CHƯƠNG 1 : GIỚI THIỆU
3.4. PHÂN TÍCH DỮ LIỆU
Mục đích của việc phân tích dữ liệu: nhằm phân tích độ tin cậy và độ giá trị của thang đo. Kỹ thuật xử lý dữ liệu thực hiện như sau:
3.4.1.Mã hóa thang đo
Bảng 3.1: Thang đo các khái niệm nghiên cứu và mã hóa biến
NỘI DUNG Mã hóa biến
CHẤT LƯỢNG DỊCH VỤ SIÊU THỊ HÀNG HOÁ
1 Hàng tiêu dùng hàng ngày đầy đủ HH1
2 Có nhiều mặt hàng để lựa chọn HH2
3 Hàng hoá có nhãn mác, xuất xứ HH3
4 Có nhiều mặt hàng mới HH4
TRƯNG BÀY
5 Hàng hoá trưng bày dễ tìm TB1
6 Bảng chỉ dẫn trong siêu thị rõ ràng TB2
7 Gian hàng thuận tiện mua sắm TB3
NHÂN VIÊN
8 Nhân viên nhanh nhẹn, sẵn sàng phục vụ NV1
9 Nhân viên tận tình giải đáp thắc mắc NV2
10 Nhân viên rất thân thiện, vui vẻ NV3
VỊ TRÍ
11 Không gian siêu thị rộng rãi VT1
12 Khu vực mua sắm sạch, thoáng mát VT2
13 Bãi giữ xe rộng rãi VT3
16 Không lo bị mất cắp AT3
GIÁ CẢ CẢM NHẬN
17 Giá hàng hoá không cao hơn chợ GC1
18 Giá cả không cao hơn các siêu thị khác GC2
19 Giá tương xứng với chất lượng GC3
DỊCH VỤ KHÁCH HÀNG
20 Nhiều chương trình khuyến mãi DV1
21 Công tác hậu mãi tốt DV2
22 Giao hàng tận nhà DV3
SỰ HÀI LÒNG
23 Tôi hoàn toàn hài lòng với cách phục vụ của nhân viên SHL1
24 Tôi hoàn toàn hài lòng với chất lượng hàng hoá của siêu thị SHL2
25 Tôi hoàn toàn hài lòng với trang thiết bị vật chất của siêu thị SHL3 26 Tôi hoàn toàn hài lòng với chất lượng dịch vụ bán hàng của siêu thị SHL4
Thống kê mô tả
Thống kê mô tả được tiến hành nhằm xem xét các đặc trưng của mẫu quan sát, các giá trị trung bình cũng như kiểm tra tính phân phối chuẩn của các biến. Ở đây chúng ta sẽ lập bảng thống kê để mô tả mẫu thu thập theo các biến phân loại như tuổi, giới tính, thu nhập, nghề nghiệp…của người tiêu dùng.
Đánh giá độ tin cậy của thang đo
Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha và hệ số tương quan biến tổng. Giá trị alpha nằm từ 0 đến 1, giá trị càng lớn cho biết tính tin cậy càng nhiều giữa các biến. Các biến có hệ số tương quan biến – tổng nhỏ hơn 0.3 sẽ bị loại và thang đo sẽ được chọn khi hệ số Cronbach’s Alpha lớn hơn 0.6 Hair & ctg, (1998).
3.4.2. Kiểm định sơ bộ thang đo (kiểm định giá trị phân biệt và hội tụ của thang đo) đo)
Hai giá trị quan trọng của thang đo là giá trị phân biệt và hội tụ. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được dùng để đánh giá hai loại giá trị này. Phân tích này thực hiện qua hai bước:
Bước 1: Phân tích EFA riêng cho từng thang đo để đánh giá tính đơn hướng của thang đo với phương pháp trích Principal axis factoring với phép xoay Promax.
Bước 2: Phân tích EFA chung cho các thang đo để đánh giá giá trị hội tụ và giá trị phân biệt Với phương pháp trích Principal axis factoring với phép xoay Promax.
