Bảng khảo sát sau khi thu về sẽ loại bỏ những bảng không đạt yêu cầu như những bảng câu hỏi có câu trả lời giống nhau cho tất cả các phát biểu và bảng khảo sát chưa được trả lời hoàn chỉnh. Tiếp theo tác giả mã hóa, nhập dữ liệu, làm sạch dữ liệu và phân tích bằng phần mềm SPSS 20 và phần mền AMOS.
Bước 1: Lập bảng thống kê để mô tả dữ liệu từ mẫu thu thập được theo các biến phân loại như: giới tính, độ tuổi, trình độ học vấn, nghề nghiệp và mức thu nhập hàng tháng.
Bước 2: Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach‘s Alpha và hệ số tương quan biến tổng có giá trị từ 0 đến 1; giá trị này càng lớn cho biết độ tin cậy của thang đo càng cao. Nhà nghiên cứu cho rằng khi Cronbach’s Alpha từ 0.80 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.70 đến 0.80 là sử dụng được. Các biến có hệ số tương quan biến tổng nhỏ hơn 0.30 sẽ bị loại và thang đo sẽ được chọn khi hệ số Cronbach’s Alpha lớn hơn 0.60 (Hair, et al., 1995). Theo (Nunnally & Bernstein, 1994) thì Cronbach’s Alpha trên 0.60 là có thể sử dụng được trong trường hợp thang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Bên cạnh đó, trong phân tích với phần mềm SPSS 20 hệ số Cronbach’s Alpha if Item Deleted cũng được xem xét, cụ thể nếu hệ số tương ứng của các mục hỏi lớn hơn hệ số Cronbach’s Alpha tương ứng thì mục hỏi đó nên được loại bỏ để tăng độ tin cậy cho thang đo (Nunnally & Bernstein, 1994). Tuy nhiên, cũng cần xem xét, cân nhắc trong khi loại biến để đảm bảo về độ giá trị nội dung cho khái niệm cần đo lường.
Bước 3: Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được thực hiện để kiểm định tính đơn hướng và giá trị hội tụ của các biến quan sát của các thang đo. EFA sử dụng phương pháp “Principle Axis Factoring” và phép quay “Promax” và điểm dừng khi trích xuất các yếu tố có eigenvalue là 1 vì phương pháp này sẽ phản ánh cấu trúc dữ liệu chính xác hơn dùng “Principles Compoment” với phép quay “Varimax” (Anderson và Gerbing, 1988)
Thực hiện phân tích nhân tố khám phá EFA bằng phương pháp Principle Axis Factoring và phép quay Promax với yêu cầu: Hệ số đo lường thích hợp mẫu KMO (Kaiser-Meyer-Olkin) có giá trị từ 0,50 trở lên (Hair, et al., 1995). Kiểm định Bartlett xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng không
trong tổng thể, nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Trong & Ngoc, 2005).
Hệ số tải nhân tố (Factor Loading) cho biết tương quan giữa từng biến với nhân tố, hệ số này càng lớn thì biến đại diện trong nhân tố càng lớn. Đại lượng tổng phương sai trích cho biết mức ý nghĩa của các nhân tố được trích. Độ giá trị hội tụ với biến quan sát tải lên nhân tố chung có hệ số tải < 0.40 sẽ bị loại (Hair, et al., 1995), độ giá trị phân biệt với biến quan sát không tải lên nhân tố khác với hệ số tải > 0.3.
Bước 4: Phân tích nhân tố khẳng định CFA (Confirmatory Factor Analysis) cho phép ta kiểm định cấu trúc lý thuyết của thang đo như mối quan hệ giữa một khái niệm nghiên cứu với những khái niệm khác mà không bị lệch sai số đo lường (Steenkamp & Van Trijp, 1991), việc kiểm định giá trị hội tụ, giá trị phân biệt của thang đo cũng đơn giản hơn.
Để đo lường mức độ phù hợp của mô hình với thông tin thị trường, nghiên cứu này sử dụng các chỉ tiêu: Chi-bình phương; Chi-bình phương điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh CFI (Comparative Fit Index); chỉ số phù hợp tuyệt đối GFI (Goodness of fit index); chỉ số TLI (Tucker & Lewis index) và chỉ số RMSEA (Root Mean Square Error Approximation ). Mô hình được gọi là thích hợp khi phép kiểm định Chi-bình phương có giá trị p>0.05 (Joreskog và Sorbom, 1993), Tuy nhiên vì Chi-bình phương rất nhạy cảm với kích thước mẫu lớn và độ mạnh của kiểm định, nên thực tế ngừơi ta sử dụng chỉ số Chi-bình phương điều chỉnh theo bậc tự do (CMIN/df) để đánh giá.
