1984)
3.3. PHÂN TÍCH THANG ĐO
3.3.1. Cronbach’s alpha
Hệ số Cronbach’s alpha là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tƣơng quan giữa các biến quan sát. Điều này liên quan đến
hai khía cạnh là tƣơng quan giữa bản thân các biến và tƣơng quan của các điểm số của từng biến với điểm số toàn bộ các biến của mỗi ngƣời trả lời.
Phƣơng pháp này cho phép ngƣời phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu vì nếu không chúng ta không thể biết đƣợc chính xác độ biến thiên cũng nhƣ độ lỗi của các biến. Theo đó, chỉ những biến có Hệ số tƣơng quan tổng biến phù hợp (Corrected Item-Total Correlation) lớn hơn 0.3 và có Hệ số Alpha lớn hơn 0.6 mới đƣợc xem là chấp nhận đƣợc và thích hợp đƣa vào phân tích những bƣớc tiếp theo (Nunnally và BernStein, 1994). Cũng theo nhiều nhà nghiên cứu, nếu Cronbach’s alpha đạt từ 0,8 trở lên thì thang đo lƣờng là tốt và mức độ tƣơng quan sẽ càng cao hơn.
Bảng 3.8: Kết quả phân tích Cronbach’s Alpha
Case Processing Summary
N %
Cases Valid 101 98.1
Excludeda 2 1.9
Total 103 100.0
Listwise deletion based on all variables in the procedure.
Reliability Statistics
Cronbach's Alpha N of Items
.807 20 Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item-Total Correlation
Cronbach's Alpha if Item Deleted
STT02 71.77 40.978 .333 .802 SHH01 72.26 44.373 .025 .815 SHH02 71.54 38.390 .481 .792 SHH03 71.99 41.430 .366 .800 SHH04 72.33 43.982 .074 .813 PCPV01 72.01 41.910 .325 .802 PCPV02 71.64 39.712 .582 .788 PCPV03 71.57 39.387 .547 .789 PCPV04 71.90 40.930 .324 .802 DMHH01 71.67 38.402 .537 .788 DMHH02 72.06 43.016 .170 .809 TXKH01 72.18 42.508 .221 .807 TXKH02 72.14 42.141 .248 .806 TXKH03 71.61 39.419 .567 .788 TCTG01 71.52 38.152 .649 .782 STN01 71.51 39.432 .474 .793 STN02 71.80 40.260 .478 .793 HADN01 71.53 39.331 .534 .790 HADN02 72.27 42.618 .255 .805
Trong toàn bộ mẫu bao gồm 103 nhƣng do bị lỗi 2 nên mẫu còn lại 101. Trong biểu Reliability Statistics cho thấy hệ số Cronbach’s Alpha = 0.807, điều đó cho phép khẳng định rằng mức độ nhất quán bên trong giữa 20 chỉ báo của 8 biến là cao.
Về nhân tố PHONG CÁCH PHỤC VỤ, cả 34 biến quan sát đều có Hệ số tƣơng quan tổng biến phù hợp >0.3 nên đƣợc lựa chọn.
Về nhâ tố SỰ THUẬN TIỆN, biến quan sát STT01 không đạt yêu cầu về Hệ số tƣơng quan tổng biến phù hợp 0.154<0.3 nên bị loại, biến còn lại có Hệ số tƣơng quan tổng biến phù hợp.
Về nhân tố SỰ HỮU HÌNH, biến quan sát SHH01 và SHH04 Hệ số tƣơng quan tổng biến <0.3 nên bị loại, hai biến còn lại đều có Hệ số tƣơng quan tổng biến >0.3 nên có thể dùng để phân tích nhân tố.
Về nhân tố DANH MỤC HÀNG HÓA, biến quan sát DMHH02 không đạt yêu cầu về Hệ số tƣơng quan tổng biến phù hợp 0.170<0.3 nên bị loại, các biến còn lại đều có Hệ số tƣơng quan tổng biến phù hợp >0.3 và Hệ số Alpha đạt 0.537 có thể dùng để phân tích nhân tố.
Về nhân tố TIẾP XÚC KHÁCH HÀNG, 2 biến TXKH01 và TXKH02 đều có Hệ số tƣơng quan tổng biến phù hợp <0.3 nên bị loại và biến còn lại có Hệ số Alpha 0.567 nên thỏa điều kiện đƣa vào phân tích nhân tố.
Về nhân tố SỰ TÍN NHIỆM, 2 biến quan sát đều có Hệ số tƣơng quan tổng biến phù hợp >0.3 nên thích hợp cho việc phân tích nhân tố
Về nhân tố TÍNH CẠNH TRANH VỀ GIÁ, biến đo lƣờng thỏa điều kiện về phân tích độ tin cậy (Hệ số tƣơng quan tổng biến phù hợp >0.3 và Hệ số Alpha đạt 0.649) nên đƣợc đƣa vào phân tích nhân tố.
