NHÂN TỐ THANG ĐO
I. Sự tin cậy
STT TÊN BIẾN DIỄN GIẢI 1 2 3 4 5
1 STC1 Chất lượng thực hiện dịch vụ đúng như
cam kết của công ty.
2 STC2 Công ty luôn thực hiện đúng với yêu cầu
của khách hàng.
3 STC3 Tin tưởng vào thông tin truyền đạt tới
khách hàng của công ty.
4 STC4 Thông tin của khách hàng không bị sai
lệch.
5 STC5 Thời gian giao nhận xe đúng hẹn.
II. Phương tiện hữu hình 1 2 3 4 5
6 HH1 Trụ sở, trang thiết bị của Công ty hiện đại, hấp dẫn.
7 HH2 Điều kiện phục vụ tiện nghi như: máy lạnh, bàn, ghế.
8 HH3 Cách bố trí nơi chờ, giao dịch khách hàng hợp lý, thuận tiện.
9 HH4 Các dụng cụ sửa chửa đạt tiêu chuẩn.
10 HH5 Không gian công ty rộng
III. Đáp ứng 1 2 3 4 5
11 DU1 Nhu cầu của khách hàng được giải quyết tốt
12 DU2 Khách hàng cảm thấy vấn đề của mình được giải quyết đến nơi đến chốn.
13 DU3 Trình độ chuyên môn, nghiệp vụ của nhân viên công ty giỏi.
14 DU4 Giải quyết thỏa đáng các vướng mắc của hành khách.
15 DU5 Giải quyết khiếu nại của hành khách nhanh chóng, chính xác.
IV. Năng lực phục vụ 1 2 3 4 5
16 NL1 Năng lực của nhân viên trong giao tiếp với khách hàng tốt.
NHÂN TỐ THANG ĐO
18
NL3
Phục vụ tất cả khách hàng không phân
biệt đối xử.
19 NL4 Nhân viên có tinh thần trách nhiệm cao.
V. Sự đồng cảm của nhân viên 1 2 3 4 5
20 DC1 Khách hàng luôn cảm thấy thoải mái khi cần
sự tư vấn của nhân viên.
21 DC2 Nhân viên giải quyết thắc mắc linh hoạt,
kịp thời.
22 DC3 Nhân viên luôn tận tình, quan tâm với
những yêu cầu hợp lý của khách hàng 23 DC4 Khách hàng cảm thấy nhân viên luôn hiểu
rõ tâm lý của mình.
(Nguồn: tác giả tổng hợp từ các lược khảo liên quan)
2.2.2 Giả thuyết nghiên cứu
H1: Sự tin cậy tăng (+) thì mức độ hài lòng sẽ tăng.
H2: Phương tiện hữu hình tăng (+) thì mức độ hài lòng tăng H3: Năng lực phục vụ tăng (+) thì mức độ hài lòng tăng H4: Đáp ứng tăng (+) thì mức độ hài lòng tăng
H5: Sự đồng cảm nhân viên tăng (+) thì mức độ hài lòng tăng.
2.2.3 Phương pháp chọn vùng và mẫu nghiên cứu
- Vùng nghiên cứu: được xác định là công ty TNHH Phước Anh 3
- Mẫu nghiên cứu: Tác giả chọn phương pháp xác định cỡ mẫu đơn giản, theo Hair và cộng sự (2006), để sử dụng phân tích nhân tố khám phá (EFA) thì kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát/ biến đo lường là 5:1, nghĩa là 1 biến đo lường cần tối thiểu là 5 quan sát. Với nghiên cứu có 23 biến quan sát nên cỡ mẫu của nghiên cứu là 23x5 =115, nên tác giả dự kiến cỡ mẫu của nghiên cứu là 150 mẫu. Đó là những khách hàng đã sử dụng dịch vụ bán, bảo dưỡng, sửa chữa xe ôtô và xe có động cơ khác tại công ty TNHH Phước Anh 3
2.2.4 Phương pháp thu thập số liệu.
- Số liệu thứ cấp: Được thu thập từ các báo cáo tài chính của công ty, từ các trang mạng, bài báo từ năm 2013 đến 2015.
