3.3.1. Phƣơng pháp mẫu nghiên cứu
3.3.1.1. Phƣơng pháp chọn mẫu
Vì giới hạn về thời gian, nguồn lực và ngân sách thực hiện, đề tài quyết định lựa chọn phƣơng pháp chọn mẫu phi xác suất và hình thức chọn mẫu là chọn mẫu thuận tiện.
3.3.1.2. Quy mô mẫu
Theo Hair et al. (đƣợc trích dẫn bởi Đinh Phi Hổ, 2014), đối với đề tài sử dụng mô hình phân tích nhân tố khám phá thì kích thƣớc mẫu đƣợc xác định dựa vào (i) Mức tối thiểu và (ii) Số lƣợng biến đƣa vào phân tích của mô hình. Cụ thể:
Mức tối thiểu: 50
Pj: Số biến quan sát của thang đo thứ j (j = 1 đến t)
k: Tỷ lệ của số quan sát so với biến quan sát (5/1 hoặc 10/1) Quy mô mẫu (n) đòi hỏi là:
∑
Nhƣ vậy, kích thƣớc mẫu tổi thiếu của luận văn là:
n = số biến quan sát*5 Với số biến quan sát là 38 biến, nhƣ vậy ta có quy mô mẫu:
n = 38*5 = 190 (DNTM)
Để nâng tính tin cậy đồng thời phòng trƣờng hợp số phiếu khảo sát thu về không đủ số lƣợng hoặc không đảm bảo yêu cầu, tác giả quyết định tăng n = 250 (DNTM)
phƣơng pháp nghiên cứu định tính và định lƣợng). Trong đó, phƣơng pháp nghiên cứu định tính gồm các giai đoạn:
- Tổng kết lý thuyết và các nghiên cứu về chất lƣợng dịch vụ; dịch vụ khách hàng - Sử dụng kỹ thuật thảo luận nhóm tập trung nhằm vừa khám phá vừa khẳng định các thành phần chất lƣợng dịch vụ khách hàng, cùng các biến quan sát đo lƣờng những thành phần này trên cơ sở dàn bài thảo luận do tác giả soạn thảo.
- Nghiên cứu định lƣợng đƣợc thực hiện nhằm đánh giá độ tin cậy và giá trị (hội tụ và phân biệt) của các thang đo các thành phần chất ảnh hƣởng đến sự hài lòng; kiểm định mô hình lý thuyết và các giả thuyết nghiên cứu về sự hài lòng của DNTM.
Kết quả dữ liệu định lƣợng sẽ đƣợc xử lý bằng SPSS
3.3.2. Phƣơng pháp điều tra
Tác giả sẽ tiến hành phát bảng hỏi cho các chủ doanh nghiệp thƣơng mại đã và đang sử dụng dịch vụ của công ty trách nhiệm hữu hạn Nhà máy bia Heineken Việt Nam tại Thành phố Hồ Chí Minh đƣợc phân bổ rải rác trên địa bàn Thành phố Hồ Chí Minh. Tác giả giải thích sơ lƣợc để các chủ DNTM hiểu về nội dung cũng nhƣ cách thức trả lời để họ có thể hoàn thành một cách chính xác nhất. Tác giả giải thích các yêu hỏi cụ thể khi ngƣời trả lời thắc mắc. Tác giả dò lại các bẳng khảo sát sau khi các chủ DNTM đã hoàn thành sau khi nhận lại kết quả khảo sát.
3.4. Phƣơng pháp xử lý dữ liệu điều tra 3.4.1. Thống kê mô tả 3.4.1. Thống kê mô tả
Sau khi thu nhận bảng trả lời, tiến hành làm sạch thông tin, mã hóa các thông tin cần thiết trong bảng trả lời, nhập liệu và phân tích thông kê dữ liệu bằng phần mềm xử lý thống kê SPSS để tiến hành thống kê mô tả dữ liệu thu thập đƣợc.
3.4.2. Đánh giá độ tin cậy thang đo bằng phân tích Cronbach’s Alpha.
Hệ số Cronbach’s alpha là hệ số sử dụng phổ biến để đánh giá độ tin cậy của thang đo. Độ tin cậy thƣờng dùng nhất là tính nhất quán nội tại, nói lên mối quan hệ của các biến quan sát trong cùng một thang đo. Để tính Cronbach’s alpha cho một thang đo thì thang đo phải có tối thiểu là ba biến đo lƣờng. Hệ số Cronbach’s alpha có giá trị biến thiên trong khoảng [0,1] (Nguyễn Đình Thọ, 2011).
