7. Tổng quan tài liệu
2.2.2. Nghiên cứu chính thức
Phƣơng pháp phân tích định lƣợng đƣợc sử dụng để đo lƣờng ảnh hƣởng các yếu tố cấu thành giá trị thƣơng hiệu đến ý định mua của khách hàng trong giai đoạn nghiên cứu chính thức
Triển khai nghiên cứu thông qua công cụ là Bảng câu hỏi chính thức ( đƣợc trình bày tại phụ lục 7)
Quy mô mẫu : mẫu với 200 quan sát theo phƣơng pháp chọn mẫu ngẫu nhiên
Tổ chức thu thập dữ liệu: Tiếp cận và phát bảng câu hỏi trực tiếp cho những ngƣời đã từng sử dụng các sản phẩm sữa Abbott các bệnh viện nhi, siêu thị và cửa hàng trong thời gian từ ngày 21/7/2015 đến 31/08/2015
Phân tích dữ liệu: Dữ liệu thu thập đƣợc nhập và xử lý bằng phần mềm SPSS 20.0. Qua đó thực hiện các công cụ tính toán và kiểm định nhƣ sau:
- Thống kê mô tả: Mô tả mức độ đồng ý của ngƣời tiêu dùng theo thang đo với các biến quan sát đã đƣa ra, thuộc các yếu tố: nhận thức thƣơng hiêu, liên tƣởng thƣơng hiệu, chất lƣợng cảm nhận, lòng trung thành thƣơng hiệu và ý định mua
- Phân tích độ tin cậy : Kiểm định độ tin cậy của thang đo qua hệ số Cronbach Alpha để loại các biến không phù hợp, hệ số tƣơng quan biến tổng thấp làm cho hệ số Cronbach Alpha không đạt yêu cầu
- Phân tích nhân tố EFA: Phân tích nhân tố khám phá là một phƣơng pháp thống kê đƣợc sử dụng để phân tích mối liên hệ tác động qua lại giữa một số lƣợng lớn các biến và giải thích các biến này dƣới dạng các nhân tố ẩn. Đây là kỹ thuật đƣợc sử dụng nhằm thu gọn và tóm tắt các dữ liệu.Trong phân tích nhân tố khám phá, trị số KMO (Kaiser – Meyer – Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (0.5 < KMO < 1) có ý nghĩa là phân tích nhân tố thích hợp, còn nếu giá trị này nhỏ hơn 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 nhân tố) lớn hơn 1 và tổng phƣơng sai dùng để giải thích bởi nhân tố lớn hơn 50% mới thỏa yêu cầu của phân tích nhân tố (Gerbing & Anderson, 1988).
- Phân tích hồi quy là phƣơng pháp thống kê nghiên cứu mối liên hệ của một biến ( biến phụ thuộc hay biến đƣợc giải thích) với một hay nhiều biến khác ( biến độc lập hay biến giải thích). Mục đích của phân tích hồi quy là ƣớc lƣợng giá trị của biến phụ thuộc trên cơ sở biến giá trị của các biến độc lập đã cho. Phân tích tƣơng quan là đo cƣờng độ kết hợp giữa các biến, cho phép đánh giá mức độ chặt chẽ của sự phụ thuộc giữa các biến.
định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%.Ví dụ: Phân tích sự khác biệt giữa các thuộc tính khách hàng (giới tính, tuổi, thu nhập…) đối với ý định mua hàng. Trong đó, Các nhóm so sánh phải độc lập và đƣợc chọn một cách ngẫu nhiên và phải có phân phối chuẩn or cỡ mẫu phải đủ lớn để đƣợc xem nhƣ tiệm cận phân phối chuẩn. Bên cạnh đó, phƣơng sai của các nhóm so sánh phải đồng nhất.