• Điều kiện để phân tích EFA
- Hệ số KMO (Kaiser – Meyer – Olkin) có giá trị từ 0.5 trở lên Othman &
Owen, (2002) và Kiểm định Bartlett có p < 0,05 (tương ứng Sig. < 0,05).
- Mẫu đủ lớn: Hair & ctg, (2010) cho rằng mẫu tối thiểu để phân tích EFA là 50, tỉ lệ quan sát/biến đo lường là 5:1 tức là 1 biến đo lường cần tối thiểu 5 quan sát, tốt nhất là 10 trở lên. Số biến quan sát của nghiên cứu này thỏa mãn điều kiện về số lượng mẫu cần thiết.
Độ giá trị phân biệt (Discriminant validity): Xem xét số nhân tố trích được, nếu số lượng nhân tố được trích phù hợp với giả thuyết ban đầu về số lượng và thành phần thang đo thì các thang đo đạt được giá trị phân biệt. Có thể thực hiện kiểm định hệ số tương quan xét trên phạm vi tổng thể giữa các khái niệm có thực sự khác biệt so với 1 hay không. Nếu nó thực sự khác biệt thì các thang đo đạt được giá trị phân biệt.
Độ giá trị hội tụ (Convergent validity): Thang đo đạt giá trị hội tụ khi biến đo lường cho nhân tố phải có mức tải (factor loading) cao trên nhân tố đó và thấp trên các nhân tố mà nó không đo lường Nguyễn Đình Thọ, (2013). Các tiêu chuẩn đánh giá độ hội tụ:
Các biến quan sát có hệ số tải nhân tố lớn hơn 0,4 được xem khá tốt (0,3 là mức chấp nhận được ; 0,4 được xem là quan trọng ; và 0,5 có ý nghĩa thực tế, Hair & c.t.g, (2000).
Tại mỗi item, chênh lệch trọng số tải lớn nhất và trọng số tải bất kỳ phải từ 0,3 trở lên Jabnoun &Al-Tamimi, (2003).
Cuối cùng, cần xem xét tổng phương sai trích. Tổng phương sai trích được lớn hơn hoặc bằng 50% thì mô hình EFA phù hợp Nguyễn Đình Thọ, (2013).
3.4.3.Kiểm định thang đo chính thức
3.4.3.1.Kiểm định phân phối của các biến quan sát
Trước khi tiến hành kiểm định thang đo chính thức chúng ta tiến hành kiểm định sự phân phối của các biến quan sát. Khi kiểm định phân phối của các biến quan sát, các Kurtoses và Skewness tương ứng đều nằm trong khoảng chấp nhận thì phương pháp ước lượng Maximum LikeHood (ML) là phương pháp thích hợp được sử dụng để ước lượng các tham số trong mô hình Kline, (1998).
3.4.3.2. Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach‘s Alpha
Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach‘s Alpha và hệ số tương quan biến tổng có giá trị từ 0 đến 1; giá trị này càng lớn cho biết độ tin cậy của thang đo càng cao. Nhà nghiên cứu cho rằng khi Cronbach’s Alpha từ 0,80 trở lên đến gần 1 thì thang đo lường là tốt, từ 0,70 đến 0,80 là sử dụng được. Các biến có hệ số tương quan biến tổng nhỏ hơn 0,30 sẽ bị loại và thang đo sẽ được chọn khi hệ số Cronbach’s Alpha lớn hơn 0,60 Hair & c.t.g, (1995). Theo Nunnally & Bernstein, (1994) thì Cronbach’s Alpha trên 0,60 là có thể sử dụng được trong trường hợp thang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Bên cạnh đó, trong phân tích với phần mềm SPSS 20 hệ số Cronbach’s Alpha if Item Deleted cũng được xem xét, cụ thể nếu hệ số tương ứng của các mục hỏi lớn hơn hệ số Cronbach’s Alpha tương ứng thì mục hỏi đó nên được loại bỏ để tăng độ tin cậy cho thang đo Nunnally & Bernstein, (1994). Tuy nhiên, cũng cần xem xét, cân nhắc trong khi loại biến để đảm bảo về độ giá trị nội dung cho khái niệm cần đo lường.