Các biến đo lƣờng dùng để đo lƣờng cùng một khái niệm nghiên cứu nên chúng phải có tƣơng quan chặt chẽ với nhau. SPSS sử dụng hệ số tƣơng quan biến- tổng hiệu chỉnh. Nếu một biến đo lƣờng có hệ số tƣơng quan biến-tổng (hiệu chỉnh) > 0.30 thì biến đó đạt yêu cầu (Nguyễn Đình Thọ, 2011).
Tuy nhiên, nếu chúng trùng lắp hoàn toàn (r =1) thì hai biến đo lƣờng này thật sự chỉ làm một việc, và chúng ta chỉ cần một trong hai biến là đủ. Vì vậy, một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.70 - 0.80]. Nếu Cronbach’s alpha > 0.60 là thang đo có thể chấp nhận đƣợc về mặt độ tin cậy (Nguyễn Đình Thọ, 2011).
Hệ số Cronbach’s alpha phải đƣợc thực hiện trƣớc để loại các biến trƣớc khi thực hiện phân tích EFA. Qui trình này giúp chúng ta tránh đƣợc các biến rác vì các biến rác này có thể tạo nên các nhân tố giả khi phân tích EFA (Nguyễn Đình Thọ, 2011).
Phân tích độ tin cậy Cronbach’s Alpha đƣợc thực hiện cho từng nhóm biến thuộc các nhân tố khác nhau. Nhiều nhà nghiên cứu đồng ý rằng, khi Cronbach’s Alpha từ 0.8 trở lên là thang đo lƣờng tốt, tuy nhiên, lại có nhà nghiên cứu đề nghị rằng từ 0.6
trở lên là có thể chấp nhận đƣợc (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) [6]. Trong trƣờng hợp ở nghiên cứu này, kết quả CronbaclTs Alpha lớn hơn 0.6 đều có thể chấp nhận đƣợc.
Trong mỗi thang đo, hệ số tƣơng quan biến tổng thể hiện sự tƣơng quan giữa một biến quan sát với tất cả các biến khác. Hệ số này càng cao thì sự tƣơng quan của biến với các biến khác càng cao. Các biến có hệ số tƣơng quan biến tổng nhỏ hơn 0.3 bị coi là biến rác và bị loại khỏi thang đo (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011). Trong nghiên cứu này, những biến có hệ số tƣơng quan biến tổng nhỏ hơn 0.3 cũng sẽ bị loại khỏi thang đo.
3.4.3. Phân tích EFA (Exploratory Factor Analysis).
Phƣơng pháp phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) giúp chúng ta đánh giá hai giá trị quan trọng cùa thang đo là giá trị hội tụ và giá trị phân biệt.
Trong phân tích EFA, chúng ta có hai ma trận quan trọng để xem xét khi đánh giá các thang đo, đó là ma trận các trọng số nhân tố (factor pattern matrix) và ma trận các hệ số tƣơng quan (factor structure matrix). Khi các nhân tố không có quan hệ với nhau thì trọng số nhân tố giữa một nhân tố và một biến đo lƣờng là hệ số tƣơng quan giữa hai biến đó. Trọng số nhân tố là tác động của khái niệm nghiên cứu vào biến đo lƣờng (Nguyễn Đình Thọ, 2011),
Theo Nguyễn Đình Thọ (2011), Tiêu chí Eigenvalue là một tiêu chí sử dụng phổ biến thƣờng xác định số lƣợng nhân tố trong phân tích EFA. Với tiêu chí này, số lƣợng nhân tổ đƣợc xác định ở nhân tố có eigenvalue tối thiểu bằng 1 (> 1).
Theo Nguyễn Đình Thọ (2011), “Để xác định sự phù hợp khi dùng EFA, có thể dùng kiểm định Bartlett (Bartlett’s test of sphericity) hoặc KMO (Kaiser-Meyer- Olkin measure of sampling adequacy). Để sử dụng EFA, KMO phải lớn hơn 0.50.
Qua phân tích nhân tố khám phá EFA sẽ loại bỏ các biến quan sát không đạt độ tin cậy, giá trị hội tụ và phân biệt; đồng thời tái cấu trúc các biến quan sát còn lại vào các yếu tố (thành phần đo lƣờng) phù hợp, đặt cơ sở cho việc hiệu chỉnh mô hình nghiên cứu và các giả thuyết nghiên cứu, các nội dung phân tích tiếp theo.
Một số tiêu chuẩn mà các nhà nghiên cứu quan tâm trong phân tích EFA gồm: Hệ số KMO (Kaiser-Mayer-Olkin): Đây là một chỉ số dùng để xem xét sự thích hợp của EFA, phân tích nhân tố khám phá thích hợp khi hệ số KMO lớn hơn 0.5 (Nguyễn Đình Thọ, 2011).
