phần mềm đƣợc đánh giá là d sử dụng với cách thức thao tác kích chuột trên giao diện đơn giản.
3.5.1 Thống kê mô tả về mẫu.
Khi thực hiện luận văn em thực hiện các nghiên cứu định lƣợng, việc thống kê mô tả mẫu nghiên cứu rất quan trọng và là điều bắt buộc.
Mục đích việc thống kê mô tả:
- Tóm tắt, mô tả sơ bộ cấu trúc, các đặc trƣng phân phối của số liệu - Xác định các ƣớc lƣợng phân phối, tham số của tổng thể từ mẫu số liệu - Phát hiện các quan sát ngoại lai, các sai số để tìm cách làm sạch số liệu - Lựa chọn mô hình, các phƣơng pháp phân tích thống kê phù hợp với số liệu
3.5.2 Cronbach’s Alpha.
Hệ số Cronbach’s alpha là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tƣơng quan giữa các biến quan sát. Điều này liên quan đến hai khía cạnh là tƣơng quan giữa bản thân các biến và tƣơng quan của các điểm số của từng biến với điểm số toàn bộ các biến của mỗi ngƣời trả lời. Phƣơng pháp này cho phép ngƣời phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu vì nếu không chúng ta không thể biết đƣợc chính xác độ biến thiên cũng nhƣ độ lỗi của các biến. Nhiều nhà nghiên cứu đồng ý rằng hệ số Cronbach’s Alpha từ 0.8 đến gần 1.0 thì thang đo lƣờng là tốt, từ 0.7 đến 0.8 là sử dụng đƣợc. Cũng có nghiên cứu đề nghị rằng, hệ số Cronbach’s Alpha từ 0.6 trở lên là sử dụng đƣợc trong trƣờng hợp khái niệm đo lƣờng là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Hoàng Trọng & Chu Nguy n Mộng Ngọc, 2005). Ngoài ra, hệ số tƣơng quan biến – tổng dùng để kiểm tra mối tƣơng quan chặt chẽ giữa các biến cùng đo lƣờng một khái niệm nghiên cứu. Nếu một biến có hệ số tƣơng quan biến - tổng ≥ 0.3 thì biến đó đạt yêu cầu (Nunnally và BernStein, 1994). Do đó, căn cứ vào các tiêu chuẩn trên và đặc trƣng của đối tƣợng nghiên cứu, em kiểm định thang đo bằng phần mềm SPSS 20 chỉ giữ lại biến có hệ số Cronbach’s Alpha từ 0.6 và tƣơng quan biến – tổng ≥ 0.3 đƣợc xem là chấp nhận và thích hợp đƣa vào phân tích những bƣớc tiếp theo.
3.5.3 Phân tích nhân tố khám phá EFA.
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu này, phân tích nhân tố
đƣợc ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lƣờng các khía cạnh khác nhau của các khái niệm nghiên cứu và tìm mối quan hệ giữa các biến với nhau. Trong phân tích EFA, đại lƣợng Bartlett là đại lƣợng thống kê dùng để xem xét giả thuyết các biến không có tƣơng quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau (các biến đo lƣờng phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). 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. Trị số KMO (KaiMeyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để việc tiến hành phân tích nhân tố là thích hợp.
Ngoài ra, phân tích nhân tố EFA còn dựa vào chỉ số Eingenvalue (đại diện cho lƣợng biến thiên đƣợc giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phƣơng sai trích cho biết phân tích nhân tố giải thích đƣợc bao nhiêu phần trăm và bao nhiêu phần trăm bị thất thoát) để xác định số lƣợng nhân tố. Theo Gerbing và Anderson (1988), các nhân tố có Eingenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trƣớc khi phân tích EFA). Vì thế, các nhân tố chỉ đƣợc rút trích tại Eingenvalue > 1 và đƣợc chấp nhận khi tổng phƣơng sai trích ≥ 50%. Tuy nhiên, trị số Eingenvalue và phƣơng sai trích là bao nhiêu còn phụ thuộc vào phƣơng pháp trích và phép xoay nhân tố.
