Kích cỡ mẫu phụ thuộc vào phương pháp phân tích, nghiên cứu này có sử dụng phân tích nhân tố khám phá (EFA). Phân tích nhân tố cần có mẫu ít nhất 200 quan sát (Gorsuch, 1983); còn Hair và cộng sự (2006) cho rằng kích cỡ mẫu bằng ít nhất 5 lần biến quan sát. Những quy tắc kinh nghiệm khác trong xác định cỡ mẫu cho phân tích nhân tố EFA là thông thường thì kích thước mẫu tối thiểu bằng 5 lần số biến quan sát trong phân tích nhân tố (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Ngoài ra, để tiến hành phân tích hồi quy một cách tốt nhất thì theo Tabachnick và Fidell (1991) thì kích cỡ mẫu phải đảm bảo công thức: n ≥ 8k + 50 (trong đó n là kích cỡ mẫu, k là số biến độc lập của mô hình).
Trong nghiên cứu này có 20 biến quan sát chính thức, vì vậy kích thước mẫu tối thiểu để đảm bảo độ tin cậy, phù hợp với điều kiện phân tích EFA và hồi quy bội thì n = 20 x 5 = 100. Tuy nhiên trong thống kê, số quan sát càng nhiều càng tốt, đồng thời nhằm tránh những sai sót trong quá trình khảo sát và nhập liệu cũng như làm sạch dữ liệu, tác giả đã chọn mẫu để thu thập dữ liệu phục vụ nghiên cứu định lượng với cỡ mẫu là 220 khách hàng đã mua và sử dụng xe ô tô Honda tại thành phố Nha Trang.
3.5.2. Phương pháp chọn mẫu
Tác giả chọn phương pháp lấy mẫu thuận tiện (phi xác xuất) vì đối tượng khảo sát là những khách hàng đã mua và đang sử dụng ô tô Honda trên địa bàn thành phố Nha Trang do đó tác giả có thể chủ động tiếp xúc lấy ý kiến, tiết kiệm thời gian và chi phí để thu thập dữ liệu cần thiết.
3.5.3. Thu thập dữ liệu nghiên cứu
Tác giả thực hiện khảo sát bằng phương pháp trực tiếp phát bảng câu hỏi cho các đáp ứng viên là những khách hàng đang sử dụng xe ô tô Honda tại các điểm đỗ, dừng xe, bãi đỗ xe, đại lý phân phối… trên địa bàn thành phố Nha Trang nhằm tạo điều kiện thuận lợi nhất cho người tham gia khảo sát và thu lại ngay khi các đáp ứng viên hoàn thành bảng khảo sát.
Bảng câu hỏi khảo sát được thiết kế phù hợp với mô hình nghiên cứu và căn cứ theo thang đo được xác định từ nghiên cứu sơ bộ bao gồm 3 phần với 23 câu hỏi như sau:
Phần mở đầu: Giới thiệu mục đích nghiên cứu và cam kết bảo mật thông tin
của cuộc khảo sát.
Phần I: Thông tin đánh giá chi tiết của người tham gia khảo sát. Các câu hỏi
đánh giá các yếu tố ảnh hưởng đến quyết định mua xe của khách hàng dựa trên thang đo Likert 5 điểm (thay đổi từ 1= Hoàn toàn không đồng ý, 2 = Không đồng ý, 3 = Bình thường, 4 = Đồng ý và 5 = Hoàn toàn đồng ý)
Phần II: Thông tin cá nhân gồm các câu hỏi để người được khảo sát cung cấp
những thông tin cá nhân: giới tính, độ tuổi, nghề nghiệp.
3.6. Phương pháp phân tích dữ liệu
Sau khi nhận được toàn bộ bảng câu hỏi cần thiết, dữ liệu được mã hóa và được xử lý với sự hỗ trợ của phần mềm SPSS 23 bằng những phân tích chủ yếu như sau: đánh giá độ tin cậy, giá trị thang đo và kiểm định các giả thuyết.
3.6.1. Bảng tần số và thống kê mô tả
Thống kê mô tả tính toán các giá trị tần suất của các biến phân loại như: giới tính, độ tuổi, nghề nghiệp.
