1.6.2.1 Phương pháp thống kê mô tả
Thống kê mô tả (Descriptive statistics): là phương pháp tổng hợp và xử lý dữ liệu để biến đổi dữ liệu thành thông tin. Thể hiện qua biểu diễn dữ liệu: dùng bảng biểu, đồ thị và tổng hợp dữ liệu: tính các tham số mẫu như trung bình mẫu, phương sai mẫu, trung vị.
1.6.2.2 Phương pháp kiểm định Cronbach’s Alpha
Độ tin cậy của thang đo được đánh giá qua hệ số Cronbach’s Alpha. Hệ số Cronbach’s Alpha được sử dụng trước để loại các biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu. Theo Nunnally (1978) và Peterson (1994), thang đo được đánh giá chấp nhận và tốt đòi hỏi đồng thời 2 điều kiện:
+ Hệ số Cronbach’s Alpha của tổng thể > 0.6. Theo Peterson (1994) thì hệ số Cronbach’s Anpha phải từ 0.7 trở lên, thậm chí là từ 0.77 thì thang đo được xem là tin cậy và hiệu quả. Tuy nhiên, đối với “Trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu” thì hệ số Cronbach’s Alpha từ 0.6 trở lên là cho phép đảm bảo độ tin cậy và chấp nhận được (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
+ Hệ số tương quan qua biến tổng (Corrected Item – Total Correlation) > 0.3. Với 2 điều kiện trên thang đo được đánh giá chấp nhận là tốt. Nếu hệ số Cronbach’s Alpha < 0.6 thì lựa chọn loại biến quan sát để đạt tiêu chuẩn.
1.6.2.3 Phương phân tích nhân tố pháp EFA
Phân tích nhân tố EFA (Exploratory Factor Analysis) là một kỹ thuật nhằm thu nhỏ và tóm tắt các dữ liệu để xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu.
Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay nhân tố Varimax là cách thức được sử dụng phổ biến nhất. Do đó, nghiên cứu này cũng sử dụng phương pháp trích Pricipal Components Analysis với phép ma trận xoay nhân tố Varimax trong phân tích nhân tố EFA.
Các tiêu chuẩn trong kiểm định EFA là: Thước đo hệ số tải nhân tố (Factor Loading): + Factor Loading ≥ 0.3: cỡ mẫu ít nhất là 350.
+ Factor Loading ≥ 0.55: cỡ mẫu khoảng 100 đến 350. + Factor Loading ≥ 0.75: cỡ mẫu khoảng 50 đến 100.
(Theo Hair & ctg (1998, 111), Multivariate Data Analysis, Prentice – Hall International)
Hệ số KMO (Kaiser – Meyer – Olkin) phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) thể hiện phân tích nhân tố là phù hợp (Hair & ctg, 1998). Cụ thể là KMO >= 0.9 (rất tốt), KMO >= 0.8 (tốt), KMO >= 0.7 (chấp nhận), KMO >= 0.6 (tạm chấp nhận), KMO >= 0.5 (không tốt), KMO < 0.5 (không chấp nhận).
Kiểm định Bartlett (Barlett’s test) có ý nghĩa thống kê (sig. < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Hệ số tải nhân tố (Factor Loading) là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA ≥ 0.5.
Theo Gerbing và Anderson (1988) thì các thang đo của mô hình chỉ được chấp nhận khi tổng phương sai trích (Total Variance Explained) đạt giá trị từ 50% trở lên. Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) > 1 thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.
1.6.2.4 Phương pháp phân tích hồi quy
Phương pháp phân tích hồi quy cho phép rút ra phương trình hồi quy cuối cùng bao gồm các nhân tố tác động mạnh nhất đến chất lượng dịch vụ tại nhà hàng The LOG.
Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc và các biến độc lập. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và cho biết các biến độc lập giải thích được bao nhiêu phần trăm (%) biến thiên của biến phụ thuộc.
Hàm hồi quy tổng thể:
Yi = β0 + β1*X1 + β2*X2 + β3*X3+ β4*X4 +…. + βn*Xn
Phương pháp phân tích được lựa chọn là phương pháp Enter.
Đánh giá mức độ phù hợp của mô hình (mức độ giải thích) bằng hệ số R2 (hay R2 hiệu chỉnh) cho biết mức độ phù hợp của mô hình.
Tiêu chuẩn chấp nhận sự phù hợp của mô hình tương quan hồi quy là: + Kiểm định F phải có giá trị Sig. < 0.05
+ Tiêu chuẩn chấp nhận các biến có giá trị là Tolerance > 0.0001
+ Đại lượng chuẩn đoán hiện tượng đa cộng tuyến với hệ số phóng đại phương sai VIF (Variance Inflation Factor) < 10
Hệ số Durbin Watson dùng để kiểm định tự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất) có giá trị biến thiên trong khoảng từ 0 đến 4, nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3), nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
TÓM TẮT CHƯƠNG 1
Trong chương này tác giả đã khái quát các vấn đề cơ bản về dịch vụ, đặc tính dịch vụ, chất lượng cũng như chất lượng dịch vụ trong lĩnh vực kinh doanh ăn uống. Bên cạnh đó, tác giả còn trình bày về đặc điểm chất lượng dịch vụ và ý nghĩa Của việc nâng cao chất lượng dịch vụ trong kinh doanh ăn uống.
Ngoài ra, tác giả cũng đề cập về dịch vụ kinh doanh ăn uống và lịch sử hình thành của nó. Khái niệm nhà hàng và quy trình phục vụ một số loại hình tiệc trong một nhà hàng.
Với đề tài là nâng cao chất lượng dịch vụ tại nhà hàng The LOG – GEM Cen- ter (PQC), các lý thuyết về chất lượng dịch vụ và các mô hình liên quan đến chất lượng dịch vụ được sử dụng. Trong đó, nhận thấy các biến trong mô hình Servqual có sự hợp lý cao nên tác giả đã chọn làm mô hình đề xuất. Các yếu tố được chọn bao gồm: độ tin cây, tính đáp ứng, năng lực phục vụ, tác phong, sự tín nhiệm, thấu hiểu khách hàng, phương tiện hữu hình. Tuy nhiên, từ mô hình sẵn có tác giả đã khái quát lại để phù hợp với điều kiện thực tế gồm các yếu tố: chất lượng sản phẩm, đội ngũ nhân viên và không gian.
Mô hình này sẽ được áp dụng vào việc phân tích chất lượng dịch vụ tại nhà hàng The LOG trong chương 2. Bên cạnh đó, tác giả cũng sơ lược về lịch sử phát triển phần mềm, chức năng cũng như các tiêu chí tác giả sẽ sử dụng để đánh giá trên phần mềm.
Chương 2 THỰC TRẠNG VỀ CHẤT LƯỢNG DỊCH VỤ TẠI NHÀ HÀNG THE LOG – GEM CENTER (PQC)