Kiểm định Bartlett (Bartlett’s test of sphericity): Đại lƣợng Barlett là một đại lƣợng thống kê dùng để xem xét giả thuyết các biến có tƣơng quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (sig nhỏ hơn 0.05) thì các biến quan sát có tƣơng quan với nhau trong tổng thể (Nguyễn Đình Thọ, 2011).
Chỉ số Eigenvalue: Đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích (Nguyễn Đình Thọ, 2011).
Phƣơng sai trích (Variance explained criteria): Tổng phƣơng sai trích phải lớn hơn hoặc bằng 50%. (Nguyễn Đình Thọ, 2011).
Hệ số tải nhân tố (Factor loading): Là hệ số tƣơng quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Nếu biến quan sát nào có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại (Nguyễn Đình Thọ, 2011)
Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố lớn hơn 0.3 để tạo giá trị phân biệt giữa các nhân tố (Nguyễn Đình Thọ, 2011).
3.4.4. Phân tích hồi quy tuyến tính và kiểm định các giả thuyết của mô hình với mức ý nghĩa là 5%. mức ý nghĩa là 5%.
3.4.4.1. Phân tích tƣơng quan
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) [6], hệ số tƣơng quan Pearson (ký hiệu là r) để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng (khoảng cách hay tỷ lệ). Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Giá ừị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tƣơng quan tuyến tính chặt chẽ (khi tất cả các điểm phân tán xếp thành một đƣờng thẳng thì trị tuyệt đối của r = 1).
Theo Nguyễn Đình Thọ (2011), trong mô hình hồi quy bội (MLR), chúng ta cỏ nhiều biến độc lập, vì vậy với MLR, chúng ta có thêm giả định là các biến độc lập không có quan hệ nhau hoàn toàn, nghĩa là hệ số tƣơng quan r của các cặp biến độc lập với nhau khác với 1, chứ không phải chúng không có tƣơng quan với nhau. Trong thực tiễn nghiên cứu, các biến trong một mô hình thƣờng có quan hệ với nhau nhƣng chúng phải phân biệt nhau (đạt đƣợc giá trị phân biệt).
Phân tích tƣơng quan đƣợc sử dụng làm thƣớc đo độ lớn của các mối liên hệ giữa các biến định lƣợng trong nghiên cứu. Thông qua thƣớc đo này có thể xác định mối liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập.
Trong phân tích tƣơng quan, giá trị Sig. nói lên tính phù hợp của hệ số tƣơng quan giữa các biến theo phép kiểm định F với một độ tin cậy cho trƣớc. Nếu chọn mức ý nghĩa 1% thì giá trị Sig. phải nhỏ hơn 0.01, còn nếu mức ý nghĩa là 5% thì sig. phải nhỏ hơn 0.05 thì hệ số tƣơng quan mới có ý nghĩa thống kê (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tƣơng quan (Pearson Correlation) nói lên mức độ tƣơng quan giữa các biến với nhau trong mô hình. Nếu hệ số tƣơng quan càng lớn và có ý nghĩa thống kê
thì mối tƣơng quan giữa các biến càng mạnh. Tƣơng quan giữa một biến với chính biến đó sẽ bằng một.
3.4.4.2. Phân tích hồi quy tuyến tính
Sau khi kết luận hai biến có mối quan hệ tuyến tính với nhau thì có thể mô hình hoá mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008.
Trình tự phân tích hồi quy tuyến tính trong nghiên cứu này đƣợc thực hiện nhƣ sau:
-Phƣơg pháp đƣa biến vào phân tích hồi quy là phƣơng pháp đƣa các biến vào mô hình một lƣợt (phƣơng pháp Enter).
-Để đánh giá độ phù hợp của mô hình hồi quy đối với tập dữ liệu, tác giả sử dụng hệ số R2 và R2 hiệu chỉnh (Adjusted R Square).
-Kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ƣu bằng cách sử dụng phƣơng pháp phân tích ANOVA để kiểm định giả thuyết H0: không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập (ßi = p2 = ß3 = ßn= 0). Nếu trị thống kê F có Sig rất nhỏ (< 0.05), thì giả thuyết Ho bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mô hình đƣợc xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng đƣợc.
-Xác định các hệ số của phƣơng trình hồi quy tuyến tính, đó là các hệ số hồi quy riêng phần ßk: đo lƣờng sự thay đổi trung bình của biến phụ thuộc khi biến độc lập xk thay đổi một đơn vị, trong khi các biến độc lập khác đƣợc giữ nguyên. Tuy nhiên, độ lớn của ßk phụ thuộc vào đơn vị đo lƣờng của các biến độc lập, vì thế việc so sánh trực tiếp chúng với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, ngƣời ta biểu diễn số đo của tất cả các biến
độc lập bằng đơn vị đo lƣờng độ lệch chuẩn Beta.
