Kết quả phân tích khám phá đối với các biến độc lập cho thấy hệ số KMO lớn hơn 0.5 (0.811), kiểm định Bartlett có p –value bằng 0.000 nhỏ hơn 0.05, phƣơng sai giải thích lớn hơn 50% (64.17%), hệ số factor loading của các biến quan sát đều lớn hơn 0.5, các biến quan sát hội tụ về tám nhân tố nhƣ mô hình lý thuyết (Bảng 4.10). Điều đó cho thấy với dữ liệu nghiên cứu sử dụng phƣơng pháp phân tích khám phá nhân tố là phù hợp
Bảng 4.10. Kết quả phân tích khám phá nhân tố biến độc lập
Biến quan sát Factor loading 1 2 4 5 T1 0.685 T3 0.622 T2 0.610 T4 0.595 T5 0.589
T6 0.566 R3 0.715 R1 0.696 R2 0.656 R4 0.629 G1 0.805 G2 0.774 G4 0.718 G3 0.701 S2 S1 0.789 S3 0.749 S4 0.711 S5 0.665 S2 0.603 L1 0.819 L2 0.813 L3 0.806 L4 0.604 Eigenvalue 8.747 2.637 1.977 1.646 1.362 KMO 0.811 p- value (Bartlett test) 0.000 Phƣơng sai giai thích 64.17
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS 4.3.2.2. Phân tích khám phá nhân tố biến phụ thuộc
Kết quả phân tích đối với biến phụ thuộc Sự hài lòng từ dữ liệu nghiên cứu cho thấy hệ số KMO lớn hơn 0.5 (0.714), kiểm định Bartlett’s có p – value nhỏ hơn 0.05 (0.000), giá trị eigenvalue lớn hơn 1, hệ số factor loading đều lớn hơn 0.5,
phƣơng sai giải thích lớn hơn 50% (67.51%), các biến quan sát hội tụ về một nhân tố duy nhất (bảng 4.10). Điều đó cho thấy sử dụng phân tích khám phá nhân tố là phù hợp, biến phụ thuộc Động lực làm việc là một thang đo đơn hƣớng.
Bảng 4.11. Kết quả phân tích khám phá nhân tố biến phụ thuộc
Biến quan sát Thành phần chính Động lực làm việc Y3 0.935 Y2 0.805 Y1 0.739 Y4 0.670 Eigenvalue 3.384 KMO 0.714
p-value (Bartlett test) 0.000
Phƣơng sai giải thích 67.51
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS
4.3.3. Phân tích tương quan, hồi quy và kiểm định các giả thuyết nghiên cứu
Về mặt lý thuyết các nhân tố trong mô hình đều có thể có ảnh hƣởng đến sự hài lòng của khách hàng về chất lƣợng dịch vụ logistics của Công ty TNHH Thông quan. Tuy nhiên trên thực tế có thể có những yếu tố không thực sự có ý nghĩa. Để kiểm chứng về mối quan hệ giữa các nhân tố với sự hiệu quả quản lý rủi ro ta sẽ thực hiện phân tích tƣơng quan để xem xét mối quan hệ giữa các biến độc lập. Để đánh giá mối quan hệ nhân quả ta sử dụng phân tích hồi quy bội, để chắc chắn cho các kết luận đƣa ra các bƣớc kiểm tra tính phù hợp của phƣơng pháp phân tích hồi quy bội cũng đƣợc thực hiện. Việc kiểm định các giả thuyết nghiên cứu đƣợc thực hiện ở mức tin cậy 90%. Kết quả phân tích từ dữ liệu nghiên cứu nhƣ sau:
4.3.3.1. Phân tích tương quan
Phân tích tƣơng quan là kỹ thuật phân tích cho biết mối quan hệ giữa các biến nghiên cứu với nhau. Nếu hệ số tƣơng quan khác 0 chứng tỏ các khái niệm nghiên cứu có mối liên hệ thực sự, hệ số tƣơng quan dƣơng phản ánh mối quan hệ và cùng chiều và tƣơng quan âm phản ánh mối quan hệ ngƣợc chiều. Kết quả phân tích từ dữ liệu nghiên cứu cho thấy biến phụ thuộc có tƣơng quan với tất cả các biến còn lại trong mô hình (nhỏ nhất với biến T, r =0.257**). Điều đó cho thấy giữa Sự
hài lòng và các yếu tố khác có mối quan hệ với nhau. Kết quả phân tích cũng cho thấy giữa các biến độc lập cũng có tƣơng quan với nhau, điều này gợi ý cần kiểm tra có thể xảy ra hiện tƣợng đa cộng tuyến khi phân tích hồi quy.
