hình. Cuối cùng, nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng là phù hợp, các dò tìm sự vi phạm của giả định cần thiết trong hồi quy tuyến tính cũng được thực hiện.
Theo Nguyễn Đình Thọ (2011), “Các giả định được kiểm đi ̣nh trong phần này gồm liên hệ tuyến tính (dùng biểu đồ phân tán Scatterplot), phân phối chuẩn của phần dư (dùng Histogram và P-P plot), tính độc lập của phần dư (dùng đại lượng thống kê Durbin-Watson), hiện tượng đa cộng tuyến (tính độ chấp nhận Tolerance và hệ số phóng đại phương sai VIF). Kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (Variance Inflaction Factor) với yêu cầu VIF ≤ 10”.
Theo Nguyễn Đình Thọ (2011), “Kiểm tra mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập và hiện tượng phương sai thay đổi bằng cách xem xét mối quan hệ giữa phần dư và giá tri ̣ quy về hồi quy của biến phụ thuộc”. Theo Nguyễn Đình Thọ (2011), “Đánh giá mức độ giải thích và ý nghĩa giữa các biến độc lập lên biến phụ thuộc (β - standardized coefficient và Sig. <
37
0,05), biến độc lập nào có trọng số β càng lớn có nghĩa là biến đó có tác động mạnh vào biến phụ thuộc”.
- Bước 4: Thống kê mô tả
Một vấn đề tiếp theo nữa là tính giá trị nhân tố. Phương pháp là dùng trung bình của các biến đo lường các nhân tố trong mô hình cho phân tích thống kê mô tả. Giá trị trung bình của từng nhân tố chính là mức độ ảnh hưởng của nhân tố đó tác động đến sự hài lòng của khách hàng.
- Bước 5: Kiểm định giả thuyết
Dựa trên kết quả phân tích hồi quy, ta tiến hành kiểm định các giả thuyết phù hợp với mô hình đã đưa ra để xác định các nhân tố ảnh hưởng quan trọng nhất ảnh hưởng đến sự hài lòng của khách hàng về chất lượng DVCPN tại Công ty Gateway Express. Trong đó dấu dương của hệ số beta thể hiện mối quan hệ giữa nhân tố đó gắn kết là mối quan hệ có sự tác động cùng chiều.
- Bước 6: Kiểm định sự khác biệt
Để kiểm định xem mô hình sự hài lòng của khách hàng về chất lượng DVCPN tại Công ty Gateway Express theo giới tính, độ tuổi, nghề nghiệp, thời gian sử dụng dịch vụ của khách hàng, loại hình thuê bao có sự khác biệt hay không bằng cách kiểm định Chi-Square theo phương pháp Crosstabs. Nếu Sig. > 5% thì chấp nhận tính bằng nhau của các phương sai nhóm. Còn Sig. < 5% thì ta kết luận có sự khác biệt.