Một phần quan trọng trong kết quả phân tích nhân tố là ma trận nhân tố (Component Matrix). Ma trận nhân tố chứa các hệ số tải nhân tố (Factor loading) biểu di n tƣơng quan giữa các nhân tố và các biến. Hệ số này lớn (> 0.5) cho biến nhân tố và biến có liên hệ chặt chẽ với nhau. Theo Hoàng Trọng và Chu Nguy n Mộng Ngọc (2008 [14]) thì mặc dù ma trận nhân tố ban đầu cho thấy mối quan hệ giữa các nhân tố và từng biến nhƣng nó ít khi tạo ra các nhân tố có thể giải thích một cách một cách d dàng. Thông qua việc xoay các nhân tố, ma trận nhân tố sẽ trở nên đơn giản hơn và d giải thích hơn. Trong nghiên cứu này, em sử dụng phƣơng pháp rút trích nhân tố Principal Component với phép xoay Varimax, đây là phƣơng pháp thƣờng đƣợc sử dụng trong phân tích hồi quy.
Factor Loading >= 0.75 cỡ mẫu khoảng 50 -> 100
(Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice-Hall International)
Hệ số KMO (Kaiser-Meyer-Olkin) phải đạt giá trị 0.5 trở lên (0.5=<KMO<=1) thể hiện phân tích nhân tố là phù hợp.
Kiểm định Bartlett (Bartlett’s test) có ý nghĩa thống kê (sig < 0.05), chứng tỏ các biến quan sát có tƣơng quan với nhau trong tổng thể.
Hệ số tải nhân tố (Factor Loading) là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA >= 0.5.
Tổng phƣơng sai trích (Total Varicance Explained) đạt giá trị từ 50% trở lên, các nhân tố trích ra giải thích đƣợc bấy nhiêu phần trăm sự biến thiên của dữ liệu nghiên cứu. (Gerbing & Anderson, 1988)
Eigenvalue (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố) > 1 thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất.
3.5.4 Phân tích hồi quy
Trƣớc tiên, dùng hệ số tƣơng quan Pearson trong ma trận hệ số tƣơng quan để xem xét mối tƣơng quan tuyến tính giữa biến độc lập và biến phụ thuộc và giữa các biến độc lập với nhau. Trong phân tích tƣơng quan Pearson không có sự phân biệt biến độc lập và biến phụ thuộc mà tất cả đều đƣợc xem xét nhƣ nhau. Nếu giữa hai biến có sự tƣơng quan chặt thì cần lƣu ý vấn đề đa cộng tuyến khi phân tích hồi quy (Hoàng Trọng và Chu Nguy n Mộng Ngọc, 2008).
Sau khi xác định đƣợc giữa các biến độc lập và biến phụ thuộc có tƣơng quan tuyến tính, em cụ thể mối quan hệ nhân quả này bằng mô hình hồi quy tuyến tính bội, với sự hài lòng của khách hàng là biến phụ thuộc, các biến còn lại là biến độc lập.
Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội bằng hệ số R2 (R Square) và hệ số R2 điều chỉnh (Ajusted RSquare).
Sử dụng kiểm định F để xem xét mức độ phù hợp của mô hình hồi quy tổng thể. Đo lƣờng mức độ đa cộng tuyến của mô hình thông qua phân tích hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor). Nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu nhƣ không có giá trị giải thích biến thiên của biến phụ thuộc trong mô hình hồi quy bội (Hair & ctg, 2006). Tuy nhiên, trong thực tế, nếu
VIF lớn hơn 2, chúng ta cần cẩn thận trong di n giải các trọng số hồi qui. Đôi khi, chúng ta cần xem xét các hệ số tƣơng quan của biến đó với biến phụ thuộc để so sánh chúng với trọng số hồi qui (Nguy n Đình Thọ, 2011).
Đánh giá mức độ tác động mạnh hay yếu giữa các biến thông qua hệ số hồi quy đã chuẩn hóa Beta.