3.6.2. Kiểm định độ tin cậy của thang đo
Cronbach’s Alpha là phép kiểm định nhằm phân tích, đánh giá độ tin cậy của thang đo thông qua việc tìm hiểu tập hợp các biến quan sát có cùng đo lường cho một khái niệm nghiên cứu đó hay không. Theo Nunnally (1978), một thang đo tốt nên có độ tin cậy Cronbach’s Alpha từ 0.7 trở lên. Hair và cộng sự (2014) cũng cho rằng, một thang đo đảm bảo tính đơn hướng và đạt độ tin cậy nên đạt ngưỡng Cronbach’s Alpha từ 0.7 trở lên, tuy nhiên, với tính chất là một nghiên cứu khám
Nunnally và cộng sự (1994), hệ số Cronbach’s Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Do đó, một thang đo tốt khi các biến quan sát có giá trị hệ số tương quan biến tổng (Corrected Item – Total Correlation) từ 0.3 trở lên (Cristobal và cộng sự, 2007).
3.6.3. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá (EFA) là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 2009). Một số tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA:
- Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. EFA được xem là thích hợp khi: 0.5 ≤ KMO ≤ 1 và Sig Bartlett’s Test < 0.05, nếu KMO dưới 0.5 nhà nghiên cứu cần cân nhắc thu thập thêm dữ liệu hoặc xem xét loại đi các biến quan sát ít ý nghĩa (Kaiser, 1974).
- Giá trị Eigenvalue là một tiêu chí sử dụng phổ biến để xác định tổng số lượng nhân tố trong phân tích EFA. Theo Gerbing và Anderson (1988), các nhân tố có Eigenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì vậy, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích nhân tố khám phá.
- Tổng phương sai trích (Total Variance Explained) thể hiện các nhân tố cô đọng được bao nhiêu phần trăm và thất thoát bao nhiêu phần trăm biến quan sát dựa trên mức đánh giá 100%. Trị số này nên ở mức ≥ 50% thì mô hình EFA là phù hợp.
- Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố có thể hiểu là mối tương quan giữa biến quan sát với nhân tố. Trị tuyệt đối hệ số tải của biến quan sát càng cao, tương quan của biến quan sát đó vơi nhân tố càng lớn và ngược lại. Theo Hair và cộng sự (2014), trị tuyệt đối hệ số tải Factor Loading nên ở mức từ 0.5 trở lên là mức tối ưu, lúc này các biến quan sát có ý nghĩa thống kê tốt.
Ngược lại, loại biến đó ra khỏi khái niệm nghiên cứu để đảm bảo mô hình gồm các nhân tố phù hợp.
Nếu thỏa mãn các tiêu chí trên trong phân tích nhân tố khám phá EFA, các thang đo đảm bảo tính hội tụ và riêng biệt.
3.6.4. Phân tích hệ số tương quan
Hệ số tương quan (Correlation Coefficient) là chỉ số thống kê đo lường mức độ mạnh yếu của mối quan hệ giữa hai biến số. Phân tích hệ số tương quan là bước kiểm tra tương quan giữa các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tương quan. Hệ số tương quan có giá trị từ -1.0 đến 1.0. Theo John và Benet – Martinez (2000), khi hệ số tương quan < 0.85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nếu hệ số tương quan > 0.85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác). Mối quan hệ theo giá trị tuyệt đối hệ số tương quan cụ thể:
r = 0: giữa X và Y không có mối quan hệ r < 0: mối quan hệ ngược chiều
r > 0: Mối quan hệ cùng chiều r: (0; 0.2): không có mối quan hệ r: (0.2; 0.4): mối quan hệ yếu r: (0.4; 0.6) mối quan hệ trung bình r: (0.6; 0.8) mối quan hệ mạnh r: (0.8;1) mối quanh hệ rất mạnh
3.6.5. Phân tích hồi quy
- Phân tích hồi quy để kiểm định mức độ phù hợp của mô hình: Đánh giá mức độ phù hợp của mô hình bằng các hệ số F và R2 hiệu chỉnh. Nếu giá trị Sig. của kiểm định F < 0.05 thì mô hình ước lượng là phù hợp. Trong khi đó, giá trị R2 hiệu chỉnh càng gần 1 chứng tỏ mô hình thích hợp, ngược lại càng gần 0 thì mô hình kém phù hợp với tập dữ liệu.
- Kiểm định phân phối chuẩn của phần dư: Giá trị trung bình bằng 0, phương sai của phần dư gần 1: Căn cứ vào biểu đồ Histogram, nếu giá trị trung bình Mean gần bằng 0, độ lệch chuẩn hay phương sai của phần dư gần bằng 1, đường cong phân phối có dạng hình chuông đối xứng với tần số cao nhất nằm ngay giữa và các tần số thấp dần nằm ở 2 bên chứng tỏ phần dư tuân theo luật phân phối chuẩn.