Cuối cùng nhăm đảm bảo độ tin cậy của mô hình hồi quy đƣợc xây dựng là phù hợp, một loạt các dò tìm sự vi pham các giả định cần thiết trong hồi quy tuyến tính cũng đƣợc thực hiện gồm: giả định liên hệ tuyến tính, giả định vè phân phối chuẩn của phần dƣ, giả định về tính độc lập của sai sổ, đo lƣờng đa cộng tuyến.
Phân tích hồi quy tuyến tính nhằm kiểm định mô hình nghiên cứu, các giả thuyết nghiên cứu và đo lƣờng cƣờng độ tác động của các yếu tố.
Phƣơng pháp thực hiện hồi quy là phƣơng pháp (Enter) tức là các biến đƣợc đƣa vào cùng lúc để phân tích. Để đánh giá mức độ phù hợp của mô hình nghiên cửu, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square). Hệ số R2 đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình, tuy nhiên không phải phƣơng trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hƣớng là một yếu tố lạc quan của thƣớc đo sự phù hợp của mô hình đối với dữ liệu trong trƣờng hợp có 01 biến giải thích giải thích trong mô hình. Nhƣ vậy, trong hồi quy tuyến tính bội thƣờng dùng hệ số R2 điều chỉnh (Adjusted R-square) để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hệ số Beta chuẩn hóa đƣợc dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự thỏa mãn chất lƣợng dịch vụ của khách hàng càng lớn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) [6].
Kiểm định F đƣợc sử dụng để kiểm tra tính phù hợp của mô hình với tập dữ liệu gốc. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0.05 thì có thể kết luận mô hình hồi quy phù hợp với tập dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
TÓM TẮT CHƢƠNG 3
Chƣơng này trình bày quy trình nghiên cứu và phƣơng pháp đƣợc thực hiện để đánh giá các thang đo các khái niệm nghiên cứu và mô hình các yếu tố ảnh hƣờng đến sự hài lòng của DNTM trên địa bàn Thành phố HCM. Phƣơng pháp nghiên cứu đƣợc thực hiện qua hai giai đoạn chính: nghiên cứu sơ bộ (định tính và định lƣợng) và nghiên cứu chính thức (định lƣợng).
Nghiên cứu sơ bộ thực hiện thông qua kỹ thuật thảo luận nhóm tập trung sau đó phỏng vấn thừ với kích thƣớc mẫu n=50.
Nghiên cứu chính thức đƣợc thực hiện thông qua kỹ thuật phỏng vấn trực tiếp với kích thƣớc mẫu n = 250. Chƣơng 3 này cũng trình bày các nội dung liên quan đến quá trinh nghiên cứu định lƣợng nhƣ: xây dựng bảng câu hỏi phỏng vấn, thiết kế mẫu, giới thiệu kỹ thuật và yêu cầu cho phân tích dữ liệu. Chƣơng tiếp theo sẽ phân tích kết quà nghiên cứu, kỹ thuật phân tích dữ liệu nhƣ đánh giá thang đo bằng hệ số Cronbach’s alpha và phân tích nhân tố khám phá, kiểm định mô hình và các giả thuyết nghiên cứu bằng phân tích tƣơng quan, hồi quy bội và kiểm định sự khác biệt về nhân khẩu học theo các biến định tính bằng T-test và ANOVA
CHƢƠNG 4
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Khái quát về Công ty TNHH nhà máy bia Heineken Việt Nam. 4.1.1. Lịch sử hình thành 4.1.1. Lịch sử hình thành
Công ty TNHH Nhà Máy Bia Heineken Việt Nam (Nhà Máy Bia Heineken Việt Nam) đƣợc thành lập vào ngày 9/12/1991, giữa Tổng Công ty Thƣơng mại Sài Gòn (SATRA) và Công ty Asia Pacific Breweries Ltd. (“APB”) - nay là Công ty Heineken Asia Pacific Pte Limited (HEINEKEN Châu Á Thái Bình Dƣơng).
Nhà máy Bia có diện tích 12,7 hecta tọa lạc tại Phƣờng Thới An, Q.12, TP. Hồ Chí Minh, là một trong những nhà máy bia hiện đại nhất khu vực Đông Nam Á hiện nay. Trong nhiều năm qua, Nhà Máy Bia Heineken Việt Nam đƣợc ghi nhận là một trong những đơn vị liên tục hoàn thành xuất sắc nghĩa vụ thuế và họat động sản xuất kinh