0
Tải bản đầy đủ (.pdf) (114 trang)

Phương pháp chọn mẫu, quy mô mẫu

Một phần của tài liệu (LUẬN VĂN THẠC SĨ) CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN SỰ HÀI LÒNG CỦA KHÁCH HÀNG ĐỐI VỚI DỊCH VỤ QUẢN LÝ TÒA NHÀ CỦA TẬP ĐOÀN SSG TẠI TP HCM (Trang 48 -48 )

3.2.1 Phương pháp chọn mẫu

Ban quản lý gửi bảng khảo sát cho đối tượng là toàn bộ cư dân sinh sống tại tòa nhà Opal Saigon Pearl bao gồm chủ nhà và khách thuê để điền link khảo sát kết hợp gửi bản cứng tại quầy lễ tân để cư dân dễ tiếp cận đồng thời gửi thông báo về việc khảo sát mức độ hài lòng của cư dân tại tòa nhà Opal Saigon Pearl gửi qua group Cư dân.

3.2.2 Quy mô mẫu

Quy mô mẫu của nghiên cứu được xác định theo nguyên tắc tối thiểu để đạt được sự tin cậy cần thiết của nghiên cứu. Cỡ mẫu như thế nào là phù hợp hiện nay còn nhiều ý kiến khác nhau của các nhà nghiên cứu và chưa thống nhất được. Tuy nhiên theo Nguyễn Đình Thọ (2011), kích thước mẫu cần cho nghiên cứu phụ thuộc vào nhiều yếu tố như phương pháp phân tích dữ liệu và dộ tin cậy cần thiết. Hiện nay, các nhà nghiên cứu xác định cỡ mẫu cần thiết thông qua công thức kinh nghiệm cho từng phương pháp xử lý. Trong EFA, cỡ mẫu thường được xác định dựa vào 2 yếu tố là kích thước tối thiểu và số lượng biến đo lường đưa vào phân

tích Hair & ctg (2006) (trích trong Nguyễn Đình Thọ, 2011) cho rằng để sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát/ biến đo lường là 5:1, nghĩa là 1 biến đo lường cần tối thiểu 5 quan sát, tối nhất là tỉ lệ 10:1 trở lên.

Đối với phương pháp hồi quy tuyến tính, công thức kinh nghiệm thường dùng là: n >= 50+8p. Trong đó, n là kích thước mẫu tối thiểu cần thiết; p là số lượng biến độc lập trong mô hình.

Nghiên cứu sử dụng kết hợp cả 2 phương pháp EFA và hồi quy tuyến tính nên cỡ mẫu được chọn trên nguyên tắc mẫu càng lớn càng tốt. Với 26 biến quan sát, số lượng mẫu cần thiết là 26*5 = 130 mẫu. Vì vậy, đề tài được chọn điều tra trên số mẫu 153 cư dân là phù hợp.

3.3 Dữ liệu thu thập.

- Dữ liệu thứ cấp: tác giả tham khảo các tài liệu về công tác vận hành tòa nhà chung cư thông qua các báo cáo của công ty, các tạp chí, sách báo, mạng internet nhằm tổng quan được lý thuyết để phục vụ cho luận văn.

- Dữ liệu sơ cấp:

+ Phỏng vấn trực tiếp: Phỏng vấn trực tiếp cư dân, nhân viên lễ tân tòa nhà và bảo vệ hỗ trợ tiến hành phỏng vấn trực tiếp cư dân và gửi bảng đánh giá về chất lượng dịch vụ tại tòa nhà về các yếu tố tác động đến sự hài lòng của cư dân đối với công tác quản lý vận hành tại chung cư.

+ Gửi link google form được thu thập thông qua bảng câu hỏi.

Thang đo chất lượng dịch vụ kiểm định theo mô hình SERVQUAL sau khi hiệu chỉnh bao gồm 05 thành phần và 26 biến quan sát.

Thang đo linkert 5 bậc được sử dụng: bậc 1 tương ứng với mức độ hoàn toàn không đồng ý và bậc 5 tương ứng với mức độ hoàn toàn đồng ý.

Dữ liệu sau khi được thu thập sẽ được tổng hợp và phân tích bằng phần mềm SPSS 20 thông qua các kết quả phân tích theo thứ tự sau: kiểm định độ tin cậy của

thang đo, phân tích nhân tố khám phá EFA, phân tích hệ số tương quan Pearson, phân tích hồi quy tuyến tính và phân tích ANOVA.