Mức ý nghĩa đƣợc xác lập cho các kiểm định và phân tích là 0.05 (độ tin cậy 95%) Để thực hiện phƣơng pháp phân tích hồi quy đa biến, chúng ta cần lƣu ý các giả thuyết tiền đề cho phƣơng pháp này, bao gồm:
o Tổng phần dƣ = 0 và phần dƣ có tính phân phối chuẩn.
o Không xảy ra hiện tƣợng cộng tuyến (các biến độc lập không có tƣơng quan cao với nhau).
o Không xảy ra hiện tƣợng tự tƣơng quan.
o Không xảy ra hiện tƣợng phƣơng sai không đều.
3.5.5 Kiểm định ANOVA
Để phân tích ANOVA có ý nghĩa hơn, ngƣời ta thƣờng tiến hành phân tích sâu ANOVA sau bƣớc phân tích ANOVA cơ bản. Có 2 phƣơng pháp, đó là kiểm định “trƣớc” (Priori Contrasts) và kiểm định “sau” (Post-Hoc test). Phƣơng pháp gần với phƣơng pháp nghiên cứu thực là Post-Hoc test. Do đó trên thực tế ngƣời ta thƣờng dùng Post-Hoc test để thực hiện phân tích sâu ANOVA nhằm tìm ra chỗ khác biệt. Một số phƣơng pháp Post-Hoc test thƣờng sử dụng là:
o LSD: dùng kiểm định t lần lƣợt cho từng cặp trung bình nhóm. Nhƣợc điểm của nó là độ tin cậy không cao vì làm gia tăng mức độ phạm sai lầm tƣơng ứng với việc so sánh nhiều nhóm cùng một lúc.
o Bonferroni: giống quy tắc của LSD nhƣng điều chỉnh đƣợc mức ý nghĩa khi tiến hành so sánh bội dựa trên số lần tiến hành so sánh. Đây là thủ tục đơn giản và thƣờng đƣợc sử dụng.
o Tukey: cũng đƣợc sử dụng phổ biến cho việc tìm kiếm các trung bình các nhóm khác biệt. Nó sử dụng bảng phân phối Studentizze range distribution. Tukey hiệu quả hơn Bonferroni khi số lƣợng các cặp trung bình cần so sánh khá nhiều.
so với các thủ tục so sánh bội khác để bảo đảm có sự khác biệt thực sự, nhƣng vì thế nó đƣa ra kết quả thận trọng hơn.
o R-E-G-W: thực hiện 2 bƣớc kiểm định, đầu tiên nó tiến hành kiểm định lại toàn bộ các trị trung bình nhóm xem có bằng nhau không; nếu không bằng thì bƣớc kế tiếp nó sẽ kiểm định để tìm các nhóm nào khác biệt thực sự với nhau về trị trung bình. Nhƣng kiểm định này không phù hợp khi kích cỡ các nhóm mẫu không bằng nhau.
o Dunnett: là thủ tục cho phép chọn so sánh các trị trung bình của các nhóm mẫu còn lại với một trị trung bình của một nhóm mẫu cụ thể nào đó đƣợc chọn ra so sánh (nhóm điều khiển), SPSS mặc định chọn nhóm cuối (Last) để làm nhóm điều khiển.
Lưu ý: Trong trƣờng hợp phƣơng sai giữa các đối tƣợng cần so sánh khác nhau, ngƣời ta hay chọn Tamhane’s T2 (kiểm định t từng cặp trƣờng hợp phƣơng sai khác nhau)
Tóm tắt chƣơng 3.
Trong chƣơng ba, em đã trình bày rõ hơn về phƣơng pháp nghiên cứu đã đƣợc sử dụng trong luận văn gồm: nghiên cứu sơ bộ định tính, nghiên cứu chính thức định lƣợng và các phƣơng pháp phân tích dữ liệu dự định thực hiện: Thống kê mô tả, Crombach’s Alpha, EFA, hồi quy tuyến tính,…
Nghiên cứu chính thức định lƣợng thực hiện thông qua khảo sát bảng câu hỏi và thu thập số liệu, dùng phần mềm SPSS để phân tích số liệu thu đƣợc.