Về nhân tố HÌNH ẢNH DOANH NGHIỆP, biến quan sát HADN02 có Hệ số tƣơng quan tổng biến phù hợp 0.285<0.3 nên bị loại, biến còn lại đạt yêu cầu về Hệ số tƣơng quan tổng biến phù hợp >0.3 và Hệ số Alpha 0.534 nên phù hợp đƣa vào phân tích nhân tố
Nhƣ vậy, có tất cả 13 biến của 8 thang đo đƣa vào phân tích nhân tố so với 20 biến quan sát điều tra ban đầu của 8 thang đo (7 biến bị loại).
3.3.2. Phân tích nhân tố
Phân tích nhân tố (Exploratory Factor Analysis) là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên
hệ qua lại lẫn nhau đƣợc xem xét dƣới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ đƣợc tính một tỷ số gọi là Hệ số tải nhân tố (factor loading). Hệ số này cho ngƣời nghiên cứu biết đƣợc mỗi biến đo lƣờng sẽ “thuộc về” những nhân tố nào.
Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser-Meyer –Olkin (KMO) phải có giá trị lớn (0,5<KMO<1) thể hiện phân tích nhân tố là thích hợp, còn nếu hệ số KMO <0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Thêm vào đó, hệ số tải nhân tố của từng biến quan sát phải có giá trị lớn hơn 0,45, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố) lớn hơn 1 (mặc định của chƣơng trình SPSS), và tổng phƣơng sai dùng để giải thích bởi từng nhân tố lớn hơn 50% mới thỏa yêu cầu của phân tích nhân tố (Gerbing & Anderson, 1988). Khi tiến hành phân tích nhân tố, tác giả đã sử dụng phƣơng pháp trích (Extraction method) là Principal Axis factoring với phép xoay (Rotation) Promax.và phƣơng pháp tính nhân tố là phƣơng pháp Regression.
Bảng 3.9: Kết quả phân tích nhân tố
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.835
Bartlett's Test of Sphericity Approx. Chi-Square 391.143
Df 78
Sig. .000
Kiểm định Barlett và đo lƣờng sự thích hợp của dữ liệu (MSA):
Kết quả phân tích cho thấy, giá trị KMO = 0.835 > 0.5, kiểm định Barlett có Chi-square = 391.143, df = 78 nên p(chi-square,df) = 0.000 < 0.5. Đồng thời, đo lƣờng sự tƣơng thích của dữ liệu (MSA) với tất cả các giá trị trên đƣờng chéo đều lớn hơn 0.5 nên khẳng định dữ liệu là thích hợp để phân tích nhân tố.
3.4. MÔ HÌNH NGHIÊN CỨU TỔNG QUÁT 3.4.1. Mô hình nghiên cứu 3.4.1. Mô hình nghiên cứu
Sau khi tiến hành phân tích dữ liệu thu thập đƣợc thông qua các bƣớc phân tích độ tin cậy Cronbach’s Alpha, và phân tích nhân tố, mô hình nghiên cứu đƣợc điều chỉnh gồm 6 biến độc lập (Phong cách phục vụ, Sự thuận tiện, Sự tín nhiệm, Sự hữu hình, Hình ảnh doanh nghiệp, và Tính cạnh tranh về giá) để đo lƣờng biến phụ thuộc là Sự hài lòng của khách hàng. Cả 6 biến này đều tác động và làm tăng/giảm sự hài lòng của khách hàng với các thang đo và mô hình nghiên cứu tổng quát sẽ đƣợc hiệu chỉnh nhƣ sau:
Hình 3.1: Mô hình nghiên cứu tổng quát điều chỉnh
Sự hài lòng của khách hàng Sự thuận tiện Sự hữu hình Phong cách phục vụ Hình ảnh doanh nghiệp Tính cạnh tranh về giá Sự tín nhiệm
3.4.2. Các giả thuyết
Ho: Sự thuận tiện càng nhiều thì sự hài lòng càng cao H1: Sự hữu hình càng tốt thì khách hàng càng hài lòng H2: Phong cách phục vụ càng tốt thì sự hài lòng càng tăng
H3: Tính cạnh tranh về giá càng cao thì khách hàng càng hài lòng H4: Sự tín nhiệm càng cao thì khách hàng sẽ càng hài lòng
H5: Hình ảnh doanh nghiệp càng tốt thì sự hài lòng khách hàng càng tăng
3.5. KIỂM ĐỊNH MÔ HÌNH NGHIÊN CỨU 3.5.1. Phân tích tƣơng quan hệ số pearson 3.5.1. Phân tích tƣơng quan hệ số pearson
Ngƣời ta sử dụng một số thống kê có tên là Hệ số tƣơng quan Pearson để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng. Nếu giữa 2 biến có sự tƣơng quan chặt thì phải lƣu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Trong phân tích tƣơng quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều đƣợc xem xét nhƣ nhau.
