Dữ liệu đầu tiên sẽ được phân tích mô tả để phân tích các thuộc tính mẫu nghiên cứu như: độ tuổi, trình độ, thu nhập hàng tháng, nghề nghiệp. Dữ liệu thu thập được xử lý bằng phần mềm SPSS sẽ tiến hành phân tích theo các bước:
Tác giả sử dụng phép phân tích mô tả (descriptives) trong phần mềm SPSS 22.0 để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin của đối tượng được khảo sát) gồm giới tính, độ tuổi, trình độ học vấn, nghề nghiệp và thu nhập hàng tháng.
- Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Phân tích Cronbach’s Alpha nhằm kiểm định độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha và loại bỏ những biến có tương quan biến tổng (Item-Total correlation) nhỏ.
Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1]. Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.70, 0.80]. Nếu Cronbach anpha >=0.60 là thang đo có thể chấp nhận được về mặt độ tin cậy. Về lý thuyết hệ số Cronbach’s Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, điều này không thực sự như vậy. Hệ số Cronbach’s Alpha quá lớn (α> 0.95) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường
(redundancy). Do đó, khi kiểm tra từng biến đo lường ta sử dụng thêm hệ số tương quan biến – tổng. Theo Nunnally & Bernstein (1994), nếu một biến đo lường có hệ số tương quan biến – tổng hiệu chỉnh (Corrected item-total correlation) lớn hơn hoặc bằng 0.3 thì biến đó đạt yêu cầu. (Nguyễn Đình Thọ, 2011, trang 251).
Như vậy, trong phân tích Cronbach’s Alpha thì ta sẽ loại bỏ những thang đo có hệ số nhỏ (α<0.6) và cũng loại những biến quan sát có hệ số tương quan biến tổng hiệu chỉnh nhỏ (<0.3) ra khỏi mô hình vì những biến quan sát này không phù hợp hoặc không có ý nghĩa đối với thang đo. Tuy nhiên, các biến không đạt yêu cầu nên loại hay không không chỉ đơn thuần nhìn vào con số thống kê mà còn phải xem xét giá trị nội dung của khái niệm (Nguyễn Đình Thọ, 2011, trang 354).
- Phân tích nhân tố khám phá EFA
Sau khi lọai bỏ các biến không đảm bảo độ tin cậy thông qua phân tích Cronbach’s Alpha, phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được sử dụng để xác định độ giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity) và đồng thời thu gọn các tham số ước lượng theo từng nhóm biến.
Các biến quan sát có trọng số λi (factor loading) nhỏ hơn 0.50 trong EFA sẽ tiếp tục bị loại bỏ để thang đo đạt được giá trị hội tụ. Để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn hoặc bằng 0.3 (λiA – λiB ≥0.3). Vấn đề loại bỏ biến có trọng số nhân tố thấp cần chú ý đến giá trị nội dung của biến đó đóng góp vào giá trị nội dung của khái niệm nó đo lường. Nếu λi không quá nhỏ, ví dụ λi =0.40 chúng ta không nên loại nó (Nguyễn Đình Thọ, 2011, trang 401-402).
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue – đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố. Số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue tối thiểu bằng 1 (≥ 1) và những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mô hình. Tiêu chuẩn phương sai trích (Variance explained criteria): tổng phương sai trích phải đạt từ 50% trở lên, nghĩa là phần chung phải lớn hơn phần riêng và phương sai (từ 60% trở lên được coi là tốt) (Nguyễn Đình Thọ, 2011, trang 393, 403).
Để xác định sự phù hợp khi sử dụng EFA thì người ta thường tiến hành dùng kiểm định Barlett và KMO:
- Kiểm định Bartlett: dùng để xem xét ma trận tương quan có phải là ma trận đơn vị (I) hay không. Kiểm định Barlett có ý nghĩa thống kê khi Sig< 0.05. Điều này chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
- Kiểm định KMO: KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan riêng phần của chúng (Nguyễn Đình Thọ, 2011, trích từ Norusis, 1994). Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Hệ số KMO phải đạt giá trị từ 0.5 trở lên (KMO ≥ 0.5) thể hiện phân tích là phù hợp. Hệ số KMO<0.5 thì không thể chấp nhận được (Nguyễn Đình Thọ, 2011, trang 397, trích từ Kaiser, 1974).
Tuy nhiên, thì trong thực tế, với sự hỗ trợ của các phần mềm xử lý thống kê SPSS và chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt yêu cầu thì vấn đề kiểm định Bartlett, KMO không còn ý nghĩa nữa vì chúng luôn luôn đạt yêu cầu (Nguyễn Đình Thọ, 2011, trang 397).