CHƢƠNG 4
PHÂN TÍCH DỮ LIỆU 4.1 PHÂN TÍCH DỮ LIỆU THỨ CẤP
4.1.1 Tổng quan về công ty
- KFC CRESENT MALL tọa lạc tại tầng 5 của Trung tâm thƣơng mại Cresent Mall, 101 Tôn Dật Tiên Quận 7 TPHCM. Đƣợc thành lập ngày 21 tháng 11 năm 2011 là nhà hàng thứ 113 trong chuỗi 131 cửa hàng trên 19 tỉnh/thành trên cả nƣớc sau một năm kể từ lúc Trung tâm thƣơng mại Cresent Mall đƣợc thành lập.
4.1.2 Cơ cấu tổ chức
4.2 THÔNG TIN SƠ CẤP
4.2.1 Kiểm định Cronbach’s Alpha
4.2.1.1 Kiểm định Cronbach’sAlpha cho biến độc lập
Bảng 4.1 Kết quả phân tích các thang đo cho biến độc lập
Trung bình thang đo nếu
loại biến
Phƣơng sai thang đo nếu
loại biến Tƣơng quan biến tổng Cronbach’s Alpha nếu loại biến Phƣơng tiện hữu hình, Cronbach alpha = 0.842
HH1 15.80 6.843 .528 .844 Cửa hàng trưởng Chị Duyên Cashier Chị Thủy Supply Chị Gương Cook Anh Thiện Loppy Chị Trâm Quản lí Anh Sanh Quản lí Anh Sang
HH3 15.83 6.477 .703 .795
HH4 15.77 6.998 .532 .840
HH5 15.80 6.227 .739 .784
Năng lực phục vụ, Cronbach alpha = 0.843
NL1 7.61 1.894 .732 .761 NL2 7.50 1.867 .678 .811 NL3 7.59 1.783 .718 .773 Đồng cảm,Cronbach alpha = 0.851 ĐC1 15.75 6.460 .662 .821 ĐC2 15.76 6.518 .605 .836 ĐC3 15.82 6.353 .693 .813 ĐC4 15.78 6.196 .655 .824 ĐC5 15.80 6.240 .702 .810
Mức độ tin cậy, Cronbach alpha = 0.791
TC1 7.74 1.797 .657 .706 TC2 7.69 1.457 .616 .745 TC3 7.75 1.560 .646 .701 Mức độ đáp ứng, Cronbach alpha = 0.890 ĐU1 12.11 4.602 .689 .883 ĐU2 12.04 4.178 .783 .849 ĐU3 12.02 4.301 .753 .860 ĐU4 12.02 4.045 .809 .839 ĐU5 12.11 4.602 .689 .883
Thang đo phƣơng tiện hữu hình
Theo bảng kết quả phân tích trên, hệ số Cronbanh’s Alpha của tổng thể là 0,842 > 0,6 nên hệ số này có ý nghĩa.
Hệ số tƣơng quan biến tổng của biến quan sát là HH1, HH2, HH3, HH4, HH5 đều > 0.3 (lớn hơn tiêu chuẩn cho phép) nên thang đo đạt tiêu chuẩn, đảm bảo chất lƣợng tốt.
Thang đo đồng cảm
Theo bảng kết quả phân tích trên, hệ số Cronbanh’s Alpha của tổng thể là 0,851> 0,6 nên hệ số này có ý nghĩa.
Hệ số tƣơng quan biến tổng của biến quan sát là ĐC1, ĐC2, ĐC3, ĐC4, ĐC5 đều > 0.3 (lớn hơn tiêu chuẩn cho phép) nên thang đo đạt tiêu chuẩn, đảm bảo chất lƣợng tốt.
Thang đo Năng lực phục vụ
Theo bảng kết quả phân tích trên, hệ số Cronbanh’s Alpha của tổng thể là 0,843> 0,6 nên hệ số này có ý nghĩa.
Hệ số tƣơng quan biến tổng của biến quan sát là NL1, NL2, NL3, NL4 đều > 0.3 (lớn hơn tiêu chuẩn cho phép) nên thang đo đạt tiêu chuẩn, đảm bảo chất lƣợng tốt.
