3.4.1 Thiết kế bảng câu hỏi
Bảng khảo sát được thiết kế bao gồm 2 phần:
Phần 1. Đo lường sự hài lòng của khách hàng đối với dịch vụ vận chuyển hành khách nội địa của Vietnamairlines bao gồm 41 câu hỏi, sử dụng thang đo Likert với 5 mức độ đánh giá sự hài lòng theo mức độ tăng dần từ (1) hoàn toàn không đồng ý đến (5) hoàn toàn đồng ý. Phần 2: Thông tin nhân khẩu học mô tả mẫu về các đặc điểm giới tính, tuổi tác, mục đích của chuyến bay, mức độ thường xuyên và lý do chọn bay cùng Vietnam Airlines khi sử dụng dịch vụ vận chuyển hành khách nội địa của Vietnamairlines trong giai đoạn Covid-19. Qua đó, tác giả phân tích được các đặc điểm nhân khẩu học có ảnh hưởng đến sự lựa chọn của hành khách về mức độ hài lòng khi sử dụng dịch vụ vận chuyển của Vietnam Airlines trong giai đoạn này hay không. Từ đó, tác giả có các đề xuất và kiến nghị phù hợp.
Sau khi bảng hỏi được thiết kế, tác giả tiến hành phỏng vấn thử 10 chuyên gia và khách hàng thường xuyên để kiểm tra mức độ rõ ràng của các biến quan sát, các câu hỏi và hiệu chỉnh hoàn tất bảng câu hỏi. (phụ lục 1)
3.4.2 Phương pháp thu thập dữ liệu và cỡ mẫu 3.4.2.1 Phương pháp thu thập dữ liệu
Thu thập dữ liệu là khâu quan trọng quyết định đến chất lượng và sự thành công của nghiên cứu, tác giả đã tham khảo phương pháp thu thập và xử lý dữ liệu của TS Lê Quang Hùng trong “Phân tích dữ liệu trong kinh doanh”, thông tin tác giả thu thập được qua các hành khách đã sử dụng dịch vụ vận tải hàng không nội địa của Vietnamairlines trong giai đoạn Covid-19 bằng phương pháp gửi phiếu khảo sát online (do tình hình dịch bệnh).
3.4.2.2 Cỡ mẫu
Áp dụng phương pháp chọn cỡ mẫu của Hoelter và cộng sự (2014) cho rằng kích thước mẫu tối thiểu phải theo công thức 5 mẫu quan sát/1 biến đo lường. Vậy mô hình nghiên cứu trên tác giả đang sử dụng 41 biến quan sát, vậy cỡ mẫu sẽ là n = 41 x 5 = 205 biến quan sát. Vậy với số mẫu hiện tại là 350 mẫu quan sát trong đó gạn lọc được 319 mẫu là chuẩn xác và phù hợp với yêu cầu kích thước mẫu của nghiên cứu.
53
3.4.3 Phương pháp phân tích dữ liệu
Tác giả sử dụng phương pháp phân tích với sự hỗ trợ của Phần mềm SPSS 20.0 với các bước phân tích sau:
3.4.3.1 Làm sạch dữ liệu
Sau khi đưa dữ liệu lên hệ thống, tiến hành kiểm tra lại tần số để phát hiện sai sót, kiểm tra các giá trị bị thiếu đảm bảo không bị nhập xót cũng như không bị lỗi vượt cận trên và vượt cận dưới. Từ đó chỉnh sửa bảng số liệu trước khi đưa vào phân tích loại bỏ các giá trị không phù hợp.
3.4.3.2 Thống kê mô tả
Các mẫu thu thập được nhập vào hệ thống phân tích và tiến hành phân tích bằng thống kê mô tả: Phân loại các mẫu theo tiêu chí điều tra, tính trung bình, giá trị nhỏ nhất, giá trị lớn nhất của các trị số trong quá trình nghiên cứu.