Trong nghiên cứu này, tác giả sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn hoặc bằng 1.
- Phân tích hồi quy bội
Sau khi tiến hành phân tích Cronbach’s Alpha và phân tích EFA, tác giả tiến hành phân tích hồi quy và kiểm định giả thuyết. Phân tích hồi quy xem xét hệ số xác định điều chỉnh nhằm khẳng định sự phù hợp của mô hình nghiên cứu. Và để kiểm tra hiện tượng đa cộng tuyến tác giả sử dụng hệ số phóng đại phương sai VIF (Variance Inflation Factor). Theo Hair &ctg 2006, thông thường VIF của một biến độc lập nào đó >10 thì biến này hầu như không có giá trị giải thích biến thiên của Y trong mô hình MLR (Nguyễn Đình Thọ, 2011, trang 497). Kế đến để xác định rõ mức độ ảnh hưởng của từng yếu tố tác động đến giá trị thương hiệu tác giả xem xét đến trọng số hồi qui chuẩn hóa. Biến thành phần nào có trọng số này càng lớn có nghĩa là biến đó có tác động mạnh vào biến tổng quan giá trị thương hiệu.
Giá trị của biến mới trong mô hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của biến đó, giá trị của các thành phần được phần mềm SPSS tính một cách tự động từ giá trị trung bình có trọng số của các biến quan sát đã được chuẩn hóa. Tuy nhiên trước khi tiến hành phân tích hồi qui, một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan tuyến tính giữa các biến trong mô hình.
Mô hình hồi qui tổng quát được biểu diễn dưới dạng:
- Yi = f(Xi) + εi = β0 + β1X1i + β2X2i + ... + βkXki + .... + βpXpi + εi. (2.1) - Các giả định để thực hiện hồi quy:
- (1) X, Y có quan hệ tuyến tính. - (2) Y là biến định lượng.
- (3) Các quan sát của Y độc lập nhau. - (4) Các giá trị Xi cố định.
- (5) X được đo lường không sai số. - (6) εi ~ N (με, σ2ε).
- (7) E(εi) = 0.
- (8) Var(εi) = σ2ε = hằng số. - (9) Cov (εi ,εj) = 0.
- (10) Cor (Xi, Xj) ≠ 1, ∀ i ≠ j.
Phân tích tương quan
Kiểm định mối tương quan tuyến tính giữa các biến trong mô hình, giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối quan hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mỗi tương quan tuyến tính càng chặt chẽ (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
+ Sig < 0.05: các biến đều tương quan với nhau và có ý nghĩa thống kê.
+ Xem hệ số tương quan của hai biến nào là lớn nhất: hai biến này có mối liên hệ khá chặt chẽ (thường là biến trung gian và biến phụ thuộc).
+ R < 0: tương quan nghịch, R > 0: tương quan thuận. + |R| 1: tương quan càng chặt chẽ.
Phân tích hồi qui bội
Nghiên cứu thực hiện hồi qui bội theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét kết quả thống kê liên quan đến các biến được đưa vào trong mô hình.
Kiếm định các giả thuyết, sử dụng phần mềm SPSS
Đánh giá độ phù hợp của mô hình hồi qui bội, R2, R2 có hiệu chỉnh. Kiểm định giả thuyết về độ phù hợp của mô hình.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi qui.
Xác định mức độ ảnh hưởng của các yếu tố tác động đến xu hướng lựa chọn các thương hiệu du lịch. Yếu tố có hệ số β lớn hơn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.
+ R2: tỷ lệ biến đổi của biến phụ thuộc được giải thích bằng tất cả các biến độc lập. R2>=0.25: tương quan khác chặt chẽ.
+ R2 hiệu chỉnh: Các biến độc lập giải thích được khoảng bao nhiêu % phương sai của biến phụ thuộc.
+ Giá trị Sig < 0.05: cho thấy các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% => các biến độc lập trong mô hình có quan hệ với biến phụ thuộc.
+ Kiểm định hiện tượng đa cộng tuyến: Theo Hair và các cộng sự (2006), nếu VIF (Variance Inflation Factors) của biến độc lập nào đó >10 thì biến này hầu như không có giá trị giải thích biến thiên của Y trong mô hình hồi qui bộ. Tuy nhiên trong thực tế nếu VIF > 2 thì cần thận trọng trong giải thích các biến hồi qui.
Tóm tắt chương 3
Chương 3 đã trình bày chi tiết về phương pháp thực hiện nghiên cứu. Quá trình nghiên cứu gồm nghiên cứu định tính và nghiên cứu định lượng. Nghiên cứu định tính được thực hiện thông qua thảo luận nhóm, từ đó hình thành bảng câu hỏi chính thức cho nghiên cứu định lượng. Chương 3 cũng trình đầy đủ về thiết kế nghiên cứu định lượng gồm: thiết kế bảng câu hỏi, thiết kế mẫu, phương pháp thu thập, xử lý và phân tích dữ liệu.