Thang đo mức độ tin cậy
Theo bảng kết quả phân tích trên, hệ số Cronbanh’s Alpha của tổng thể là 0,791> 0,6 nên hệ số này có ý nghĩa.
Hệ số tƣơng quan biến tổng của biến quan sát là TC1, TC2, TC3, TC4 đều > 0.3 (lớn hơn tiêu chuẩn cho phép) nên thang đo đạt tiêu chuẩn, đảm bảo chất lƣợng tốt.
Thang đo mức độ đáp ứng
Cronbach’s Alpha của tổng thể là 0,890 > 0,6 nên hệ số này có ý nghĩa.
Hệ số tƣơng quan biến tổng của các biến quan sát còn lại là ĐU1, ĐU2, ĐU3, ĐU4, ĐU5 đều > 0.3 (lớn hơn tiêu chuẩn cho phép) nên thang đo đạt tiêu chuẩn, đảm bảo chất lƣợng tốt.
Bảng 4.2 Kết quả kiểm định thang đo cho các biến phụ thuộc
Sự hài lòng, Cronbach alpha = 0.747
SHL1 8.30 1.109 .512 .736
SHL2 7.93 .937 .604 .633
SHL3 8.11 1.153 .629 .619
Nguồn: tác giả thực hiện
Theo bảng kết quả phân tích trên, hệ số Cronbanh’s Alpha của tổng thể là 0,747 > 0,6 nên hệ số này có ý nghĩa.
Hệ số tƣơng quan biến tổng của biến quan sát là SHL1, SHL2, SHL3 đều > 0.3 (lớn hơn tiêu chuẩn cho phép) nên thang đo đạt tiêu chuẩn, đảm bảo chất lƣợng tốt.
4.2.1.3. Tổng hơp các biến và thang đo sau khi phân tích Cronbach’s Alpha
Bảng 4.3 Bảng tóm tắt đánh giá độ tin cậy thang đo.
Thang đo Số biến
chấp nhận
Giá trị Cronbach’s Alpha
Đánh giá
Phƣơng tiện hữu hình 5 0.842 Đạt yêu cầu về độ
tin cậy thang đo
Đồng cảm 5 0.851 Đạt yêu cầu về độ
tin cậy thang đo
Năng lực phục vụ 4 0.843 Đạt yêu cầu về độ
tin cậy thang đo
Mức độ tin cậy 4 0.791 Đạt yêu cầu về độ
tin cậy thang đo
Mức độ đáp ứng 5 0.890 Đạt yêu cầu về độ
tin cậy thang đo
Nguồn: tác giả thực hiện
Từ kết quả tổng hợp ta nhận thấy rằng, sau kết quả đánh giá độ tin cậy thang đo bằng công cụ Cronbach’s Alpha cho thấy tất cả các thang đo đều đạt độ tin cậy thang đo và chúng đƣợc sử dụng cho các nghiên cứu tiếp theo.
4.2.2 Kiểm định của phân tích nhân tố (EFA - Exploratory Factor Analysis) Analysis)
4.2.2.1 Kiểm định tích thích hợp của mô hình phân tích nhân tố EFA (KaiserMeyer-Olkin)
Bảng 4.4 Bảng phân tích KMO và Bartlett’s Test
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .782
Bartlett's Test of Sphericity
Approx. Chi-Square 1517.199
df 190
Sig. .000
Nguồn: tác giả thực hiện
Thƣớc đo KMO (Kaiser-Meyer-Olkin) có giá trị = 0,782 thỏa điều kiện 0,5 ≤ KMO ≤ 1.
Kết luận: phân tích nhân tố là phù hợp với dữ liệu thực tế.
4.2.2.2 Kiểm định tính tương quan giữa các biến quan sát (Bartlett's Test)
Kết quả kiểm định Bartlett's Test là 1517 và có giá trị Sig. = 0,000 < 0,05. Kết luận: các biến quan sát có tƣơng quan với nhau trong mỗi nhóm nhân tố.
4.2.2.3 Kiểm định phương sai trích của các yếu tố (% Cumulative variance)