- Kiểm định hiện tượng đa cộng tuyến: Để nhận biết hiện tượng đa cộng tuyến, người ta dựa vào hệ số phóng đại phương sai VIF (Variance inflation factor) để xác định mối tương quan giữa các biến độc lập và sức mạnh của mối tương quan đó. Giá trị VIF bắt đầu từ 1 và không có giới hạn trên. Giá trị VIF trong khoảng từ 1-2 chỉ ra rằng không có mối tương quan giữa biến độc lập này và bất kỳ biến nào khác. VIF giữa 2 và 5 cho thấy rằng có một mối tương quan vừa phải, nhưng nó không đủ nghiêm trọng để người nghiên cứu phải tìm biện pháp khắc phục. VIF lớn hơn 5 đại diện cho mối tương quan cao, hệ số được ước tính kém và các giá trị p - values là đáng nghi ngờ. VIF > 10 thì chắc chắn có đa cộng tuyến (theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Trong nghiên cứu này, tác giả sử dụng giá trị phóng đại phương sai VIF < 5: mô hình không bị hiện tượng đa cộng tuyến.
- Kiểm định hiện tượng tự tương quan: Giá trị đại lượng thống kê Durbin - Watson (DW) có chức năng kiểm tra hiện tượng tự tương quan chuỗi bậc nhất. Giá trị của DW biến thiên trong khoảng từ 0 đến 4. Nếu tương quan của các sai số kề nhau không xảy ra thì giá trị sẽ gần bằng 2. Nếu giá trị gần về 4 tức là các phần sai số có tương quan nghịch, gần về 0 thì các phần sai số có tương quan thuận. Trong trường hợp DW < 1 và DW > 3 thì khả năng rất cao xảy ra hiện tượng tự tương
quan chuỗi bậc nhất. Giá trị DW thuộc (1; 3) thì mô hình không bị hiện tượng tự tương quan.
- Kiểm định phương sai sai số thay đổi: Dựa vào đồ thị phân tán của phần dư Scatterplot, nếu phần dư phân tán đồng đều trên và dưới trục tung độ 0, không theo xu hướng nào (tăng hoặc giảm), ta nói phương sai phần dư không thay đổi.
- Kiểm định giả thuyết nghiên cứu: Giá trị Sig. của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu Sig. của các hệ số ước lượng < 0.05 thì biến độc lập ảnh hưởng đến biến phụ thuộc.
3.7. Tóm tắt chương 3
Trong chương 3, tác giả đã trình bày quy trình nghiên cứu và phương pháp nghiên cứu thực hiện trong đề tài. Quy trình nghiên cứu được thực hiện thông qua 2 giai đoạn: nghiên cứu sơ bộ và nghiên cứu định lượng chính thức. Kết quả nghiên cứu định tính nhằm chuẩn hóa mô hình lý thuyết, bổ sung và điều chỉnh thang đo của các khái niệm nghiên cứu để phù hợp với hoàn cảnh nghiên cứu. Kĩ thuật sử dụng trong nghiên cứu định tính là thảo luận nhóm với nhóm khách hàng đã mua và đang sử dụng ô tô Honda. Qua đó, tác giả xây dựng 5 nhân tố độc lập và 1 nhân tố phụ thuộc với 20 biến quan sát.
Nghiên cứu định lượng chính thức được tiến hành với mẫu 220 khách hàng. Dữ liệu thu thập bằng phương pháp khảo sát trực tiếp với bản câu hỏi và trả lời. Thông tin sau đó sẽ được làm sạch để đưa vào phân tích bằng phần mềm SPSS và trình bày kết quả ở chương tiếp theo.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
4.1. Giới thiệu chương 4
Trong chương 4, tác giả sẽ trình bày kết quả nghiên cứu gồm: đặc điểm mẫu nghiên cứu, kết quả kiểm định hệ số tin cậy Cronbach’s Alpha, phân tích EFA của các thang đo, đánh giá sự phù hợp của mô hình nghiên cứu bằng phương pháp xử lý dữ liệu trên ứng dụng SPSS 23.
4.2. Đặc điểm mẫu nghiên cứu
Từ 220 bản câu hỏi phát ra, kết quả thu được 214 bản trả lời (đạt tỷ lệ 97,2%), trong đó có 8 bản không hợp lệ, còn lại 206 bản đạt yêu cầu đưa vào phân tích (tỷ lệ 93,6%). Mẫu nghiên cứu được phân loại theo giới tính, nhóm tuổi và nghề nghiệp tại bảng 4.1 như sau:
Bảng 4. 1 Đặc điểm mẫu nghiên cứu
Đặc điểm mẫu nghiên cứu Tần số Tỷ lệ
Giới tính Nam 135 65,5% Nữ 71 34,5% Nhóm tuổi 20-29 22 10,7% 30-39 67 32,5% 40-49 92 44,7% 50-59 17 8,3% Trên 60 8 3,9% Nghề nghiệp
Nhân viên văn phòng 37 18%
Cán bộ, công chức 42 20,4%
Giám đốc 62 30,1%
Kinh doanh 51 24,8%
Giới tính: Trong số 206 bản trả lời, có 135 khách hàng là nam giới chiếm tỷ lệ
65,5% còn lại 34,5% là nữ giới với số lượng 71 người. Số liệu này phản ánh thực tế nam giới chiếm tỷ lệ cao hơn so với nữ về đăng ký và sử dụng ô tô.