3.4.3.3 Kiểm định độ tin cậy của các nhóm nhân tố
Đây là phương pháp cho phép người nghiên cứu sử dụng loại bỏ các biến rác có ảnh hưởng xấu đến độ tin cậy của thang đo trong nghiên cứu thông quá hệ số Cronbach’s Alpha. Những biến có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại ra và các giá trị từ 0,6 trở lên sẽ được chọn. Theo cuốn “Phân tích nghiên cứu dữ liệu SPSS” của Hoàng Trọng và Chu Nguyễn Mộng Ngọc đã chỉ ra rằng các nghiên cứu có thang đo hệ số Cronbach’s Alpha từ 0,7 đến 0,8 là sử dụng được và từ 0,8 trở lên đến gần 1 là thang đo lường tốt.
3.4.3.4 Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Phân tích nhân tố phương pháp EFA dựa vào mối tương quan giữa các biến với nhau, EFA dùng để rút gọn một tập k các biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Có nghĩa là thu thập được một số biến khá lớn và hầu hết các biến này cso quan hệ với nhau và số lượng của chúng phải được giảm bớt đến một số lượng mà có thể sử dụng được.
Mô hình phân tích nhân tố này được sử dụng nhằm phân tích mối quan hệ của các biến xem biến nào gây ảnh hưởng mạnh nhất và loại bỏ hay gộp chung những biến ít quan trọng lại thành những nhóm biến (nhân tố) căn bản, biến chính (factor).
54
Số nhân tố cơ bản được rút ra là tùy ý nhưng khuynh hướng là càng ít biến thì càng đơn giản, dễ phân tích.
Các biến nhân tố cơ bản sau khi rút trách đều ngang nhau, không ảnh hưởng hay phụ thuộc đáng kể nhau. Chúng có những đặc trưng riêng và gây ảnh hưởng mạnh đến kết quả (hệ số Eigenvalue).
Nói chung, phân tích nhân tố EFA có hai mục đích là rút gọn dữ liệu và xác định cấu trúc quan hệ giữa các biến. Nói chung, EFA được sử dụng để thu gọn, tóm tắt dữ liệu, đồng thời dựa vào mối tương quan giữa các biến với nhau để rút gọn thành những nhân tố có nghĩa hơn.
Các tiêu chí được đưa ra khi phân tích nhân tố khám phá EFA gồm có:
Trị số KMO (Kaiser – Mayer – Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Chúng ta cần lưu ý, điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
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.
Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là
55
tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Theo Hair & ctg (2009,116), Multivariate Data Analysis, 7th Edition thì:
Factor Loading ở mức +-0.3: Điều kiện tối thiểu để biến quan sát được giữ lại. Factor Loading ở mức +-0.5: Biến quan sát có ý nghĩa thống kê tốt.
Factor Loading ở mức +-0.7: Biến quan sát có ý nghĩa thống kê rất tốt.
Tuy nhiên theo nhiều nghiên cứu với cỡ mẫu từ 120 đến dưới 350 thì lấy hệ số tải 0.5 làm mức tiêu chuẩn là phù hợp.
Phương pháp trích (Extraction Method): Sử dụng phương pháp Principal Components với phép quay Varimax để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố. Mục đích để giải thích các nhân tố.
3.4.3.5 Phân tích hồi quy
Từ kết quả rút trích nhân tố bằng phương pháp khám phá EFA, mô hình hồi quy được sử dụng để xem xét sự phù hợp của dữ liệu với sự phù hợp của mô hình, ta sử dụng hệ số Adjusted R- square, thống kê T-stat và Sig.F để kiểm định. Đánh giá mức độ quan trọng của các nhân tố, ta xem xét hệ số Beta tương ứng trong phương trình hội quy bội được xây dựng từ tạp dữ liệu nghiên cứu.
3.4.3.6 Kiểm định giả thuyết nghiên cứu
Các giả thuyết nghiên cứu sẽ được tiến hành kiểm định thông qua dữ liệu nghiên cứu của phương trình hồi quy được xây dựng. Tiêu chuẩn kiểm định sẽ sử dụng thống kê t và giá trị p- value (Sig). với mức độ tin cậy tiêu chuẩn là 95%. Giá trị p-value sẽ được so sánh trực tiếp với giá trị 0.05 để kết luận hoặc bác bỏ giả thuyết nghiên cứu.
3.4.3.7 Kiểm định các vi phạm
Kiểm định tính phù hợp của mô hình: tác giả sử dụng kiểm định ANOVA với mức ý nghĩa của kiểm định < 0.05 thì mô hình hồi quy phù hợp với tập dữ liệu.
