5. Kết cấu nghiên cứu
2.2.2. Quy trình nghiên cứu định lượng
Mục đích của nghiên cứu định lượng nhằm kiểm định các thang đo, xác định được giá trị trung bình của các thang đo, đồng thời xây dựng mô hình để đo lường mức độ tác động của các yếu tố cấu thành CRM đến kết quả triển khai CRM.
Quy trình thực hiện nghiên cứu định lượng như sau (Hình 2.1)
Hình 2.2: Quy trình nghiên cứu định lượng
Quá trình tiến hành thu thập dữ liệu khảo sát được triển khai cụ thể với các nội dung: Thiết kế bảng hỏi, xác định kích cỡ và phương pháp chọn mẫu, xác định thời gian thực hiện và phương pháp khảo sát.
Sau khi thu thập, dữ liệu được mã hóa và các bước cần kiểm định sẽ được thực hiện như sau:
- Phân tích nhân tố khám phá EFA
Phân tích EFA để xác định xem phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở, qua đó để thấy được cụ thể hơn các thang đo trên có tách thành những nhân tố mới hay rút gọn, giảm bớt đi biến quan sát nào hay không. Những
H1 H2 Tiến hành thu thập dữ liệu khảo sát Mã hóa dữ liệu thô Phân tích nhân tố khám phá EFA Kiểm định thang đo Phân tích tương quan và hồi qui Kiểm định giả thuyết nghiên cứu H3 H4 H5
Văn hóa và tổ chức nội bộ
Quản lý tương tác
Quản lý cơ sở dữ liệu khách hàng
Công nghệ thông tin
Kết quả thực hiện CRM Định hướng khách hàng
tiêu chí sử dụng khi chạy Phân tích nhân tố khám phá EFA là: Hệ số KMO >0.5, mức ý nghĩa sig <0.05, phương pháp trích principal component với phép xoay là Varimax được sử dụng bởi theo Anderson and Gerbing (1988) đây là phương pháp phổ biến đối với ngành khoa học hành vi. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số tải nhân tố factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Với kích thước mẫu là gần 400, tác giả lựa chọn hệ số factor loading >= 0.5; điểm dừng khi trích các nhân tố có Eigenvalue > 1 được sử dụng.
Theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2013) nếu sử dụng phép quay vuông góc (Varimax với phương pháp thành phần chính (principal component)) và trong đó có biến phụ thuộc thì các nhóm này không có tương quan nhau nghĩa là các biến độc lập và biến phụ thuộc không có quan hệ với nhau, vì vậy không được đưa biến phụ thuộc vào chung với biến độc lập để xử lý EFA cùng một lúc khi sử dụng phép quay vuông góc và sử dụng giá trị nhân tố do EFA tạo ra.
- Kiểm định độ tin cậy của thang đo
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 sau 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, 2013). 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, 2008).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo là:
+ Độ lớn của Cronbach Alpha: trong khoảng (0,8 – 1.0) là rất tốt; từ (0,7 - 0,8) là tốt; và từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
+ 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 Crobach alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994).
- Phân tích tương quan
Phân tích tương quan là một phương pháp được sử dụng để kiểm tra giả thuyết về ý nghĩa thống kê của hai hoặc nhiều biến, nếu nhà nghiên cứu có thể đo lường chúng, nhưng không thay đổi chúng. Phân tích tương quan (Pearson) cho thấy sự phù hợp khi đưa các thành phần vào mô hình hồi quy. Hệ số tương quan Pearson (r) dùng để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.
Trong phân tích tương quan, bên cạnh kiểm định mối liên hệ giữa các biến, giá trị sig cho biết mối quan hệ giữa các biến có ý nghĩa thông kê hay không.
Khi áp dụng phương pháp phân tích tương quan, cần xác định các yếu tố ảnh hưởng đến các chỉ số hiệu suất. Chúng được lựa chọn có tính đến thực tế là phải có mối quan hệ nhân quả giữa các chỉ số. Trong trường hợp tạo mô hình tương quan đa yếu tố, những mô hình có tác động đáng kể đến chỉ số kết quả được chọn và các yếu tố phụ thuộc lẫn nhau với hệ số tương quan cặp hơn 0, 85 không nên được đưa vào mô hình tương quan, cũng như những yếu tố có mối quan hệ phi tuyến tính với tham số hiệu quả
- Phân tích hồi quy
Phân tích hồi quy (regression analysis) là kỹ thuật thống kê dùng để ước lượng phương trình phù hợp nhất với các tập hợp kết quả quan sát của biến phụ thuộc và biến độc lập. Nó cho phép đạt được kết quả ước lượng tốt nhất về mối quan hệ chân thực giữa các biến số. Từ phương trình ước lượng được này, người ta có thể dự báo về biến phụ thuộc (chưa biết) dựa vào giá trị cho trước của biến độc lập (đã biết).
- Kiểm định giả thuyết nghiên cứu
Kiểm định giả thuyết (hypothesis testing) là quá trình thiết lập và sử dụng các tiêu chuẩn thống kê để hỗ trợ cho việc đi đến quyết định về giá trị của giả thuyết trong điều kiện bất định. Trong những quyết định như thế, người ta có thể may mắn lựa chọn đúng, nhưng cũng có thể vấp phải rủi ro, tức lựa chọn sai lầm. Quá trình kiểm định giả thuyết có liên quan đến việc đánh giá những cơ may này và đưa ra các tiêu chuẩn cho phép tối thiểu hóa khả năng đi đến quyết định sai lầm.