Nghiên cứu định lượng (nghiên cứu chính thức)

6. Tổng quan đề tài nguyên cứu

2.2. THIẾT KẾ NGHIÊN CỨU

2.2.6. Nghiên cứu định lượng (nghiên cứu chính thức)

a. Nghiên cứu dựa trên đặc điểm mẫu nghiên cứu

- Đặc điểm mẫu nghiên cứu theo độ tuổi - Đặc điểm mẫu nghiên cứu theo giới tính

- Đặc điểm mẫu nghiên cứu theo thời gian sử dụng

- Đặc điểm mẫu nghiên cứu theo loại thuê bao trả trước hay trả sau - Đặc điểm mẫu nghiên cứu theo gói cước

b. Phương pháp thu thập thơng tin và cỡ mẫu

Do nội dung nghiên cứu của đề tài là nghiên cứu sự hài lòng của khách hàng nên phư ng pháp thu thập thông tin được sử dụng trong đề tài này là phư ng pháp điều tra ý kiến của khách hàng.

Hiện nay theo nhiều nhà nghiên cứu vấn đề kích thước mẫu là bao nhiêu, như thế nào là đủ lớn vẫn chưa xác định rõ ràng. H n nữa kích thước mẫu cịn tùy thuộc vào phư ng pháp ước lượng sử dụng trong nghiên cứu cụ thể. Theo một số nghiên cứu, tính đại diện của số lượng mẫu được lựa chọn khảo sát sẽ thích hợp nếu kích thước mẫu là 5 mẫu cho một ước lượng. Mơ hình nghiên cứu trong luận văn gồm có 22 biến quan sát. Do đó, số lượng mẫu cần thiết cho đề tài 5 * 22 = 110 mẫu trở lên. Để đảm bảo kích thước mẫu cho đề tài, khoảng 350 bảng câu hỏi được gửi đi phỏng vấn.

c. Tổ chức thu thập dữ liệu

Quá trình phát phiếu theo phư ng pháp thuận tiện, phiếu được phát trực tiếp, qua email, qua mạng xã hội. Số phiếu phát ra 350 phiếu điều tra, với mong muốn nhận được phiếu thu về là 340 phiếu, tỉ lệ hồi đáp dự kiến là 97.1%.

d. Xử lý dữ liệu

20.0 để tiến hành phân tích. Để phịng ngừa việc nhập dữ liệu bị sai, sót hay thừa, cần phải tiến hành kiểm tra. Việc lập tần số cho tất cả các biến sẽ giúp rà soát được các giá trị lạ hoặc phát hiện các sai, sót hay thừa trong q trình nhập liệu. Một số phư ng pháp phân tích dữ liệu được sử dụng trong nghiên cứu này gồm: thống kê mơ tả, kiểm tra phân phối chuẩn, phân tích độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha, phân tích nhân tố khám phá (EFA), phân tích hồi quy tuyến tính bội, kiểm định t nhân tố độc lập (Dependent Samples T-Test) và phân tích phư ng sai (ANOVA), như sau:

- Kiểm tra phân phối chuẩn của các biến quan sát

Dữ liệu sau khi được khai báo biến vào phần mềm SPSS, ngoài việc thống kê mô tả các biến đặc điểm của khách hàng với thang đo định danh, thì việc cần thiết đầu tiền phải làm là kiểm tra số liệu của các biến quan sát với thang đo khoảng có phải thuộc phân phối chuẩn hay không, nếu là phân phối chuẩn mới thực hiện những bước phân tích tiếp theo. Có nhiều cách để nhận biết một phân phối chuẩn trong SPSS, đ n giản nhất là xem biểu đồ với đường cong chuẩn (Histograms with normal curve) với dạng hình chng đối xứng với tần số cao nhất nằm ngay giữa và các tần số thấp dần nằm ở 2 bên. Trị trung bình (mean) và trung vị (mediane) gần bằng nhau và độ xiên (skewness) gần bằng zero. Tác giả chọn cách này để kiểm tra phân phối chuẩn trong nghiên cứu.

- Phân tích độ tin cậy của thang đo (Cronbach’s Alpha)

Hệ số Cronbach’s Alpha được sử dụng để đo lường độ tin cậy của thang đo các nhân tố, kiểm định mức độ chặt chẽ của các mục hỏi trong thang đo tư ng quan với nhau nhằm loại ra các biến quan sát không đảm bảo độ tin cậy trong thang đo. Tiêu chí kiểm định:

+ Những biến có hệ số tư ng quan biến tổng phù hợp (Corrected Item – Total Correlation) lớn h n 0,3

+ Hệ số Cronbach’s Alpha phải từ 0,6 trở lên và lớn h n hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted).