+ Gửi bản cứng câu hỏi khảo sát qua hình thức gửi vào hộp thư căn hộ của các căn hộ chưa tham gia trả lời bảng khảo sát.

3.4 Kiểm định độ tin cậy của thang đo

Các biến quan sát nhỏ được đưa vào nghiên cứu không phải lúc nào cũng đảm bảo rằng nó phản ảnh được đặc điểm, tính chất của nhân tố mẹ. Do vậy, cần phải có một công cụ để đo lường xem biến quan sát nào là phù hợp và biến quan sát nào là không phù hợp để đưa vào thang đo. Độ tin cậy của thang đo sẽ được đo lường bằng hệ số Cronbach’s alpha, đo lường độ tin cậy của thang đo là kiểm tra xem các biến quan sát của thang đo đó nó có thể hiện được đặc điểm, tính chất của biến tiềm ẩn mẹ hay không. Hệ số Cronbach’s alpha càng tiến dần về 1 có nghĩa là thang đó đó có độ tin cậy cao và các biến quan sát của thang đo đó càng thể hiện được tính chất, đặc điểm của nhân tố tiềm ẩn mẹ. Còn nếu hệ số Cronbach’s Alpha càng tiến dần về 0 có nghĩa là thang đo đó có độ tin cậy thấp và các biến quan sát của thang đo đó thể hiện rất ít tính chất của nhân tố mẹ. Mô hình sẽ loại bỏ các chỉ số mà có hệ số Cronbach’s alpha có giá trị nhỏ hơn 0.3 và chấp nhận các nhân tố có giá trị hệ số này từ 0.6 trở lên. Hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo bao gồm từ 3 biến quan sát trở lên chứ không tính được độ tin cậy cho từng biến quan sát (Nguyễn Đình Thọ, 2014).

Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]. Về lý thuyết, hệ số này càng cao càng tốt nghĩa là thang đo càng có độ tin cậy cao. Tuy nhiên điều này không hoàn toàn chính xác. 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 (Nguyễn Đình Thọ, 2014).

Nếu một biến đo lường có hệ số tương quan biến tổng Corrected Item – Total Correlation ≥ 0.3 thì biến đó đạt yêu cầu (Nunnally, 1978).

Mức 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. (Hoàng Trọng, 2008).

3.5 Phân tích nhân tố khám phá EFA

Phân tích nhân tố khám phá (EFA) là một phương pháp phân tích định lượng dùng để rút gọn một tập hợp gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair et al. 2009).

Trong phân tích này, hai giá trị quan trọng được xem xét là giá trị hội tụ và giá trị phân biệt. Giá trị hội tụ chỉ ra các biến quan sát cùng tính chất hội tụ về một nhân tố để khi biểu diễn mô hình bằng ma trận xoay, các biến này sẽ nằm cùng cột với nhau. Còn giá trị phân biệt hàm ý các biến quan sát có cùng tính chất hội tụ ở nhân tố này và phải phân biệt với các biến hội tụ ở nhân tố khác, thể hiện ở việc từng nhóm biến sẽ nằm ở các cột riêng biệt trong ma trận xoay. Thường các nghiên cứu sẽ quan tâm đến 4 kết quả trong phân tích nhân tố khám phá EFA là hệ số KMO, kiểm định Bartlett, trị số Eigenvalue, tổng phương sai trích. Hệ số KMO phải trong khoảng 0.5-1 thì mô hình mới đủ điều kiện phân tích nhân tố phù hợp. Còn kiểm định Bartlett của từng nhân tố phải có sig nhỏ hơn 0.05 thì mới có ý nghĩa thống kê và nhân tố đó mới nên được đưa vào mô hình nghiên cứu, nếu không chứng tỏ các nhân tố không có mối tương quan và không phù hợp với mô hình. Và trị số Eigenvalue cũng giúp xác định các nhân tố nên được giữ lại trong mô hình với giá trị lớn hơn hoặc bằng 1. Cuối cùng là tổng phương sai trích – giá trị cho biết mô hình cô đọng được bao nhiêu % và làm thất thoát bao nhiêu % của các biến quan sát.

Phân tích EFA dựa trên cơ sở mối quan hệ giữa các biến đo lường, vì vậy, trước khi quyết định sử dụng EFA, chúng ta cần xem xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số tương quan (correlation matrix), chúng ta có thể nhận biết được mức độ quan hệ giữa các biến. Nếu các hệ số tương quan nhỏ hơn 0.3, khi đó sử dụng EFA không phù hợp (Hair et al. ,2009).