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tƣơng quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hƣớng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R square vẫn khá cao. Trong quá trình phân tích hối quy bội, đa cộng tuyến đƣợc SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
Xem xét ma trận tƣơng quan giữa các biến độc lập, ta thấy nhân tố HÌNH ẢNH DOANH NGHIỆP có tƣơng quan mạnh với hầu hết các nhân tố độc lập trong mô hình. Kế tíếp, nhân tố SỰ TÍN NHIỆM có tƣơng quan đáng kể với các nhân tố còn lại. 2 Nhân tố TÍNH CẠNH TRANH GIÁ VÀ DANH
MỤC HÀNG HÓA cũng có sự tƣơng quan cao với các nhân tố khác lớn hơn 0.3 do đó cần loại bỏ 4 nhân tố này khỏi mô hình phân tích.
Ngoài ra, nhân tố SỰ HÀI LÒNG cũng có sự tƣơng quan tuyến tính rất chặt chẽ với tất cả 8 biến độc lập (SỰ THUẬN TIỆN, SỰ HỮU HÌNH, PHONG CÁCH PHỤC VỤ, TIẾP XÚC KHÁCH HÀNG, DANH MỤC HÀNG HÓA, SỰ TÍN NHIỆM, HÌNH ẢNH DOANH NGHIỆP, VÀ TÍNH CẠNH TRANH VỀ GIÁ). Nhƣ vậy, giữa các biến độc lập với nhau có sự tƣơng quan tuyến tính yếu đều có hệ số Pearson <0,3 (ngoại trừ cặp PHONG CÁCH PHỤC VỤ và SỰ HỮU HÌNH; PHONG CÁCH PHỤC VỤ VÀ TIẾP XÚC KHÁCH HÀNG) do đó thỏa điều kiện để đƣa vào phân tích hồi quy và tính đa cộng tuyến của hai cặp biến PCPV và SHH và PCPV và TXKH cần đƣợc chú ý đến.
Bảng 3.10: Kết quả phân tích hệ số tương qua Pearson
Correlations STT SHH PCPV DMHH TXKH TCTG STN HADN SHL STT Pearson Correlation 1 .291** .289** .138 .185 .189 .205* .326** .483** Sig. (2-tailed) .003 .003 .170 .065 .058 .040 .001 .000 N 101 101 101 101 101 101 101 101 101 SHH Pearson Correlation .291** 1 .523** .462** .339** .466** .551** .475** .718** Sig. (2-tailed) .003 .000 .000 .001 .000 .000 .000 .000 N 101 101 101 101 101 101 101 101 101 PCPV Pearson Correlation .289** .523** 1 .356** .450** .534** .460** .376** .677** Sig. (2-tailed) .003 .000 .000 .000 .000 .000 .000 .000 N 101 101 101 101 101 101 101 101 101 DMH H Pearson Correlation .138 .462** .356** 1 .489** .511** .481** .417** .719** Sig. (2-tailed) .170 .000 .000 .000 .000 .000 .000 .000 N 101 101 101 101 101 101 101 101 101 TXKH Pearson Correlation .185 .339** .450** .489** 1 .581** .372** .409** .694** Sig. (2-tailed) .065 .001 .000 .000 .000 .000 .000 .000 N 101 101 101 101 101 101 101 101 101
TCTG Pearson Correlation .189 .466** .534** .511** .581** 1 .550** .529** .790** Sig. (2-tailed) .058 .000 .000 .000 .000 .000 .000 .000 N 101 101 101 101 101 101 101 101 101 STN Pearson Correlation .205* .551** .460** .481** .372** .550** 1 .489** .727** Sig. (2-tailed) .040 .000 .000 .000 .000 .000 .000 .000 N 101 101 101 101 101 101 101 101 101 HAD N Pearson Correlation .326** .475** .376** .417** .409** .529** .489** 1 .735** Sig. (2-tailed) .001 .000 .000 .000 .000 .000 .000 .000 N 101 101 101 101 101 101 101 101 101 SHL Pearson Correlation .483** .718** .677** .719** .694** .790** .727** .735** 1 Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000 .000 N 101 101 101 101 101 101 101 101 101
**. Correlation is significant at the 0.01 level (2- tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
3.5.2. Phân tích hồi quy
Hình 3.2: Mô hình nghiên cứu điều chỉnh
Sự hài lòng của khách hàng Sự thuận tiện Sự hữu hình Phong cách phục vụ Tiếp xúc khách hàng