Bảng 4.12. Kết quả phân tích tƣơng quan giữa các biến nghiên cứu
T R G S L Y T Pearson Correlation 1 .524** .514** .519** .429** .257** Sig. (2-tailed) .004 .000 .000 .000 .001 N 109 109 109 109 109 109 R Pearson Correlation .524** 1 .603** .490** .443** .361** Sig. (2-tailed) .000 .002 .000 .000 .000 N 109 109 109 109 109 109 G Pearson Correlation .514** .603** 1 .472** .388** .278** Sig. (2-tailed) .007 .000 .000 .000 .001 N 109 109 109 109 109 109 S Pearson Correlation .519** .490** .472** 1 .323** .281** Sig. (2-tailed) .000 .000 .000 .012 .000 N 109 109 109 109 109 109 L Pearson Correlation .429** .443** .388** .323** 1 .424** Sig. (2-tailed) .000 .000 .000 .000 .000 N 109 109 109 109 109 109 Y Pearson Correlation .257** .361** .278** .281** .424** 1 Sig. (2-tailed) .000 .001 .000 .021 .000 N 109 109 109 109 109 109
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS 4.3.3.2. Phân tích hồi quy
Phân tích tƣơng quan chỉ cho biết giữa các biến có thể có mối quan hệ với nhau mà không cho biết mối quan hệ nhân quả giữa chúng. Về mặt lý thuyết ta biết rằng các nhân tố có ảnh hƣởng đến Sự hài lòng. Hay nói cách khác ta xem chúng nhƣ những biến nguyên nhân (biến độc lập) và Sự hài lòng là biến kết quả (biến phụ thuộc). Để kiểm tra quan hệ này ta sử dụng phân tích bằng hồi quy bội với phƣơng pháp tổng bình phƣơng nhỏ nhất OLS. Kết quả phân tích từ dữ liệu nghiên cứu nhƣ sau:
Bảng 4.13. Kết quả phân tích hồi quy đa biến Mô hình Hệ số chƣa chuẩn hóa Hệ số chuẩn hóa t p-value Thống kê đa cộng tuyến B Sai số
chuẩn Beta VIF
Hệ số chặn 0.112 0.374 1.996 0.047 T 0.201 0.065 0.189 1.073 0.085 1.728 R 0.111 0.070 0.104 2.459 0.015 1.899 G 0.121 0.082 0.116 4.242 0.000 1.798 S 0.087 0.069 0.073 1.700 0.091 1.576 L 0.162 0.049 0.148 1.542 0.000 1.266 R2 hiệu chỉnh 0.665 p-value (F test) 0.000 Biến phụ thuộc: Y
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS
Kết quả phân cho thấy p-value của kiểm định F bằng 0.000 nhỏ hơn 0.05, điều đó cho thấy có tối thiểu một biến nghiên cứu trong mô hình có ảnh hƣởng đến biến phụ thuộc (Y). Hệ số xác định R2 hiệu chỉnh bằng 0.673 cho thấy các biến độc lập giải thích đƣợc 67.3% sự thay đổi của biến phụ thuộc, 32.7% sự thay đổi của biến phụ thuộc chịu sự tác động của các nhân tố khác không đƣa vào mô hình. Phƣơng trình hồi quy biểu diễn quan hệ giữa các biến có thể đƣợc viết lại nhƣ sau:
Y = -0.112 + 0.189T + 0.104R + 0.116G + 0.073S + 0.148L