- Thu thập số liệu sơ cấp: Các thông tin thu thập từ phiếu điều tra phương pháp chọn mẫu thuận tiện. Tác giả phỏng vấn sẽ gặp, phỏng vần trực tiếp khách hàng khi khách hàng đến và sử dụng dịch vụ sửa chữa và bảo dưỡng Ô tô tại công TNHH Phước Anh 3.
- Số liệu sơ cấp được thu thập thông qua tiến trình sau: Bước 1: Xác định số lượng mẫu cần thiết.
Mô hình dự kiến có 23 biến quan sát nên cỡ mẫu tối thiểu là 23 x 5 = 115 quan sát. Dự kiến số lượng mẫu cho nghiên cứu là 150 quan sát.
Bước 2: Phỏng vấn điều tra khách hàng.
Bước 3: Kiểm tra kết quả phỏng vấn, loại ra những mẫu không đạt yêu cầu. Bước 4: Nhập liệu.
Bước 5: Xử lý dữ liệu.
2.2.5 Phương pháp kỹ thuật phân tích
Các phương pháp nghiên cứu khoa học được sử dụng như sau:
* Đối với mục tiêu 1: Tác giả sử dụng phương pháp thống kê mô tả để xác định các chỉ tiêu, sử dụng phương pháp so sánh số tuyệt đối, so sánh số tương đối để đánh giá thực trạng hoạt động kinh doanh dịch vụ bảo dưỡng và sửa chữa xe ôtô tại công ty TNHH Phước Anh 3
- Phương pháp thống kê mô tả: Đây là phương pháp không thể thiếu trong quá trình nghiên cứu những vấn đề kinh tế – xã hội cần phân tích định lượng trong mối quan hệ chặt chẽ về mặt định tính của các hiện tượng và quá trình. Một số đại lượng cần tính trong phương pháp này là:
+ Giá trị trung bình: Bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát.
+ Số trung vị: Là giá trị của biến đứng ở giữa của một dãy số đã được sắp theo thứ tự tăng hoặc giảm dần. Số trung vị chia dãy làm hai phần, mỗi phần có số quan sát bằng nhau.
+ Mode: Là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một dãy số phân phối.
+ Phương sai: là trung bình giữa bình phương các độ lệch giữa các biến và giá trị trung bình của các biến đó.
+ Độ lệch chuẩn: là cân bậc hai của phương sai.
- So sánh bằng số tuyệt đối: là kết quả của phép trừ giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu nghiên cứu, kết quả so sánh khối lượng quy mô thay đổi của các hiện tượng nghiên cứu.
- So sánh bằng số tương đối: là kết quả của phép chia giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu nghiên cứu, kết quả thể hiện tỷ lệ thay đổi tương đối của các hiện tượng nghiên cứu.
T = ((T2 – T1) /T1)* 100% Trong đó:
T1: số liệu năm trước T2: số liệu năm sau
T: tốc độ tăng trưởng của năm sau so với năm trước (%)
* Đối với mục tiêu 2: Tác giả sử dụng các phương pháp thống kê mô tả, phân tích Cronbach’s Alpha, phân tích nhân tố (EFA) và cuối cùng, phân tích phương sai Anova được thực hiện để so sách khác biệt về sự hài lòng về chất lượng dịch vụ bảo dưỡng và sửa chữa xe ôtô tại công ty TNHH Phước Anh 3 giữa những nhóm khách hàng có đặc điểm cá nhân khác nhau.
* Phân tích hệ số tin cậy Cronbach’s Alpha
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả [2].
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
- Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) [2]
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu [2].
- Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí: - Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0,4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
- Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).
* Phân tích nhân tố (EFA)
Do khối lượng thu thập số liệu lớn nên chúng có rất nhiều biến và các biến này có mối liên hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta có thể sử dụng được. Vì vậy ta phân tích nhân tố được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Các nhân tố chung có thể được diễn tả như những kết hợp tuyến tính của các biến quan sát:
Fi=Wi1X1+Wi2X2+……..+Wik Xk Trong đó:
Fi: ước lượng trị số của nhân tố thứ i.