3.4.3.3. Kiểm định mô hình thang đo bằng phân tích nhân tố khẳng định CFA (Confirmatory Factor Analysis) (Confirmatory Factor Analysis)
CFA được thực hiện trong mô hình đo lường. CFA cho chúng ta kiểm định các biến quan sát đại diện cho các nhân tố tốt đến mức nào. CFA là bước tiếp theo của EFA vì CFA chỉ sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc tiềm ẩn cơ sở.
Các chỉ tiêu đánh giá mô hình thang đo bao gồm: độ phù hợp của mô hình, độ tin cậy, độ giá trị hội tụ và độ giá trị phân biệt của thang đo.
Độ phù hợp của mô hình: Mô hình đạt độ phù hợp khi thỏa các tiêu chí: các giá trị GFI, TLI, CFI >0,9 Bentler & Bonett, (1980); CMIN/df ≤ 2, một số trường hợp CMIN/df có thể ≤ 3 Camines & McIver, (1981); RMSEA≤ 0,8, RMSEA≤ 0,05 được xem là rất tốt Steiger, (1990). Nguyễn Thị Mai Trang & Nguyễn Đình Thọ, (2008) cho rằng nếu mô hình nhận được các giá trị TLI, CFI≥0,9; CMIN/df≤ 2; RMSEA≤ 0,8 thì mô hình phù hợp với dữ liệu thị trường.
Độ tin cậy: Độ tin cậy tổng hợp CR (Composite realbility) > 0,6 Hair & c.t.g, (2010)
Độ giá trị hội tụ: các hệ số hồi quy chuẩn hóa của tất cả các biến quan sát trong thang đo phải lớn hơn 0.5 và phương sai trích AVE > 0,5 Hair & c.t.g, (2010)
Độ giá trị phân biệt: tương quan giữa các khái niệm nhỏ hơn 0,85 với p=0,05 Kline, (1988).
3.4.4.Kiểm định mô hình lý thuyết với SEM (Structural equation modeling)
Phương pháp Maximum Likelihood và kiểm định Bootstrap được sử dụng để kiểm định mô hình lý thuyết. Mô hình lý thuyết cũng cần phải đạt được các chỉ số phù hợp như phân tích CFA.
Kiểm định Bootstrap: Bootstrap được sử dụng để ước lượng lại các tham số mô hình nhằm kiểm tra độ tin cậy của các ước lượng. Trong Bootstrap, máy tính sẽ chọn ra những mẫu khác theo phương pháp lặp lại, và có thay thế. Và từ mẫu máy tính chọn ra này có thể tính được trung bình của các ước lượng (các trọng số hồi quy…). Hiệu số giữa trung bình các ước lượng từ Bootstrap và các ước lượng ban đầu gọi là độ chệch. Trị tuyệt đối các độ chệch này càng nhỏ, càng không có ý nghĩa thống kê càng tốt.
3.5. KẾT QUẢ NGHIÊN CỨU SƠ BỘ ĐỊNH LƯỢNG:
Các thang đo được sử dụng trong nghiên cứu này được sử dụng trong nghiên cứu định lượng sơ bộ thông qua hai công cụ chính, (1) Hệ số tin cậy Cronbach Alpha và phương pháp phân tích yếu tố khám phá EFA. Hệ số Cronbach Alpha được sử dụng để loại các biến không phù hợp trước. Các biến có hệ số tương quan biến-tổng (Item-total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy alpha từ 0,6 trở lên. (2) Tiếp theo phương pháp EFA sử dụng. Các biến có trọng số (Factor loading) nhỏ hơn 0,5 trong EFA sẽ tiếp tục bị loại. Phép trích nhân tố được sử dụng là Principal Axis Factoring (PAF) với phép quay không vuông góc Promax. Thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50%. Số mẫu sử dụng trong phân tích sơ bộ là 150 mẫu.