Thỏa mãn 2 điều kiện trên thì các biến phân tích được xem là chấp nhận và thích hợp đưa vào phân tích những bước tiếp theo (Jum C.Nunnally & Ira

H.BernStein (1994), “Pschychometric Theory”, McGraw Hill)

- Phân tích nhân tố khám phá (EFA)

Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha và loại đi các biến khơng đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phư ng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.

Trong phân tích nhân tố khám phá, trị số KMO (Kaiser - Meyer - Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ h n 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Ngồi việc cần phải quan tâm đến kết quả của KMO, tác giả còn quan tâm đến kiểm định Bartlett: Kiểm định Bartlett xem xét giả thiết Ho: Độ tư ng quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa trong thống kê (Sig ≤ 0,05) thì các biến quan sát có tư ng quan với nhau trong tổng thể.

Ngoài ra, phân tích nhân tố cịn dựa vào Eigenvalue để xác định số lượng nhân tố. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ h n 1sẽ khơng có tác dụng tóm tắt thơng tin tốt h n một biến gốc. Theo tiêu chuẩn Kaiser, chỉ những nhân tố có Eigenvalue lớn h n 1 thì mới được giữ lại trong mơ hình và tiêu chuẩn phư ng sai trích (Variance explained criteria) là tổng phư ng sai trích phải lớn h n 50%.

Một phần quan trọng trong kết quả phân tích nhân tố là ma trận nhân tố sau (Rotated Component Matrix) chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Sau khi xoay các nhân tố thì được ma trận xoay nhân tố (Rotated Component Matrix) để nhận diện những nhân tố khác nhau dễ dàng h n.

Hệ số tải nhân tố (Factor Loading): là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố khám phá, những hệ số này biểu diễn tư ng quan giữa các biến và các nhân tố, việc lựa chọn giá trị của phân tích này phụ thuộc vào cỡ mẫu quan sát và mục đích của nghiên cứu.

Bảng 2.5. Hệ số tải và kích thước mấu theo Hair và cộng sự

Hệ số tải Kích cở mẫu cần thiết để đảm bảo ý nghĩa thống kê

0,30 350 0,35 250 0,40 200 0,45 150 0,50 120 0,55 100 0,60 85 0,65 70 0,70 60 0,75 50 (Nguồn: Hair và cộng sự (2009)) Nghiên cứu này, tác giả sử dụng phư ng pháp trích nhân tố (Principal components) và xoay nguyên góc nhân tố (Varimax).

Bên cạnh đó, sự chênh lệch hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn h n 0,3 để đảm bảo tính phân biệt giữa các nhân tố, nếu trong ma trận xoay xuất hiện một biến quan sát tải lên ở cả 2 nhân tố mà giá

trị chênh lệch hệ số tải dưới 0,3 thì biến đó bị loại (Jabnoun & Al-Tamimi

“Measuring perceived service quality at UAE commercial banks”, International Journal of Quality and Reliability Management, 2003).

- Phân tích hồi quy bội

Sau khi thang đo đánh giá các yếu tố tác động đến sự hài lòng của khách hàng đã được xử lý, tác giả phân tích hồi quy để thấy được mối quan hệ giữa các thành phần tác động đến sự hài lòng của khách hàng sử dụng dịch vụ mạng Mobifone tại Đà Nẵng.

Phân tích hồi quy đa biến được sử dụng để phân tích mối quan hệ giữa biến phụ thuộc và các biến độc lập. Mục tiêu của việc phân tích hồi quy đa biến là mơ tả hình thức của mối liên hệ, qua đó giúp dự báo giá trị biến phụ thuộc khi biết trước giá trị của các biến độc lập. Mức ý nghĩa được xác lập cho các kiểm định và phân tích là 5% (độ tin cậy 95%).

Phư ng pháp phân tích được chọn là phư ng pháp đưa vào một lượt (enter), đây là phư ng pháp sử dụng rộng rãi nhất.

Trong nghiên cứu này, tác giả chọn dùng phư ng trình hồi quy chuẩn hóa vì:

- Trong phư ng trình hồi quy chuẩn hóa thì các biến độc lập đã được quy về cùng một đ n vị, cịn phýõng trình hồi quy chưa chuẩn hóa thì các biến giữ ngun đ n vị gốc của mình.

