Dữ liệu sau khi thu thập được sẽ dược làm sạch bằng cách loại bỏ những phiếu điều tra không hợp lệ và được xử lý bằng phần mềm SPSS 22
Phân tích dữ liệu được thực hiện qua các phương pháp : (1) Thống kê mô tả, (2) Phân tích Cronbach’s Alpha, (3) Phân tích nhân tố EFA, (4) Phân tích tương quan, (5) Phân tích hồi quy, (6) Phân tích ANOVA
Thống kê mô tả (Descriptive statistics): là các phương pháp sử dụng để tóm tắt hoặc mô tả việc thu thập số liệu, tóm tắt, trình bày, tính toán và mô tả các đặc trưng khác nhau để phản ánh một cách tổng quát các đối tượng nghiên cứu. Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mô tả và thống kê suy luận cùng cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Để hiểu được các hiện tượng và ra quyết định đúng đắn, cần nắm được các phương pháp cơ bản của mô tả dữ liệu.
3.3.2 Phân tích Cronbach’s Alpha
Kiểm định độ tin cậy thang đo Cronbach’s Alpha là phép kiểm định phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố. Nó cho biết trong các biến quan sát của một nhân tố, biến nào đã đóng góp vào việc đo lường khái niệm nhân tố. Kết quả Cronbach’s Alpha của nhân tố tốt thể hiện rằng các biến quan sát đo lường nhân tố là hợp lý, thể hiện được đặc điểm của nhân tố mẹ.
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).
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 (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Khi đánh giá độ tin cậy của thang đo, ta cần xem xét các tiêu chuẩn sau:
- 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).
- 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) (Nunnally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
- Giá trị hệ số Cronbach’s Alpha (Nguồn: Hoàng Trọng, Chu Nguyễn Mộng Ngọc, Phân tích dữ nghiên cứu với SPSS):
Từ 0.8 đến gần bằng 1: thang đo lường rất tốt;
Từ 0.7 đến gần bằng 0.8: thang đo lường sử dụng tốt; Từ 0.6 trở lên: thang đo lường đủ điều kiện.
3.3.3 Phân tích nhân tố EFA
Trước khi kiểm định lý thuyết khoa học thì cần phải đánh giá độ tin cậy và giá trị của thang đo. Phương pháp Cronbach’s Alpha dùng để đánh giá độ tin cậy của thang đo. Còn phương pháp phân tích nhân tố EFA (Exploratory Factor Analysis) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
EFA dùng để rút gọn một tập X biến quan sát thành một tập F (F < X) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
Những tiêu chí trong phân tích EFA :
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Nếu Factor loading > 0.3 được xem là đạt mức tối thiểu • Nếu Factor loading > 0.4 được xem là quan trọng
• Nếu Factor loading > 0.5 được xem là có ý nghĩa thực tiễn
Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Kiểm định Bartlett là một đại lượng thống kê được dùng để xem xét giả thuyết các biến không có tương
quan trong tổng thể. Trong trường hợp kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Phần trăm phương sai trích (Percentage of variance) > 50%: Nó thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích.
3.3.4 Phân tích tương quan
Phân tích tương quan là một phép phân tích được sử dụng là thước đo độ lớn của các mối liên hệ giữa các biến định lượng trong nghiên cứu. Thông qua thước đo này, người nghiên cứu có thể xác định mối liên hệ tuyến tính giữa các biến độc lập, phụ thuộc trong nghiên cứu.
Tương quan Pearson r có giá trị dao động trong khoản giá trị [-1;1] (lưu ý, hệ số r chỉ có ý nghĩa khi Sig. < 0.05):
Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
Nếu r càng tiến về 0: tương quan tuyến tính càng yếu. Nếu r = 1: tương quan tuyến tính tuyệt đối
Nếu r = 0: không có mối tương quan tuyến tính. Lúc này sẽ có 2 tình huống xảy ra. Một, không có một mối liên hệ nào giữa 2 biến. Hai, giữa chúng có mối liên hệ phi tuyến.
3.3.5 Phân tích hồi quy
Đây là một phương pháp thống kê mà giá trị kỳ vọng của một hay nhiều biến ngẫu nhiên được dự đoán dựa vào điều kiện của các biến ngẫu nhiên (đã tính toán) khác. Cụ thể, có hồi quy tuyến tính, hồi quy logic, hồi quy Poisson và học có giám sát. Phân tích hồi quy không chỉ là trùng khớp đường cong (lựa chọn một đường cong mà vừa khớp nhất với một tập điểm dữ liệu), nó còn phải trùng khớp với một
mô hình với các thành phần ngẫu nhiên và xác định (deterministic and stochastic components). Thành phần xác định được gọi là bộ dự đoán (predictor) và thành phần ngẫu nhiên được gọi là phần sai số (error term).