Nhóm tuổi: Nghiên cứu phân loại khách hàng thành 5 nhóm tuổi, cụ thể: từ 20
đến 29 tuổi có 22 người (chiếm tỷ lệ 10,7%); từ 30 đến 39 tuổi có 67 người (chiếm tỷ lệ 32,5%); từ 40 đến 49 tuổi có 92 người (tỷ lệ 44,7%); từ 50 đến 59 tuổi có 17 người (tỷ lệ 8,3%) và trên 60 tuổi có 8 người (tỷ lệ 3,9%).
Nghề nghiệp: Nhân viên văn phòng có 37 người (chiếm 18%); Cán bộ, công
chức có 42 người (chiếm 20,4%); Giám đốc có 62 người (tỷ lệ 30,1%); Kinh doanh có 51 người (tỷ lệ 24,8%); các ngành nghề khác có 14 người (tỷ lệ 6,8%).
Dựa vào những thông tin từ số liệu thu thập được, tác giả cho rằng cơ cấu mẫu như trên phù hợp thực tế, đáp ứng yêu cầu về cỡ mẫu nghiên cứu đã nêu ở chương 3.
4.3. Kiểm định thang đo
Bảng 4. 2 Cronbach’s Alpha của các thang đo Biến quan
sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại
biến này Đặc điểm kỹ thuật: = 0,884 DD1 14,99 11,751 0.836 0,832 DD2 14,89 12,710 0.634 0,880 DD3 14,70 12,407 0.736 0,856 DD4 15,04 12,008 0.792 0,843 DD5 15,08 12,788 0.621 0,883 Giá cả: = 0,862 GC1 7,08 3,272 0,780 0,767 GC2 7,11 3,296 0,745 0,800 GC3 7,01 3,483 0,691 0,849
Biến quan sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại
biến này CL1 5,75 3,270 0,662 0,733 CL2 5,64 3,070 0,652 0,736 CL3 5,67 2,575 0,665 0,734 Dịch vụ bán hàng: = 0,820 DV1 5,49 3,597 0,703 0,726 DV2 5,42 3,591 0,663 0,762 DV3 5,27 3,243 0,661 0,770 Thương hiệu: = 0,863 TH1 5,10 3,932 0,719 0,830 TH2 5,03 3,619 0,791 0,763 TH3 5,09 3,270 0,726 0,831
Quyết định mua xe: = 0,799
QD1 6,71 3,944 0,664 0,708
QD2 6,69 3,230 0,726 0,632
QD3 6,67 4,086 0,553 0,816
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Kết quả phân tích Cronbach’s Alpha của các thang đo được trình bày trong bảng 4.2, cụ thể như sau:
Thang đo “Đặc điểm kỹ thuật” gồm có 5 biến quan sát. Hệ số Cronbach’s Alpha = 0,884 > 0,6 và hệ số tương quan biến tổng của các biến quan sát > 0,3 nên đảm bảo độ tin cậy. Thang đo “Đặc điểm kỹ thuật” đáp ứng đủ độ tin cậy và đủ điều kiện phân tích EFA.
Thang đo “Giá cả” gồm có 3 biến quan sát. Hệ số Cronbach’s Alpha = 0,862 > 0,6 và hệ số tương quan biến tổng của các biến quan sát > 0,3 nên đảm bảo độ tin cậy. Thang đo “Giá cả” đáp ứng đủ độ tin cậy và đủ điều kiện phân tích EFA.
Thang đo “Chất lượng” gồm có 3 biến quan sát. Hệ số Cronbach’s Alpha = 0,806 > 0,6 và hệ số tương quan biến tổng của các biến quan sát > 0,3 nên đảm bảo độ tin cậy và đáp ứng yêu cầu phân tích EFA ở bước tiếp theo.
Thang đo “Dịch vụ bán hàng” gồm có 3 biến quan sát. Hệ số Cronbach’s Alpha = 0,820 > 0,6 và hệ số tương quan biến tổng của các biến quan sát > 0,3 nên