- Phư ng trình hồi quy chuẩn hóa mang ý nghĩa kinh tế nhiều h n là phư ng trình hồi quy chưa chuẩn hóa. Căn cứ vào phư ng trình hồi quy chuẩn hóa, nhà quản trị có thể xác định được các yếu tố nào có tầm ảnh hưởng đến biến phụ thuộc nhất thông qua hệ số hồi quy chuẩn hóa, yếu tố nào ít ảnh hưởng để đề ra các sách lược đầu tư một cách hợp lý nhất. Cịn phư ng trình hồi quy chưa chuẩn hóa mang ý nghĩa tốn học nhiều h n khi chỉ phản ánh sự thay đổi của biến phụ thuộc khi từng biến độc lập thay đổi trong điều

kiện các biến độc lập còn lại phải cố định.

Trước khi phân tích kết quả hồi quy ta thực hiện các kiểm định về độ phù hợp của hàm hồi quy, kiểm định ý nghĩa của các hệ số hồi quy và đặc biệt là kiểm định các giả định của hàm hồi quy. Tiêu chuẩn kiểm định như sau:

- Adjusted R square: Hệ số R2 hiệu chỉnh đánh giá phần biến động của biến phụ thược được giải thích bởi các biến dự báo hay biến độc lập, giao động từ 0 đến 1. Hệ số này phải lớn h n 50%.

- Hệ số Durbin – Watson: kiểm tra hiện tượng tự tư ng quan bậc nhất. Tra bảng thống kê Durbin – Watson với N biến quan sát để tìm dL, dU và hệ số k là số biến độc lập. Tiến hành kiểm tra sự tự tư ng quan, nếu “dU < Trị số Durbin - Watson < 4 – dL” thì mơ hình khơng có hiện tượng tự tư ng quan bậc nhất.

- Kiểm định F: thể hiện mơ hình nghiên cứu trên mẫu có thể suy luận ra tổng thể hay khơng, giá trị này phải có giá trị SigF < 0,05 thì mơ hình nghiên cứu mới có ý nghĩa suy ra tổng thể.

- Hệ số hồi quy chuẩn hóa phải có giá trị Sig < 0,05 thì hệ số hồi quy mới có ý nghĩa, cịn nếu sig > 0,05 thì hệ số hồi quy khơng có ý nghĩa nên cần loại bỏ nhân tố này ra khỏi mơ hình.

- Hệ số phóng đại phư ng sai VIF (Variance Inflation Factor): Đại lượng kiểm tra hiện tượng đa cộng tuyến. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005): “quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của Đa cộng tuyến”. Tuy nhiên cũng có một số tài liệu đưa ra điều kiện VIF < 4 hoặc thậm chí là < 2.

- Kiểm định phần dư: tiêu chí là kiểm định phần dư có phân phối chuẩn để phù hợp với phân phối chuẩn của phư ng pháp phân tích hồi quy bội.

- Kiểm định t mẫu độc lập (Independent Samples T-Test) và phân tích phương sai (ANOVA)

Để kiểm tra có sự đánh giá khác nhau giữa các khách hàng có đặc điểm khác nhau đối với các thang đo trong mơ hình nghiên cứu sự hài lòng của khách hàng đối với dịch vụ mạng Mobifone tại Đà Nẵng hay không tác giả sử dụng kiểm định t mẫu độc lập (T-Test và phân tích phư ng sai (ANOVA).

Giả thiết đặt ra là: H0: Khơng có sự khác biệt giữa các khách hàng có đặc điểm về: Giới tính (Q1); Độ tuổi (Q2); Trình độ học vấn (Q3); Nghề nghiệp (Q4); Loại hình dịch vụ thuê bao mà khách hàng đang sử dụng (Q5); Cước phí dịch vụ viễn thơng di động trung bình trên tháng mà khách hàng phải chi trả (Q6); và Thời gian sử dụng dịch vụ mạng viễn thông di động Mobifone của khách hàng (Q7) trong việc đánh giá mức độ hài lòng đối với từng biến quan sát với mức ý nghĩa để bác bỏ H0 là 5% (Sig<0,05).

Đối với kiểm định t biến độc lập, ta cần dựa vào kết quả kiểm định của 2 phư ng sai tổng thể (kiểm định Levene) để kiểm tra mức độ đồng đều hoặc không đồng đều (độ phân tán) của dữ liệu quan sát. Nếu giá trị Sig trong kiểm định Levene (kiểm định F)<0,05 thì phư ng sai của 2 tổng thể khác nhau, ta sử dụng kết quả kiểm định t ở dòng phư ng sai diễn tả mức độ không đồng đều (Equal variances not assumed). Còn nếu giá trị Sig trong kiểm định Levene (kiểm định F)≥0,05 thì phư ng sai của 2 tổng thể không khác nhau, ta sử dụng kết quả kiểm định t ở dòng phư ng sai diễn tả mức độ đồng đều (Equal variances assumed).