KẾT QUẢ NGHIÊN CỨU
Chương 3 đã trình bày về phương pháp nghiên cứu đưa ra để kiểm định thang đo và các giả thuyết đã đặt ra. Chương 4 sẽ trình bày kết quả kiểm định mô hình nghiên cứu đề xuất, thang đo và các giả thuyết đưa ra từ mô hình. Nội dung chính của chương 4 gồm các thành phần như sau:
- Mô tả của mẫu nghiên cứu
- Kiểm định độ tin cậy của thang đo (Cronbach Alpha) - Phân tích nhân tố khám phá EFA
- Mô hình hồi quy tuyến tính bội
Nghiên cứu sử dụng phần mềm SPSS 23.0 để xử lý và phân tích dữ liệu.
KẾT QUẢ NGHIÊN CỨU 4.1.1. Mô tả mẫu nghiên cứu
Theo Comrey và Lee (1992) cho rằng phải có tối thiểu 150 câu trả lời hợp lệ để đạt được một đánh giá hợp lý và lấy mẫu chính xác với mức độ tin cậy là 95 phần trăm và khoảng tin cậy là 5 phần trăm. Để đảm bảo độ tin cậy và chuẩn xác các khái niệm, nghiên cứu dự kiến sẽ khảo sát khoảng 200 quan sát.
Tác giả đã gửi đi 200 bảng khảo sát đến các khách hàng cá nhân gửi tiền tại Vietinbank Bảo Lộc bao gồm Hội sở Bảo Lộc, PGD Đạ Tẻh, PGD Di Linh, PGD Hoà Ninh, PGD Lộc Phát, PGD Bảo Lâm. Kết quả thu về được:
+ 12 bảng câu hỏi không trả lời vì đối tượng khảo sát này chưa gửi tiền tại Vietinbank Bảo Lộc, họ chỉ đưa người thân đến giao dịch.
+ 6 bảng câu hỏi thu về là không hợp lệ vì có rất nhiều phát biểu không được đánh dấu.
4.1.2. Thống kê mẫu dữ liệu
Với phương pháp chọn mẫu thuận tiện - phi xác suất với 200 bảng câu hỏi khảo sát được gửi phỏng vấn trực tiếp với khách hàng chỉ còn 182 bảng câu là đầy đủ thông tin và được sử dụng cho việc phân tích dữ liệu trong nghiên cứu này.
Bảng 4.1: Phân bố theo mẫu giới tính
Tiêu chí Tần số ( người ) Tỷ lệ (%) Giới tính Nam 77 42.3 Nữ 105 57.7 Tổng cộng 182 100.0 Nguồn: Tác giả, 2019
Về giới tính, mặc dù lấy mẫu thuận tiện nhưng tỷ lệ nam là 79 khách hàng chiếm tỷ lệ 42,3% và tỷ lệ nữ chiếm tỷ lệ 57,7% trong 182 mẫu.
Bảng 4.2: Phân bố theo độ tuổi
Tiêu chí Tần số ( người ) Tỷ lệ (%) Độ tuổi Dưới 25 tuổi 13 7.1 Từ 25 đến 35 tuổi 45 24.7 Từ 36 tuổi đến 45 tuổi 77 42.3 Từ 46 tuổi trờ lên 47 25.8 Tổng cộng 182 100.0 Nguồn: Tác giả, 2019
Về độ tuổi thì độ tuổi của các mẫu khảo sát được trải rộng từ dưới 25 tuổi đến trên 46 tuổi, trong đó tập trung chủ yếu từ 36 tuổi đến 45 tuổi chiếm tỷ lệ 42,3%.
Bảng 4.3: Phân bố theo mẫu học vấn
Tiêu chí Tần số ( người ) Tỷ lệ (%) Trình độ học vấn Trung cấp trở xuống 90 49.5 Cao đẳng 60 33 Đại học 23 12.6
Sau đại học 9 4.9
Tổng cộng 182 100.0
Nguồn: Tác giả, 2018
Về trình độ học vấn theo kết quả thống kê có 182 người trình độ trung cấp trở xuống có 90 khách hàng chiếm tỷ lệ 49,5%, 60 người trình độ cao đẳng chiếm tỷ lệ 33%, 23 người trình độ đại học chiếm tỷ lệ 12,6 % và 9 người có trình độ sau đại học chiếm tỷ lệ 4,9%.