Kiểm định Bartlett dùng để xem xét ma trận tương quan có phải là ma trận đơn vị (identity matrix) hay không? Ma trận đơn vị ở đây được hiểu là ma trận có hệ số tương quan giữa các biến bằng 0, và hệ số tương quan với chính nó bằng 1. Nếu phép kiểm định Bartlett có p < 5%, chúng ta có thể từ chối giả thuyết H0 (ma trận tương quan là ma trận đơn vị), có nghĩa là các biến có quan hệ với nhau.

Kiểm định KMO được dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến với hệ số tương quan riêng phần của chúng. Hệ số KMO là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn giữa 0,5 và 1 là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.

Để sử dụng EFA, thì KMO phải lớn hơn 0.5. Kaiser (1974) đề nghị, KMO >= 0.90: rất tốt; 0.80 <= KMO < 0.90: tốt; 0.70 <= KMO <0. 80: được; 0.60 <= KMO <0. 70: tạm được; 0.50 <= KMO <0. 60: xấu; KMO <0. 50: không chấp nhận được.

Hệ số tải Factor Loadings, hệ số tải Factor Loadings là những hệ số tương quan đơn giữa các biến và các nhân tố. Hệ số này nhỏ hơn 0,5 trong EFA sẽ tiếp tục bị loại để đảm bảo giá trị hội tụ giữa các biến. Phương pháp trích hệ số sử dụng là Principal components và điểm dừng khi trích các nhân tố có Eigenvalue lớn hơn 1, tổng phương sai trích bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ, 2014).

Trị số Eigenvalue, 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. Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Còn Factor Loadings (hệ số tải nhân tố) là những hệ số tương quan đơn giữa các biến quan sát với nhân tố. Nếu hệ số tải càng lớn chứng tỏ biến quan sát có mối quan hệ càng chặt chẽ với nhân tố.

3.6 Hệ số tương quan và phân tích hồi quy tuyến tính

Ở bước này, chúng ta quan tâm đến hai bước phân tích là phân tích hệ số tương quan Pearson và phân tích hồi quy tuyến tính.

- Hệ số tương quan Pearson: đây là phân tích rất quan trọng trước khi thực hiện hồi quy tuyến tính cho mô hình, nhằm kiểm tra mối quan hệ tương quan tuyến tính giữa biến phụ thuộc với biến độc lập và phát hiện sớm hiện tượng đa cộng tuyến của mô hình khi các biến độc lập có tương quan mạnh với nhau. Giá trị r của hệ số tương quan Pearson (r) nằm trong khoảng từ (-1) đến 1 với mức ý nghĩa sig <5%. Nếu giá trị sig của hệ số r lớn hơn 5% tức là không có sự tương quan giữa 2 biến đang xem xét của mô hình.

- Phân tích hồi quy tuyến tính bội: trong nghiên cứu này tác giả có 05 giả thuyết, những giả thuyết nghiên cứu này tác giả đặt ra 05 biến độc lập cụ thể là TDPV có tác động lên biến phụ thuộc sự hài lòng hay không, tương tự các biến NLPV, CSQL, VSMT, ANAT có tác động lên biến phụ thuộc là sự hài lòng hay không. Phân tích hồi quy tuyến tính bội đồng thời giúp xác định mức độ ảnh hưởng nhiều hay ít của từng biến độc lập lên biến phụ thuộc, làm cơ sở đưa ra mô hình hoàn chỉnh và có những giải pháp, kiến nghị cải thiện biến phụ thuộc đang xem xét. Với kết quả phân tích hồi quy sẽ giúp cho tác giả có thể đánh giá được các giả thuyết nghiên cứu có phù hợp hay không, có thể kết luận được là sẽ chấp nhận hay là bác bỏ những giả thuyết nghiên cứu đó. Trong hồi quy sẽ có những chỉ số và những tiêu chí để tác giả có thể đánh giá được mô hình hồi quy của tác giả có tốt hay không có cần cải thiện điều gì hay không, những tiêu chí đó được thể hiện như sau

+ Trước tiên, chỉ số R bình phương hiệu chỉnh cho biết mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc và nếu lớn hơn 50% là được chấp nhận. S

+Sau đó, tác giả sẽ cần quan tâm đến giá trị kiểm định F trong bảng ANOVA cho biết mô hình hồi quy tuyến tính này có phù hợp với tổng thể nghiên cứu đã xác định ban đầu hay không.