Là một phân tích thống kê để xác định xem các biến độc lập (biến thuyết minh) quy định các biến phụ thuộc (biến được thuyết minh) như thế nào. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán được giá trị của biến phụ thuộc khi biết trước giá trị của biến độc lập.
3.3.6 Phân tích ANOVA
Phân tích ANOVA (analysis of variance) hay còn gọi là phương pháp phương sai là phương pháp thống kê để phân tích tổng quy mô biến thiên của biến số phụ thuộc (tổng đó tổng quy mô biến thiên được định nghũa là tổng các độ lệch bình phương so với số bình quân của nó) thành nhiều phần và mỗi phần được quy cho sự biến thiên của một biến giải thích cá biệt hay một nhóm các biến giải thích. Phần còn lại không thể quy cho biến nào được gọi là sự biến thiên không giải thích được hay phần dư. Phương pháp này được dùng để kiểm định giả thuyết 0 nhằm xác định xem các mẫu thu được có được rút ra từ cùng một tổng thể không. Kết quả kiểm định cho chúng ta biết các mẫu thu được có tương quan với nhau hay không.
Một số giả định khi phân tích ANOVA:
- Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên. - 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 có thể dùng kiểm định phi tham số Kruskal-Wallis sẽ để thay thế cho ANOVA.
Kết quả kiểm định gồm hai phần:
Phần 1: Levene test: dùng kiểm định phương sai bằng nhau hay không giữa các nhóm
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
Phần 2: ANOVA test: Kiểm định ANOVA
Ho: “Trung bình bằng nhau”
Sig <= 0.05: bác bỏ Ho => đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc
Sig > 0.05: chấp nhận Ho => chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc
Khi có sự khác biệt thì có thể phân tích sâu hơn để tìm ra sự khác biệt như thế nào giữa các nhóm quan sát bằng các kiểm định Tukey, LSD, Bonferroni. Kiểm định sâu ANOVA gọi là kiểm định Post-Hoc.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VỀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN SỰ HÀI LÒNG CỦA KHÁCH HÀNG ĐỐI VỚI SẢN PHẨM CỦA
CÔNG TY CỔ PHẦN LƯU LIỀN 4.1 Thông tin chung về mẫu nghiên cứu
4.1.1 Giới tính
Đối tượng điều tra là toàn bộ khách hàng của CTCP Lưu Liền, trong thời gian từ tháng giữa 2/2021 đến cuối 3/2021. Trong khoảng thời gian khảo sát đã
được tổng 170 khách hàng tham gia và có 165 phiếu hợp lệ về sự hài lòng của khách hàng đối với sản phẩm của CTCP Lưu Liền
Bảng 4.1: Biểu đồ giới tính
Trong 165 phiếu khảo sát hợp lệ, có 116 phiếu (chiếm 70.3%) là giới tính nam và có 49 phiếu (chiếm 29.7%) là giới tính nữ. Như vậy, trong bài khảo sát này tỷ lệ khách hàng có giới tính nam sử dụng sản phẩm của Lưu Liền chiếm đa số. Chênh lệch giữa giới tính nữ thấp hơn giới tính nam.
4.1.2 Độ tuổi
Đối tượng điều tra trong bài khảo sát này là những người có độ tuổi từ 20 đến 35 tuổi, từ 36 đến 50 tuổi, và từ 50 tuổi trở lên. Những người có độ tuổi này là những người đã và đang sử dụng sản phẩm của CTCP Lưu Liền.
29.7%
Bảng 4.2: Biểu đồ độ tuổi
Trong 165 phiếu khảo sát hợp lệ, độ tuổi sử dụng sản phẩm của Lưu Liền từ 20 đến 35 tuổi là 23 người chiếm 13.9%, từ 36 đến 50 tuổi là 139 người chiếm 84.2%, số tuổi trên 50 tuổi là 3 người chiếm 1.8%. Như vậy, số khách hàng tham gia khảo sát có độ tuổi từ 36 đến 50 tuổi là chiếm đại đa số, khách hàng có độ tuổi từ 20 đến 35 tuổi có số lượng kha khá, còn độ tuổi từ 50 trở lên tham gia vào cuộc khảo sát rất ít, không đáng kể.
4.1.3 Nghề nghiệp
Đối tượng trong bài khảo sát này là những khách hàng đã và đang sử dụng sản phẩm của Lưu Liền có các nghề nghiệp như: Lao động phổ thông, nhân viên văn phòng, chủ doanh nghiệp và nghề nghiệp khác.
13.9% 84.2% 1.8% 24.8% 17.6% 40% 17.6% Bảng 4.3: Biểu đồ nghề nghiệp
Trong 165 phiếu khảo sát hợp lệ thì có số lượng khách hàng sử dụng sản phẩm là lao động phổ thông có 41 người chiếm 24.8%, số lượng khách hàng sử dụng sản phẩm là nhân viên văn phòng có 29 người chiếm 17.6%, số lượng khách hàng sử dụng sản phẩm là chủ doanh nghiệp có 66 người chiếm 40%, số lượng khách hàng sử dụng sản phẩm có nghề nghiệp khác có 29 người chiếm 17.6%. Như vậy, qua số liệu khảo sát được có thể thấy số lượng khách hàng là chủ doanh nghiệp chiếm đa số, số khách hàng là lao động phổ thông, nhân viên văn phòng, nghề nghiệp khác chiếm số lượng tương đương nhau không đáng kể.