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (SỰ HÀI LÒNG) và các biến độc lập (PHONG CÁCH PHỤC VỤ, SỰ THUẬN TIỆN, SỰ HỮU HÌNH và TIẾP XÚC KHÁCH HÀNG). Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp ta dự đoán đƣợc mức độ của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập. Phƣơng pháp phân tích đƣợc chọn lựa là phƣơng pháp chọn từng bƣớc Stepwise với tiêu chuẩn vào PIN là 0,05 và tiêu chuẩn ra POUT là 0,1. Kết quả phân tích đƣợc thể hiện nhƣ sau:
a. Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Hệ số xác định R2 đã đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình (4 biến).Tuy nhiên, mô hình thƣờng không phù hợp với dữ liệu thực tế nhƣ giá trị R2 (0,833) thể hiện. Trong tình huống này, R2 điều chỉnh từ R2 đƣợc sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến (0,826) vì nó không phụ thuộc vào độ lệch phóng đại của R2. So sánh 2 giá trị R2 và R2 điều chỉnh, chúng ta sẽ thấy R2 điều chỉnh nhỏ hơn và dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. Nhƣ vậy, với R2 điều chỉnh là 0,826 cho thấy sự tƣơng thích của mô hình với biến quan sát là rất lớn và biến phụ thuộc Sự hài lòng của khách hàng gần nhƣ hoàn toàn đƣợc giải thích bởi 4 biến độc lập trong mô hình.
b. Kiểm định độ phù hợp của mô hình
Kiểm định F sử dụng trong phân tích phƣơng sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp của các biến độc lập. Nhìn vào kết quả ta thấy rằng trị thống kê F 119.324 đƣợc tính từ giá trị R2 đầy đủ khác 0, giá trị sig. rất nhỏ cho thấy mô hình sử dụng là phù hợp và các
Thêm vào đó, tiêu chí Collinearity diagnostics (chuẩn đoán hiện tƣợng đa cộng tuyến) với hệ số phóng đại phƣơng sai VIF (Variance inflation factor) của các biến độc lập trong mô hình đều <2 (1.1-1.59) thể hiện tính đa cộng tuyến của các biến độc lập là không đáng kể và các biến trong mô hình đƣợc chấp nhận.
Sau cùng, hệ số Durbin Watson dùng để kiểm định tƣơng quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sử dụng phƣơng pháp hồi quy bội vì giá trị d đạt đƣợc là 1.748 và chấp nhận giả thuyết không có sự tƣơng quan chuỗi bậc nhất trong mô hình. Nhƣ vậy, mô hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
c. Giải thích phương trình
Từ bảng phân tích hồi quy, ta thấy mối quan hệ giữa biến phụ thuộc Sự hài lòng của khách hàng và 4 biến độc lập đƣợc thể hiện trong phƣơng trình sau: SHL = 1.118STT + 2.578SHH + 1.798PCPV + 2.229TXKH Trong đó: SHL : Sự hài lòng STT : Sự thuận tiện SHH : Sự hữu hình PCPV : Phong cách phục vụ TXKH: Tiếp xúc khách hàng
Theo phƣơng trình hồi quy ở trên cho thấy Sự hài lòng của khách hàng có quan hệ tuyến tính dƣơng với cả 4 nhân tố Sự thuận tiện (Hệ số Beta chuẩn hóa là 1.118), Sự hữu hình (Hệ số Beta chuẩn hóa là 2.578), Phong cách phục vụ (Hệ số Beta chuẩn hóa là 1.798), và Tiếp xúc khách hàng (Hệ số Beta chuẩn hóa là 2.229). Tất cả các giá trị Sig. = p(t) tƣơng ứng với các biến STT,
SHH, PCPV, TXKH đều 0.000<<0.05. Do vậy, có thể khẳng định các biến số này có ý nghĩa trong mô hình.
Cũng phải nói thêm rằng các hệ số Beta chuẩn hóa đều >0 cho thấy các biến độc lập tác động thuận chiều với Sự hài lòng khách hàng. Kết quả này cũng khẳng định các giả thuyết nêu ra trong mô hình nghiên cứu (H0-H5) đƣợc chấp nhận và đƣợc kiểm định phù hợp. Nhƣ vậy, Công ty phải nỗ lực cải tiến những nhân tố này để nâng cao sự hài lòng của khách hàng.
Bảng 3.11: Kết quả hồi quy mô hình
Model Summaryb