Kiểm định hiện tượng đa cộng tuyến: Theo Hair và cộng sự, ta có thể đo lường đa cộng tuyến bằng hệ số phóng đại phương sai VIF. Nếu VIF lớn hơn 10 thì tồn tại hiện tượng đa cộng tuyến.
56
Kiểm định sự tương quan giữa các phần dư: Nghiên cứu này sử dụng hệ số (Durbin – Watson) với giá trị d nằm trong khoảng 1<d<3 thì có thể kết luận không có hiện tượng tương quan giữa các phần dư.
3.4.3.8 Kiểm định sự khác biệt trung bình giữa các nhóm nhân khẩu học
Nhằm kiểm định sự khác biệt trung bình, tác giả sử dụng kiểm định Independent – Samples T- Test đối với biến định tính có 2 giá trị và one-way ANOVA đối với biến định tính có từ 3 giá trị trở lên với căn cứ giá trị Sig.
• Kiểm định Independent-Samples T-test:
Nếu giá trị Sig, trong kiểm định Levene <0,05 thì phương sai giữa 2 giá trị là khác nhau, ta sử dụng kết quả kiểm định T-test ở hàng Equal variance not assumed. Với giá trị sig. T-Test <0,05, có thể kết luận có sự khác biệt và ngược lại, nếu sig.T – test ≥ 0,05, không có sự khác biệt.
Nếu giá trị Sig. trong kiểm định Levene ≥ 0.05 thì phương sai giữa 2 giá trị không khác nhau, ta sử dụng kết quả kiểm định T-Test ở hàng Equal variance assumed. Giá trị sig T-Test < 0.05 có thể kết luận có sự khác biệt và ngược lại, nếu sig T-Test ≥ 0.05 không có sự khác biệt.
• Kiểm định One-way ANOVA:
Nếu Sig. trong kiểm định ANOVA <0.05, chúng ta có kết luận có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng.
Nếu Sig. trong kiểm định ANOVA ≥ 0.05, chúng ta có thể kết luận không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng.
Tóm tắt chương 3:
Ở chương này, tác giả trình bày quy trình nghiên cứu, phương pháp nghiên cứu. Tác giả đưa nghiên cứu định tính để xác định thang đo chính thức, hiệu chỉnh thang đo ban đầu từ các mô hình nghiên cứu trên cơ sở lý thuyết để đưa ra thang đo phù hợp và chính xác hơn với thực tiến đạt được. Thang đo định tính được xây dựng sau khi phỏng vấn nhóm và phỏng vấn tay đối với 10 thành viên là chuyên gia trong lĩnh vực hàng không và khách hàng thường xuyên
57
bay với mức thẻ ưu tiên cao Platinum của Vietnamairlines trong giai đoạn Covid-19. Kế đến, tác giả đưa ra các mô hình nghiên cứu định lượng đã áp dụng thông qua SPSS 26.
58
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
4.1 Mô tả mẫu
Nghiên cứu này sử dụng nhiều dữ liệu:
Dữ liệu thứ cấp: Các báo cáo, kết quả kinh doanh của Vietnamairlines, các thống kê của cục hàng không dân dụng Việt Nam giai đoạn năm 2019-2021.
Dữ liệu sơ cấp: Điều tra khảo sát, phỏng vấn khảo sát, thu thập từ các chuyên gia và hành khách thường xuyên sử dụng dịch vụ vận tải hàng không quốc nội của Vietnamairlines trong khoảng thời gian năm 2020-2021 để từ đó làm cơ sở số liệu nghiên cứu định lượng.
Quy mô mẫu điều tra: Luận văn đã tiến hành điều tra bằng 350 phiếu khảo sát bảng câu hỏi cho hành khách sử dụng dịch vụ vận tải hàng không quốc nội của Vietnamairlines khoảng thời gian 09/2021-12/2021 (giai đoạn Covid-19).