W: quyền số hay trọng số nhân tố (weight or factor score coefficient) k: số biến
Điều kiện để áp dụng phân tích nhân tố là các biến có tương quan với nhau. Để xác định các biến có tương quan như thế nào, ta sử dụng kiểm định Barlett’s để kiểm định giả thuyết:
H0: các biến không có liên quan lẫn nhau H1: có sự tương quan giữa các biến.
Chúng ta mong đợi bác bỏ giả thuyết H0, nghĩa là chấp nhận H1 các biến có liên hệ với nhau. Điều này có được giá trị P sau khi kiểm định phải nhỏ hơn mức ý nghĩa xử lý α. Đồng thời, phân tích nhân tố được xem là thích hợp khi giá trị hệ KMO (Kaiser – Mayser - Olkin) trong khoảng từ 0.5 đến 1, khi đó các tương quan đủ lớn để có thể áp dụng phân tích nhân tố. [2]
Sau khi rút được các nhân tố và lưu lại thành các biến mới, các biến này sẽ được thay cho tập hợp biến gốc để đưa vào phân tích hồi quy.
* Phương Phân tích hồi quy tuyến tính bội: là sự nghiên cứu mức độ ảnh hưởng của một hay nhiều biến số (biến giải thích hay biến độc lập: independent variables) đến một biến số (biến kết quả hay biến phụ thuộc: dependent variable) nhằm dự báo biến kết quả dựa vào các giá trị được biết trước của các biến giải thích.
Đề tài sử dụng phương pháp phân tích hồi quy tuyến tính bội để ước lượng mức độ ảnh hưởng của các yếu tố tác động đến sự hài lòng về chất lượng dịch vụ bán, bảo dưỡng, sửa chữa xe Ô tô và xe có động cơ tại công ty TNHH Phước Anh 3 (biến độc lập) đối với mức độ hài lòng của khách hàng (biến phụ thuộc). Phương trình hồi quy có dạng:
Y = α0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 +….+ βkXk Trong đó:
Y: Biến phụ thuộc, là biến phụ thuộc vào một hay nhiều biến khác. Trong đề tài biến phụ thuộc Y (Biến SHL theo mô hình nghiên cứu) sự hài lòng về chất lượng dịch vụ bảo dưỡng, sửa chữa xe ôtô tại công ty TNHH PHƯỚC ANH 3.
Các biến X1, X2,…, Xk là các biến độc lập là kết quả sau khi phân tích nhân tố khám phá EFA.
α0: hệ số chặn của hàm hồi quy
βi (với i = 1,2,3,4,5,…,k) :các tham số hồi quy, đo lường độ lớn và chiều hướng ảnh hưởng của biến độc lập đối với biến phụ thuộc.
- Theo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005) Hiệu số R2 > 0,5 mô hình đạt yêu cầu. Hệ số này cho biết được mức độ phù hợp mô hình. Trong nghiên cứu này thì tác giả sẽ chọn điều kiện R2 > 0,5 sẽ đạt yêu cầu.
- Giá trị Sig. của phân tích anova < 0,05 thì cho thấy bộ dữ liệu phù hợp cho phân tích hồi quy theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, (2005). Trong nghiên cứu này tác giả áp dụng điều kiện này để kiểm định bộ dữ liệu có phù hợp cho phân tích hồi quy không.
- Giá trị Sig. của kiểm định t phải nhỏ hơn 0,05 thì biến đó trong mô hình hồi quy có ý nghĩa trong thồng kê theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, (2005). Nếu biến độc lập nào có giá trị Sig. > 0,05 sẽ bị loại khỏi mô hình hồi quy.
- Giá trị của biến độc lập nào có giá trị WIF < 10 thì biến đó sẽ không làm cho mô hình hồi quy không bị đa cộng tuyến theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, (2005). Vì vậy trong nghiên cứu này nếu biến quan sát nào có giá trị WIF > 10 sẽ bị loại khỏi mô hình hồi quy.