Bảng 4.4: Phân bố theo mẫu nghề nghiệp
Tiêu chí Tần số ( người ) Tỷ lệ (%) Nghề nghiệp CBCNV 36 19.8 Kinh doanh 39 21.4 Về hưu 20 11 Khác 87 47.8 Tổng cộng 182 100.0 Nguồn: Tác giả, 2019
Về nghề nghiệp, trong 182 mẫu khảo sát thì nghề nghiệp có tỷ lệ cao nhất là công việc khác là 87 khách hàng chiếm tỷ lệ 47,8%, tiếp theo là khách hàng kinh doanh là 39 khách hàng chiếm tỷ lệ 21,4% và các đối tượng về hưu và nghề nghiệp khác chiếmtỷ lệ 11%
Bảng 4.5: Phân bố theo mẫu thu nhập
Tiêu chí Tần số ( người ) Tỷ lệ (%) Thu nhập Dưới 10 triệu 98 53.8 Từ 10 đến 20 triệu 67 36.8 Trên 20 triệu 17 9.3 Tổng cộng 182 100.0 Nguồn: Tác giả, 2019
Về thu nhập, kết quả cho thấy trong 182 mẫu khảo sát có 98 người mức thu nhập dưới 10 triệu đồng/tháng có 67 khách hàng chiếm tỷ lệ 36,8%, thu nhập từ 10
triệu đến dưới 20 triệu đồng/tháng có 17 người chiếm tỷ lệ 9,3%, thu nhập trên 20 triệu đồng
4.1.3. Đánh giá thang đo
Như trong chương 3, thang đo của 06 yếu tố được xây dựng gồm 30 biến quan sát như sau:
+ Nhanh chóng và an toàn (NACT1, NACT2, NACT3, NACT4, NACT5) + Chiêu thị (CT1, CT2, CT3, CT4, CT5)
+ Nhận biết thương hiệu (NBTH1, NBTH2, NBTH3, NBTH4, NBTH5) + Ảnh hưởng của người thân (AHNT1, AHNT2, AHNT3, AHNT4, AHNT5) + Lợi ích tài chính (LITC1, LITC2, LITC3, LITC4, LITC5)
+ Phong cách phục vụ (PCPV1, PCPV2, PCPV3, PCPV4, PCPV5)
Và thang đo biến quyết định gửi tiền được đo lường bằng 03 biến quan sát (được mã hoá thành QD1, QD2, QD3).
Các thang đo trên được đánh giá thông qua 2 công cụ chính đó là: hệ số tin cậy Cronbach’s Alpha và Phân tích yếu tố khám phá EFA.
4.1.3.1. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Bảng 4.6: Thang đo Nhận biết Thương hiệu Item-Total Statistics
Giá trị trung bình nếu xoá biến
Phương sai nếu xoá biến
Hệ số tương quan biến tổng
Cronbach’s Alpha khi xoá
biến NBTH1 9.47 9.808 .620 .792 NBTH2 9.42 9.395 .580 .801 NBTH3 9.37 8.611 .672 .774 NBTH4 9.49 9.069 .628 .787 NBTH5 9.58 9.051 .606 .794 Cronbach's Alpha = 0.825
Bảng 4.7: Thang đo Lợi ích tài chính
Giá trị trung bình nếu xoá biến
Phương sai nếu xoá biến
Hệ số tương quan biến tổng
Cronbach’s Alpha khi xoá biến
LITC1 9.77 9.571 .838 .909 LITC2 9.74 9.488 .810 .914 LITC3 9.73 9.480 .803 .916 LITC4 9.75 9.281 .804 .916 LITC5 9.67 9.371 .817 .913 Cronbach's Alpha = 0.930 Nguồn: Phụ lục 3
Bảng 4.8: Thang đo Chiêu Thị
Giá trị trung bình nếu xoá biến
Phương sai nếu xoá biến
Hệ số tương quan biến tổng
Cronbach’s Alpha khi xoá biến
CT1 8.80 4.767 .640 .741 CT2 8.79 4.965 .545 .766 CT3 8.49 4.285 .622 .739 CT4 8.53 4.350 .575 .756 CT5 8.48 4.384 .528 .774 Cronbach's Alpha = 0.794 Nguồn: Phụ lục 3
Bảng 4.9: Thang đo Ảnh hưởng người thân
Giá trị trung bình nếu xoá biến
Phương sai nếu xoá biến
Hệ số tương quan biến tổng
Cronbach’s Alpha khi xoá biến
AHNT1 15.34 12.600 .765 .915 AHNT2 15.37 12.333 .829 .903 AHNT3 15.45 12.348 .794 .909 AHNT4 15.46 12.084 .829 .902 AHNT5 15.45 11.939 .801 .908 Cronbach's Alpha = 0.925 Nguồn: Phụ lục 3