Cách thức khảo sát:
1. Khảo sát qua form điện tử: Hệ thống chăm sóc khách hàng phỏng vấn khách qua phần mềm Monkey Survey được gửi tự động qua email của khách hàng sau khi khách thực hiện chuyến bay. Sử dụng link Google Form để thu thập dữ liệu của khách hàng, tác giả đã yêu cầu các đại lý bán vé máy bay lớn tại Nha Trang, Hà Nội, Sài Gòn, Đà Nẵng gửi form cho khách hàng thường xuyên (PLA, GLD) khi mua vé đánh giá. Giải thích lý do vì sao tác giả chọn đối tượng khách này vì theo phân tích nhân khẩu học, hành khách sử dụng dịch vụ vận chuyển hàng không nội địa của Vietnam Airlines nhiều nhất giai đoạn này là các hành khách thuộc chương trình bông sen vàng, nên khi chọn đối tượng hành khách này là đáp viên thì kết quả sẽ chính xác và có độ tin cậy cao. Qua khảo sát cách thức này, tác giả thu được 195 phiếu khảo sát.
2. Khảo sát qua điện thoại: Tổng đài viên gọi điện cho khách hàng đã thực hiện chuyến bay để phỏng vấn và đánh dấu đáp án vào bảng câu hỏi. Mỗi khách trả lời trong vòng 15-20 phút, tác giả thu được 105 phiếu khảo sát theo cách thức này.
3. Khảo sát trực tiếp với khách hàng: Qua phiếu đánh giá, nhân viên phục vụ hành khách phát cho khách tại các cụm cảng hàng không sân bay như Cam Ranh, Hà Nội, Sài Gòn, Nhân viên phục vụ hành khách sẽ thu lại phiếu khảo sát tại cửa ra máy bay (boarding
59
gate). Với cách thức này, khách có nhiều thời gian để thực hiện phiếu khảo sát trong lúc chờ đợi tại phòng chờ. Tác giả thu được 50 phiếu khảo sát theo cách thức này. Kết quả thu về được 350 phiếu khảo sát cho các đối tượng sẽ được phân tích, đánh giá, chọn ra 319 phiếu hợp lệ. Từ đó tiến hành xử lý, tổng hợp và phân tích bằng phần mềm xử lý thống kê SPSS 26.
4.1.1 Phân loại mẫu theo giới tính
Trong số 319 mẫu khảo sát, có thông số tần suất xuất hiện (Frequency) 205 người là nam, 114 người là nữ. Chiếm tỷ lệ lần lượt là 64,3% và 35,7%. Qua đó có thể thấy giới tính nam thực hiện số lượng chuyến bay trong giai đoạn này chiếm nhiều hơn giới tính nữ. Điều này cũng dễ hiểu khi dịch bệnh ảnh hưởng, phụ nữ đa phần có xu hướng ở nhà chăm sóc gia đình và hạn chế di chuyển nhiều hơn.
Bảng 4.1: Thống kê mẫu theo giới tính
Giới tính
Frequency Percent Valid Percent Cumulative Percent
Valid Nam 205 64.3 64.3 64.3
Nữ 114 35.7 35.7 100.0
Total 319 100.0 100.0
Nguồn: Kết quả xử lý SPSS
4.1.2 Phân loại mẫu theo độ tuổi
Qua phân tích về độ tuổi, có thể thấy rằng nhóm tuổi có số lượng hành khách vận chuyển nhiều nhất trong giai đoạn Covid-19 (2020-2021) là nhóm tuổi 24 đến 35 tuổi chiếm đến 44,8%, tiếp theo là nhóm tuổi 36 đến 50 chiếm đến 29,2%, nhóm tuổi dưới 24 tuổi chiếm tỷ lệ tiếp theo là 15,7%, nhóm tuổi từ 51 đến 65 tuổi chiếm 8,5% và cuối cùng là nhóm tuổi > 65 tuổi chiếm tỷ lệ ít nhất là 1,9%. Điều này cũng một phần giải thích được trong giai đoạn Covid- 19, khi mà dịch bệnh đang ảnh hưởng nặng nề đến nền kinh tế. đối tượng người thanh niên, trung niên là đối tượng có sức đề kháng tốt hơn cũng như có thể thấy là đối tượng di chuyển bằng phương tiện hàng không nội địa trên Vietnamairlines là rất lớn, chiếm gần như 90% (từ độ tuổi <24 – độ tuổi 50), còn đối tượng cao tuổi từ 50 trở lên chiếm số lượng rất ít và không đáng kể. Điều này cũng là khá phù hợp với tình hình thực tế trong giai đoạn Covid-19 này.