4.3.3.3. Kiểm định tính phù hợp của mô hình ước lượng
Do ta sử dụng phƣơng pháp tổng bình phƣơng nhỏ nhất (OLS) để ƣớc lƣợng phƣơng trình hồi quy. Do đó cần kiểm tra một số giả định để xem xét tính phù hợp của mô hình ƣớc lƣợng đƣợc. Dƣới đây là một số kiểm định về tính phù hợp của mô hình;
Kiểm định phần dư của biến phụ thuộc phân phối chuẩn: Trong phƣơng pháp OLS giả thiết dữ liệu biến phụ thuộc phải có phân phối chuẩn, nếu không ƣớc lƣợng là chệch và không hiệu quả. Để kiểm tra ta sử dụng đồ thị phân phối Histogram và đồ thị P – P Plot. Kết quả phân tích dữ liệu cho thấy đồ thị Histogram có dạng hình chuông đều, giá trị trung bình chuẩn hóa bằng 0, độ lệch chuẩn xấp xỉ
bằng 1 (0.984), đồ thị P – P Plot cũng cho thấy đƣờng quan sát và đƣờng dự báo rất gần nhau. Điều đó cho thấy dữ liệu có phân phối chuẩn, thỏa mãn điều kiện để phân tích bằng phƣơng pháp OLS.
Hình 4.2. Đồ thị phân phối của phần dƣ biến phụ thuộc
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS
Hình 4.3. Đồ thị P – P Plot
Kiểm tra mối quan hệ giữa các biến độc lập có qua hệ tuyến tính: Một trong những giả định của phƣơng pháp OLS là các biến độc lập trong mô hình không có quan hệ tuyến tính với nhau. Tức là một biến bất kỳ không thể biểu diễn thông qua các biến khác bằng một tổ hợp tuyến tính. Để kiểm tra quan hệ này ta sử dụng đồ thị phân tán (scatter) giữa phần dƣ chuẩn hóa quan sát và phần dƣ dự báo của biến phụ thuộc. Nếu chúng thể hiện một xu hƣớng tuyến tính (tăng hoặc giảm) thì trong mô hình có thể có hiện tƣợng các biến độc lập có quan hệ tuyến tính với nhau. Kết quả phân tích cho thấy phần dƣ dự đoán và phần dƣ quan sát chuẩn hóa không thể hiện một xu hƣớng nào cả (Hình 4.3). Do đó có thể xem nhƣ không có mối quan hệ tuyến tính giữa các biến độc lập.
Hình 4.3. Đồ thị phân tán phần dƣ chuẩn hóa và phần dƣ dự báo
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS Kiểm tra hiện tượng đa cộng tuyến: Đa cộng tuyến là hiện tƣợng thông tin của biến độc lập này đƣợc chứa đựng trong một biến khác dẫn đến thổi phồng các kết quả ƣớc lƣợng làm ƣớc lƣợng bị chệch, không vững. Để kiểm tra có hiện tƣợng đa cộng tuyến trong mô hình hay không ta sử dụng chỉ số nhân tử phóng đại phƣơng sai (VIF). Nếu VIF nhỏ hơn 10 có thể xem nhƣ đa cộng tuyến không ảnh hƣởng đến kết quả ƣớc lƣợng. Kết quả phân tích dữ liệu cho thấy hệ số VIF lớn nhất với biến R
có VIF là 1.899 nhỏ hơn 10. Do đó có thể kết luận không có hiện tƣợng đa cộng tuyến trong mô hình.