Theo Carmines và Mclver (1981): Chỉ số Chi-bình phương điều chỉnh theo bậc tự do để đo mức độ phù hợp một cách chi tiết hơn của cả mô hình. Hair và các cộng sự (1998) đề nghị: 1 < CMIN/df < 3, Segar (1993) lại cho rằng chỉ số này càng nhỏ càng tốt. Ngoài ra một số nghiên cứu thực tế phân biệt ra 02 trường hợp: CMIN/df < 2, một số trường hợp CMIN/df có thể < 3 (Carmines và Mclver (1981)).
Các chỉ số liên quan khác: GFI, AGFI, TLI, …có giá trị > 0.9 được xem là mô hình phù hợp tốt. Nếu các giá trị này bằng 1, ta nói mô hình hoàn hảo (Segar 1993). GFI: độ phù hợp tuyệt đối (không điều chỉnh bậc tự do) của mô hình cấu trúc và mô hình đo lường với bộ dữ liệu khảo sát. AGFI: điều chỉnh giá trị GFI theo bậc tự do trong mô hình. RMSEA: là một chỉ tiêu quan trọng, nó xác định mức độ phù hợp của mô hình so với tổng thể. Trong tạp chí nghiên cứu IS, các tác giả cho rằng chỉ số RMSEA yêu cầu < 0.05 thì mô hình phù hợp tốt. Trong một số trường hợp, giá trị này < 0.08 mô hình được chấp nhận (Taylor và các cộng sự, 1993). Sử dụng phương pháp ước lượng ML (Maximum Likelihood) để ước lượng tham số trong mô hình (Tho, 2011).
Các chỉ tiêu để đánh giá một thang đo bao gồm: (1) Hệ số tin cậy tổng hợp, (CR- Composite Reliability), (2) tổng phương sai trích (VE – Variance Extracted); Ngoài ra để đảm bảo rằng các thang đo đạt được giá trị hội tụ (3) thì các trọng số chuẩn hoá của thang đo đều phải lớn hơn 0.5 và có ý nghĩa thống kê (P- value < 0.05) (Gerbring và Anderson (1998)). Trường hợp biến quan sát nào không đủ điều kiện trên thì cần được loại ra khỏi mô hình. Để kiểm tra độ phân biệt của các thang đo (4) có thể căn cứ vào bảng hệ số tương quan giữa các khái niệm
Bước 5: Phân tích mô hình cấu trúc tuyến tính được sử dụng để kiểm định mô hình nghiên cứu. Tương tự như lúc kiểm định thang đo, phương pháp ước lượng ML được sử dụng để ước lượng các tham số của mô hình. Phương pháp Bootstrap được sử dụng để ước lượng lại tham số của mô hình để kiểm tra độ tin cậy của các ước lượng.
Các tiêu chuẩn và điều kiện trong mô hình SEM cũng giống như trong bước chạy CFA (bước 4). Tức là mô hình được coi là phù hợp khi đảm bảo được các tiêu chuẩn về CMIN/df; RMSEA; các chỉ số GFI, TLI, CFI > 0.9.
Tóm tắt chương 3
Tóm lại nội dung chương ba trình bày phương pháp nghiên cứu được thực hiện thông qua hai giai đoạn: nghiên cứu sơ bộ và nghiên cứu chính thức để đánh giá thang đo các khái niệm nghiên cứu và mô hình lý thuyết.
Giai đoạn nghiên cứu sơ bộ được thực hiện thông qua kỹ thuật thảo luận tay đôi với 08 khách hàng đã và đang sử dụng dịch vụ của các khách sạn dự kiến nghiên cứu. Kết quả cho thấy các biến sau khi được điều chỉnh, bổ sung trong bước kiểm tra và hoàn thiện thang đo ở bước định tính sơ bộ đều đạt được yêu cầu và sử dụng cho nghiên cứu chính thức.
Nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng với kích thước mẫu dự kiến là 350. Dữ liệu khảo sát được thu thập bằng cách phỏng vấn trực tiếp các khách hàng tại các khách sạn từ 4 đến 5 sao trên địa bàn TP Vũng Tàu. Chương này cũng mô tả thông tin về mẫu nghiên cứu định lượng, phương pháp thu thập và phân tích dữ liệu. Nội dung chương sau sẽ trình bày kết quả nghiên cứu bao gồm việc đánh giá thang đo về độ tin cậy, giá trị, kiểm định mô hình lý thuyết bằng phương pháp cấu trúc tuyến tính, kiểm định giả thuyết và thảo luận kết quả nghiên cứu.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU
Chương này trình bày kết quả nghiên cứu của đề tài, bao gồm những phần chính sau: (1) tổng hợp và mô tả mẫu; (2) kiểm định thang đo; (3) phân tích mô hình cấu trúc và kiểm định giả thuyết; (4) thảo luận kết quả.