- Nếu tất cả các kiểm định điều đạt yêu cầu thì tác giả tiến hành xây dựng mô hình hồi quy.
Nội dung của phần này nhằm kiểm định sự khác biệt giữa các biến định tính với biến định lượng, ví dụ có sự khác biệt về sự hài lòng dịch vụ ngân hàng A với các đối tượng khách hàng (như giới tính, độ tuổi, mức thu nhập...) hay không. Để thực hiện được điều này chúng ta tiến hành phân tích phương sai ANOVA và Indepent-sample T – test. Sự khác biệt có ý nghĩa thống kê với độ tin cậy 95% (hay mức ý nghĩa Sig.< 0.05).
* Kiểm định indepent-sample t – test: Cách thực hiện kiểm định này trong SPSS: Analysist/Compare Mean/Independent Samples T-Test/ Cho biến định lượng vào Test variable Biến định tính vào Grouping Varible Sau đó chọn Define Groups; lần lượt chọn giá trị đã gán cho 2 lựa chọn của biến định tính vào phần T-Test Đọc kết quả phân tích T-Test Kiểm tra kiểm định Levene's ở bảng Independent Samples Test Nếu sig. của kiểm định này < 0.05 thì phương sai giữa 2 lựa chọn của biến định tính ở trên khác nhau, ta sẽ sử dụng kết quả kiểm định T ở phần Equal variances not assumed. Nếu giá trị sig của kiểm định t ở phần Equal variances not assumed sig. > 0.05 thì kết luận kiểm định T không có sự khác biệt, còn Sig <= 0.05 thì kết luận có sự khác biệt giữa các nhóm của biến định tính. Nếu sig. của kiểm định này >=0.05 thì phương sai giữa 2 lựa chọn của biến định tính ở trên không khác nhau, ta sẽ sử dụng kết quả kiểm định T ở phần Equal variances assumed. Nếu giá trị sig của kiểm định t ở phần Equal variances not assumed sig. > 0.05 thì kết
luận kiểm định T không có sự khác biệt, còn Sig <= 0.05 thì kết luận có sự khác biệt giữa các nhóm của biến định tính.
* Phương pháp kiểm định Anova
Dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%.
Một số giả định khi phân tích ANOVA:
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
- Phương sai của các nhóm so sánh phải đồng nhất.
Lưu ý: nếu giả định tổng thể có phân phối chuẩn với phương sai bằng nhau không đáp ứng được thì bạn có thể dùng kiểm định phi tham số Kruskal-Wallis sẽ để thay thế cho ANOVA.
Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, (2005) thì kiểm định anova thực hiện thông qua hai bước:
Bước 1: Kiểm định Phương sai bằng nhau (Levene test) Levene test: Ho: “Phương sai bằng nhau”
Sig < 0.05: bác bỏ Ho
Sig >=0.05: chấp nhận Ho -> đủ điều kiện để phân tích tiếp anova Bước 2: Kiểm định ANOVA
Ho: “Trung bình bằng nhau”
Sig >0.05: chấp nhận Ho -> chưa đủ điều kiện để khẳng định có sự khác biệt…
* Đối với mục tiêu 3: Từ những kết quả phân tích thực trạng và kết quả phân tích số liệu, tác giả đề xuất một số giải pháp nhằm nâng cao chất lượng dịch vụ bảo dưỡng và sửa chữa xe ôtô tại công ty TNHH Phước Anh 3.
2.2.6 Quy trình nghiên cứu
Hình 2.2: Qui trình nghiên cứu
Qua hình 2.2 cho thấy nghiên cứu được thực hiện thông qua hai bước; nghiên cứu sơ bộ và nghiên cứu chính thức:
Nghiên cứu sơ bộ: Bước nghiên cứu này nhằm mục đích xây dựng phương pháp nghiên cứu bao gồm các phần mô hình nghiên cứu, xây dựng thang đo cho mô