4.3.3.4. Kiểm định giả thuyết
Để kiểm định các giả thuyết nghiên cứu đặt ra trong mô hình nghiên cứu ta sử dụng thống kê t và giá trị p-value tƣơng ứng so sánh trực tiếp với giá trị 0.1 (mức ý nghĩa 10% hay mức tin cậy 90%)
Kiểm định giả thuyết 1:. Độ tin cậy có ảnh hƣởng tích cực tới sự hài lòng của khách hàng về chất lƣợng dịch vụ logistics của Công ty TNHH Thông quan. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến T dƣơng. Từ kết quả ƣớc lƣợng hồi quy ta thấy thống kê t có p –value bằng 0.085 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 1.
Kiểm định giả thuyết 2: Tính đáp ứng của dịch vụ có ảnh hƣởng tích cực tới sự hài lòng của khách hàng về chất lƣợng dịch vụ logistics của Công ty TNHH Thông quan. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến R dƣơng. Từ kết quả nghiên cứu cho thấy hệ số Beta của biến R là β = 0.111 >0, thống kê t tƣơng ứng có p –value = 0.015 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 2.
Kiểm định giả thuyết 3: Tính đảm bảo của dịch vụ logistics của Công ty TNHH Thông quan có ảnh hƣởng tích cực tới sự hài lòng của khách hàng về chất lƣợng dịch vụ logistics của Công ty TNHH Thông quan. Điều này đồng nghĩa với việc kiểm định giả thuyết hệ số Beta của biến G dƣơng. Từ kết quả nghiên cứu cho thấy hệ số Beta của biến G là β = 0.121 >0, thống kê t tƣơng ứng có p –value = 0.000 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 3.
Kiểm định giả thuyết 4: Sự đồng cảm có ảnh hƣởng tích cực tới sự hài lòng của khách hàng về chất lƣợng dịch vụ logistics của Công ty TNHH Thông quan. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến S dƣơng. Từ kết quả nghiên cứu cho thấy hệ số Beta của biến S là β =0.073 > 0, thống kê t tƣơng ứng có p – value = 0.091 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 4.
Kiểm định giả thuyết 5: Phƣơng tiện hữu hình có ảnh hƣởng tích cực tới sự hài lòng của khách hàng về chất lƣợng dịch vụ logistics của Công ty TNHH Thông
quan. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến L dƣơng. Từ kết quả nghiên cứu cho thấy hệ số Beta của biến L là β = 0.148 > 0, thống kê t tƣơng ứng có p – value = 0.000 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 5.
CHƢƠNG 5. MỘT SỐ GIẢI PHÁP NÂNG CAO CHẤT LƢỢNG DỊCH VỤ LOGISTICS TẠI CÔNG TY TNHH THÔNG QUAN
5.1. Tóm tắt kết quả nghiên cứu
Đề tài nghiên cứu dựa trên nền tảng lý thuyết là mô hình SERVQUAL và biến thể SERVPERF về chất lƣợng dịch vụ.
Nghiên cứu định lƣợng đƣợc tiến hành trên mô hình nghiên cứu đề xuất có đƣợc từ nghiên cứu định tính bằng cách khảo sát mẫu với kích thƣớc 121 là đại diện các doanh nghiệp đang sử dụng dịch vụ logistics tại Công ty TNHH Thông quan để tiến hành kiểm định mô hình. Phƣơng pháp kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha, phân tích nhân tố khám phá EFA và phân tích hồi quy. Kết quả cho thấy có năm yếu tố chất lƣợng dịch vụ tác động đến sự hài lòng của khách hàng khi sử dụng dịch vụ logistics tại Công ty TNHH Thông quan, mức độ tác động các thành phần đƣợc sắp xếp theo thứ tự từ mạnh nhất đến yếu nhất nhƣ sau: (1). Độ tin cậy, (2). Phƣơng tiện hữu hình, (3). Tinh đảm bảo, (4). Tính đáp ứng, (5), Sự đồng cảm.
Từ kết quả nghiên cứu này cũng chính là căn cứ để xây dựng giải pháp và kiến nghị nhằm đạt mục tiêu cải thiện chất lƣợng dịch vụ logistics nhằm nâng cao sự hài lòng của khách hàng tại Công ty TNHH Thông quan.