Đối với phân tích phư ng sai, ta cần dựa vào kết quả kiểm định sự bằng nhau của các phư ng sai nhóm (Homogeneity Of Variance Test), nếu kết quả giá trị Sig của kiểm định này từ 0,05 trở lên tức là phư ng sai đồng đều thì ta đọc kết quả phân tích phư ng sai trong bảng ANOVA và đọc bảng kết quả của bảng kiểm định LSB của phân tích chuyên sâu ANOVA (Post Hoc) cho các cặp biến có phư ng sai đồng nhất để kết luận giả thiết H0. Trong trường hợp ngược lại, kết quả giá trị Sig nhỏ h n 0,05 tức là phư ng sai không đồng

đều thì ta đọc kết quả của bảng kiểm định Tamhane’s T2 của phân tích Post Hoc cho các cặp biến có phư ng sai khơng đồng nhất để kết luận giả thiết H0. Dựa vào kết quả có gắn (*) trong cột giá trị trung bình của sự khác biệt (Mean Difference) (I-J) để kết luận có sự đánh giá mức độ hài lòng cao h n của 2 nhóm khách hàng tư ng ứng hàng ngang khi mean(I-J) có gia trị dư ng và kết luận ngược lại khi mean(I-J) có giá trị âm.

- Kết quả nghiên cứu

Căn cứ vào phư ng trình hồi quy tuyến tính chuẩn hóa có được, phân tích các bêta chuẩn hóa của các nhân tố cịn lại trong mơ hình để xác định sự ảnh hưởng như thế nào của từng nhân tố sự hài lòng của khách hàng đối với dịch vụ mạng Mobifone tại thành phố Đà Nẵng.

Bên cạnh đó, từ kết quả của kiểm định t nhân tố độc lập (Independent Samples T-Test) phân tích phư ng sai ANOVA, đánh giá sự khác nhau giữa các khách hàng có đặc điểm khác nhau với các thang đo trong mơ hình nghiên cứu sự hài lòng của khách hàng đối với dịch vụ mạng Mobifone tại Đà Nẵng hay không.

Thống kê mơ tả giá trị mode các nhân tố cịn lại trong mơ hình chuẩn hóa để làm c sở cho những hàm ý chính sách cho nhà quản trị Mobifone.

KẾT LUẬN CHƯƠNG 2

Trong chư ng 2, tác giả đã tiến hành đánh giá tổng quan về Công ty Dịch vụ Mobifone khu vực 3 cũng như tình hình hoạt động cung cấp dịch vụ và kết quả hoạt động kinh doanh trong thời gian qua.

Ngoài việc đánh giá tổng quan thì tác giả tiến hành trình bày phư ng pháp nghiên cứu qua 2 bước: nghiên cứu định tính và nghiên cứu định lượng. Trong nghiên cứu định tính tác giả tiến hành thảo luận nhóm, phỏng vấn chuyên gia có thâm niên trong lĩnh vực viễn thông và tiến hành thảo luận khách hàng truyền thống để hiểu chỉnh thang đo ban đầu cho phù hợp. Đồng thời, tác giả tiến hành mô tả nghiên cứu định lượng với kích thước mẫu tối thiểu là 350 mẫu nhằm thảo mãn yêu cầu của kỹ thuật phân tích nhân tố khám phá (EFA), kỹ thuật phân tích hồi quy bội, bên cạnh đó tác giả cịn kiểm tra độ tin cậy của từng thang đo với hệ số Cronbach’s Alpha và phân tích chuyên sâu với các kiểm định t nhân tố độc lập (Independent Samples T-Test) cùng phân tích phư ng sai (ANOVA). Ngồi ra, trong chư ng này tác giả trình bày phư ng pháp phân tích, trình bày dữ liệu, mơ tả kích thước mẫu và thống kê mô tả để sử dụng trong quá trình nghiên cứu định lượng.

CHƯƠNG 3

KẾT QUẢ NGHIÊN CỨU HÀI LÕNG CỦA

KHÁCH HÀNG ĐỐI VỚI DỊCH VỤ VIỄN THÔNG DI ĐỘNG MOBIFONE TẠI ĐÀ NẴNG