4.1.4 Thu nhập
Đối tượng điều tra trong bài khảo sát này là những khách hàng đã và đang sử dụng sản phẩm của Lưu Liền gồm những khách hàng có các thu nhập khác nhau như: dưới 10 triệu đồng, từ 10 triệu đồng đến 20 triệu đồng và trên 20 triệu đồng.
Bảng 4.4: Biểu đồ thu nhập
Trong số 165 phiếu khảo sát hợp lệ thì số khách hàng có thu nhập dưới 10 triệu đồng là 5 người chiếm 3%, số khách hàng có thu nhập từ 10 triệu đồng đến 20 triệu đồng là 96 người chiếm 58.2%, số khách hàng có thu nhập từ 20 triệu đồng trở lên là 64 người chiếm 38.8. Như vậy số khách hàng có thu nhập từ 10 triệu đồng đến 20 triệu đồng chiếm đa số khách hàng của Lưu Liền, số khách hàng có thu nhập trên 20 triệu đồng cũng chiếm số lượng tương đối, còn lại là số khách hàng có thu nhập dưới 10 triệu chiếm số lượng rất ít, không đáng kể.
58.2% 38.8%
4.2 Đánh giá thang đo
4.2.1 Đánh giá thang đó bằng hệ số tin cậy Cronbach’s Alpha
Cronbach (1951) đưa ra hệ số tin cậy cho thang đo. Chú ý, hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không, chứ không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại.
Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]. Về lý thuyết, hệ số này càng cao càng tốt. Tuy nhiên, điều này không hoàn toàn chính xác bởi nếu hệ số Cronbach’s Alpha quá lớn (khoảng từ 0.95 trở lên) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang đo.
Các tiêu chuẩn trong kiểm định độ tin cậy thang đo Cronbach's Alpha:
- Nếu một biến đo lường có hệ số tương quan biến tổng Corrected Item – Total Correlation ≥ 0.3 thì biến đó đạt yêu cầu
- Giá trị hệ số Cronbach’s Alpha:
Từ 0.8 đến gần bằng 1: thang đo lường rất tốt;
Từ 0.7 đến gần bằng 0.8: thang đo lường sử dụng tốt; Từ 0.6 trở lên: thang đo lường đủ điều kiện.
- Ngoài ra, cũng cần chú ý đến giá trị của cột Cronbach's Alpha if Item Deleted, cột này biểu diễn hệ số Cronbach's Alpha nếu loại biến đang xem xét. Mặc dù đây không phải là một tiêu chuẩn phổ biến để đánh giá độ tin cậy thang đo, tuy nhiên, nếu giá trị Cronbach's Alpha if Item Deleted lớn hơn hệ số Cronbach Alpha của nhóm thì chúng ta nên cân nhắc xem xét biến quan sát này tùy vào từng trường hợp.
4.2.1.1 Thang đo giá cả
- Chạy lần 1: Thang đo giá cả gồm 5 biến quan sát tương ứng là GC1, GC2, GC3, GC4, GC5. Qua phân tích hệ số Cronbach’s Alpha, cho thấy Cronbach’s Alpha = 0.734 > 0.6 nên thang đo đạt yêu cầu. Có 4 biến quan sát trên đều có hệ số tương quan tổng biến (Corrected Item – Total Correlation) phù hợp lớn hơn 0.3, ngoại trừ biến GC3 có hệ số tương quan biến tổng là 0.113 < 0.3. Do đó ta tiến hành loại biến GC3 và chạy lại lần 2.
Reliability Statistics Cronbach's Alpha N of Items .734 5 Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item-Total Correlation Cronbach's Alpha if Item Deleted GC1 16.12 1.656 .488 .697 GC2 16.05 1.759 .616 .643 GC3 16.18 2.211 .113 .840 GC4 16.07 1.739 .679 .623 GC5 16.05 1.784 .823 .598
Hình 4.5 Kết quả Cronbach’s Alpha cho thang đo giá cả lần 1
- Chạy lần 2: Thang đo giá cả gồm 4 biến quan sát tương ứng là GC1, GC2, GC4, GC5. Qua phân tích hệ số Cronbach’s Alpha, cho thấy Cronbach’s Alpha = 0.840 > 0.6 nên thang đo đạt yêu cầu. Có 4 biến quan sát trên đều có hệ số tương quan tổng biến (Corrected Item – Total Correlation) phù hợp lớn hơn 0.3. Do đó,