5.2. Căn cứ đề xuất các giải pháp
Qua kết quả nghiên cứu, tác giả đã phân tích điểm mạnh và điểm yếu của Công ty TNHH Thông quan và căn cứ đề xuất các giải pháp nâng cao chất lƣợng dịch vụ logistics của Công ty nhƣ sau:
5.2.1. Đánh giá điểm mạnh và điểm yếu Công ty
Điểm mạnh
Thƣơng hiệu của công ty: Thông quan Logistics là doanh nghiệp cung cấp cho khách hàng hầu hết các dịch vụ liên quan đến giao nhận và vận tải hàng hóa xuất nhập khẩu trong lĩnh vực hàng không, biển và kho bãi; hệ thống văn phòng đại diện trải dài khắp đất nƣớc…Thông quan Logistics luôn cố gắng mang đến khách hàng sự tiện lợi và dịch vụ nhanh chóng. Kể từ khi hoạt động đến nay, Công ty đã
nhiều lần vinh dự nhận đƣợc nhiều bằng khen và giải thƣởng trong nƣớc cho chất lƣợng dịch vụ hiệu quả, khẳng định vị trí trong ngành vận tải.
Nguồn nhân lực chất lƣợng cao: Nguồn nhân lực của Công ty TNHH Thông quan khối dịch vụ hàng không rất mạnh. Đa phần là nhân viên trẻ, chuyên nghiệp, có trình độ, kinh nghiệm và đƣợc đào tạo từ nhiều nguồn. Thêm vào đó, Công ty TNHH Thông quan là công ty nội địa nên hiểu đƣợc thị trƣờng trong nƣớc, tâm lý khách hàng, thời tiết, văn hóa của ngƣời nơi đây hơn doanh nghiệp nƣớc ngoài.
Cơ sở vật chất: Khối dịch vụ hàng không trang bị đầy đủ các trang thiết bị cần thiết cho việc kinh doanh dịch vụ vận tải, có thể sử dụng ba kho và đội xe tải, đầu kéo container của Công ty nằm ngay kho nên hàng hóa sau khi rút ra khỏi kho sẽ nhanh chóng đƣợc xuất hàng cũng nhƣ chuyển tới tay ngƣời nhận.
Thuận lợi từ chuỗi liên hoàn vận tải đa phƣơng thức: Công ty TNHH Thông quant là công ty hoạt động đa lĩnh vực: vận tải biển, vận tải hàng không, kho bãi và logistics. Các mảng này hổ trợ đắc lực cho nhau.
Ký kết hợp đồng với hãng hàng không: Công ty TNHH Thông quan đã ký kết hợp đồng với nhiều hãng hàng không nỗi tiếng, với hợp đồng theo tháng với các hãng hàng không.
Điểm yếu
Chƣa có phòng Marketing riêng: Phòng Marketing chuyên khai thác thị trƣờng, phân tích, đánh giá và đƣa ra những chiến lƣợc quảng bá hình ảnh, chiến lƣợc phát triển thƣơng hiệu... còn phòng kinh doanh thì nhiệm vụ chính là bán sản phẩm. Nhƣng hiện tại thì nhân viên kinh doanh đảm nhận luôn nhiệm vụ Marketing nên không có sự chuyên môn cao.
Hệ thống thông tin: Tuy phần mềm SMS có nhiều ƣu điểm nhƣng công nghệ ngày càng phát triển, nhiều phần mềm hiện đại hơn ra đời nhƣng muốn áp dụng các phần mềm hiện đại thì mất nhiều thời gian và chi phí.
5.2.2. Căn cứ đề xuất giải pháp
Căn cứ vào kết quả thu thập và phân tích dữ liệu: Phƣơng trình hồi qui các yếu tố tác động đến sự hài lòng của khách hàng đối với hoạt động logistics của