+ Cuối cùng, là giá trị của bảng Coefficients giúp xem xét ý nghĩa của các biến với mô hình và loại bỏ các biến chưa phù hợp, đưa ra mô hình hoàn chỉnh. Trong đó, có hệ số beta để xác định mức độ ảnh hưởng của từng nhân tố lên biến phụ thuộc là sự hài lòng.

3.7 Phân tích ANOVA

ANOVA có nhiệm vụ là đi xem có sự khác biệt giữa trung bình của một biến định lượng đối với những giá trị khác nhau của một biến định tính hay không. Nhiệm vụ của ANOVA trong nghiên cứu này là tác giả đi xem rằng sự hài lòng của cư dân tại căn hộ Opal Saigon Pearl nó có sự khác nhau giữa giới tính, giữa tình trạng cư trú (chủ nhà hay khách thuê) khác nhau giữa các cư dân hay không.

SƠ KẾT CHƯƠNG 3

Trong chương 3, tác giả đã nêu rõ các phương pháp nghiên cứu và thu thập, phân tích dữ liệu. Cỡ mẫu N=153 được coi là phù hợp và có thể sử dụng cho các phân tích chuyên sâu bằng phần mềm SPSS 20. Dữ liệu được thu thập qua ba hình thức phỏng vấn trực tiếp, gửi bảng câu hỏi bản cứng tới từng cư dân và gián tiếp qua link google docs thông qua group cư dân hoặc email. Những người được lựa chọn trả lời phỏng vấn đều đang sinh sống tại căn hộ Opal Saigon Pearl.

CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU. 4.1 Phân tích thống kê mô tả

Sau khi kết thúc thu thập dữ liệu từ việc gửi bảng hỏi dạng Google Forms và bằng bản cứng hardcopy đã được in ra đến đối tượng khảo sát, tác giả đã thu về 170 lượt thực hiện khảo sát. Tiếp theo, tác giả tiến hàng mã hóa dữ liệu thu thập được vào phần mềm Microsoft Excel 2010 để xử lý dữ liệu và chuyển sang phần mềm SPSS 20.0 để thực hiện phân tích định lượng.

Trong đó, tác giả thu về được 153 kết quả hợp lệ sau khi đã sàng lọc các bảng hỏi thu về để đúng với đối tượng khảo sát. Trong số 17 khảo sát bị loại do không phù hợp, có 5 bảng trả lời bị loại do cư dân đánh phiếu đánh giá hoàn toàn bằng một phương án trả lời và có 8 bảng phiếu đánh giá cư dân không trả lời đủ câu hỏi phỏng vấn và có 4 cư dân là chủ căn hộ nhưng căn hộ cho thuê cư dân không sinh sống tại Opal Saigon Pearl. Vì thế, sau khi sàng lọc đối tượng khảo sát, 153 là số lượng mẫu khảo sát hợp lệ được sử dụng để làm dữ liệu cho nghiên cứu định lượng. Số liệu được tổng hợp dựa trên 153 mẫu được thu thập và tổng hơp dựa trên đối tượng cư trú của cư dân là chủ căn hộ hay khách thuê, ở các độ tuổi, nghề nghiệp, quốc tịch và độ tuổi khác nhau. Những thông tin này đã được thu thập và ghi nhận theo bảng dưới đây để làm cơ sở cho các phân tích chuyên sâu về các nhân tố ảnh hưởng đến sự hài lòng của cư dân.

Bảng 4.1 Kết quả phân tích thống kê mô tả

STT Đối tượng Số lượng Tỷ lệ

Đối tượng cư trú

Chủ căn hộ 100 65.36% Khách thuê 53 34.64% Tổng 153 100% Giới tính Nam 70 45.75% Nữ 83 54.25% Tổng 153 100% Độ tuổi Dưới 31 tuổi 30 19.61% Từ 31 đến 45 tuổi 62 40.52% Từ 46 đến 59 tuổi 55 35.95% Từ 60 tuổi trở lên 6 3.92% Tổng 153 100% Quốc tịch

Người nước ngoài 13 8.5%

Người Việt Nam 140 91.5%

Một phần của tài liệu (LUẬN VĂN THẠC SĨ) CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN SỰ HÀI LÒNG CỦA KHÁCH HÀNG ĐỐI VỚI DỊCH VỤ QUẢN LÝ TÒA NHÀ CỦA TẬP ĐOÀN SSG TẠI TP HCM (Trang 48 -48 )

×