6. Kết cấu của luận văn
2.4. Nghiên cứu định lượng
Nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng. Nghiên cứu định lượng nhằm kiểm định lại các thang đo trong mô hình nghiên cứu thông qua phiếu khảo sát.
2.4.1. Thu thập dữ liệu
* Phương pháp thu thập dữ liệu
Để thu thập sự đánh giá mức độ hài lòng của khách hàng về dịch vụ viễn thông di động của nhà mạng Vinaphone trên địa bàn tỉnh Ninh Bình, tác giả tiếp cận đối tượng nghiên cứu bằng phương pháp phỏng vấn trực tiếp để có thể thuyết phục người được phỏng vấn tham gia trả lời với tỷ lệ cao; đồng thời trong quá trình phỏng vấn có thể giải thích kỹ lưỡng hơn những gì đối tượng phỏng vấn chưa hiểu hoặc hiểu chưa chính xác về câu hỏi, khi đối tượng phỏng vấn trả lời xong có thể kiểm tra lại dữ liệu một cách nhanh chóng và phỏng vấn lại để phiếu khảo sát được hoàn chỉnh.
Đối tượng khảo sát là các cá nhân, tổ chức (sau đây gọi tắt là khách hàng) có sử dụng dịch vụ thông tin di động mạng Vinaphone trên địa bàn tỉnh Ninh Bình, bao gồm cả khách hàng trả trước, khách hàng trả sau đã và đang sử dụng dịch vụ mạng Vinaphone.
Các phiếu khảo sát sẽ được gửi tới khách hàng thông qua việc phân phát trực tiếp đến khách hàng và dựa trên các phỏng vấn viên là những người làm trong hệ thống đại lý kinh doanh dịch vụ mạng Vinaphone trên địa bàn
tỉnh Ninh Bình để phát phiếu khảo sát đối với những nơi tác giả không có điều kiện đến gặp trực tiếp.
* Thiết kế phiếu khảo sát
Sau khi thu thập ý kiến từ việc thảo luận nhóm, phiếu khảo sát được chỉnh sửa và thiết kế gồm hai phần như sau:
Phần đầu là một số thông tin cá nhân của khách hàng được phỏng vấn và các thông tin để phân loại đối tượng phỏng vấn.
Phần tiếp theo của phiếu khảo sát được thiết kế để thu thập sự đánh giá của khách hàng đối với các nhân tố tác động đến sự thỏa mãn của khách hàng. Phần cuối của phiếu khảo sát được thiết kế để thu thập sự đánh giá tổng thể của khách hàng về sự hài lòng của mình.
Phiếu khảo sát chính thức được thiết kế gồm 15 câu hỏi đóng trong đó bao gồm 20 biến quan sát cấu thành đặc trưng của dịch vụ viễn thông di động; các thành phần chất lượng dịch vụ, giá cả, hình ảnh công ty, dịch vụ khách hàng và thành phần sự hài lòng, mỗi thành phần gồm 04 biến quan sát.
Nghiên cứu sử dụng thang điểm Likert trong phiếu khảo sát. Với thang điểm Likert, mức độ trên thang điểm có thể là 3, 5, 7, hoặc 9. Số điểm ít thì không phản ánh đầy đủ bản chất phức tạp của vấn đề, tuy nhiên dễ dàng hơn để mọi người suy nghĩ. Số điểm càng nhiều thì mức độ biểu thị càng chi tiết, diễn giải càng sâu. Tuy nhiên, không phân biệt rõ các ranh giới giữa các điểm, gây nên khó khăn cho việc lựa chọn và xác định quan điểm của khách hàng, đặc biệt trên thang đo từ 7 trở lên. Điều này có nghĩa rằng nếu phiếu khảo sát cung cấp từ 7 lựa chọn trở lên, để không mất thời gian khách hàng có thể sẽ bắt đầu chọn một câu trả lời một cách ngẫu nhiên làm cho dữ liệu thu thập được trở nên vô nghĩa. Theo đó, phiếu khảo sát áp dụng thang điểm Likert với năm điểm để đánh giá, đây là thang điểm một chiều. Nghiên cứu tạo ra một nhóm các thang điểm dựa trên thang đo từ sự không đồng ý đến đồng ý; các
mức độ đánh giá dựa trên thang điểm từ 1 = "hoàn toàn không đồng ý" đến 5 = "hoàn toàn đồng ý" (Saunders và cộng sự, 2012).
Với cách thiết kế phiếu khảo sát như vậy, khách hàng sẽ cho biết kỳ vọng và cảm nhận, đánh giá của mình về các lợi ích do dịch vụ viễn thông mang lại bằng cách khoanh tròn vào con số thích hợp. Bằng cách này sẽ giúp lượng hóa được ý kiến của người được điều tra và sử dụng điểm số Likert để kiểm định thống kê và phân tích số liệu trong việc đánh giá sự thỏa mãn của khách hàng sau này.
* Kích thước mẫu
Để phân tích hồi quy đa biến đạt được kết quả tốt nhất, nghiên cứu này sử dụng công thức của Tabachnick và Fidell để tính kích thước mẫu N có tính đến số lượng các biến độc lập được sử dụng với công thức như sau: N>50+8*m với m là biến độc lập (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009). Trong nghiên cứu này, bao gồm 16 biến độc lập, như vậy để đảm bảo thì kích thước mẫu phải lớn hơn 178 mẫu. Để tăng mức độ tin cậy, nghiên cứu tiến hành thu thập dữ liệu với 520 phiếu điều tra được phát ra.
* Phương pháp chọn mẫu
Quá trình điều tra chọn mẫu có nghĩa là người nghiên cứu không tiến hành điều tra hết toàn bộ các đơn vị của một tổng thể mà chỉ tiến hành điều tra trên một số đơn vị nhằm tiết kiệm thời gian, chi phí của quá trình nghiên cứu và công sức của nhà nghiên cứu trong quá trình điều tra. Các nhà nghiên cứu thường dựa trên các đặc điểm và tính chất của mẫu khảo sát để thể suy ra được các đặc điểm và tính chất của cả tổng thể đó (Lê Văn Huy và Trương Trần Trâm Anh, 2012).
Do số lượng lớn các khách hàng của Vinaphone, việc hạn chế thời gian và hạn chế về chi phí nên nghiên cứu này không thể thu thập dữ liệu từ toàn bộ khách hàng của Vinaphone, vì vậy nghiên cứu chọn mẫu với các kỹ thuật
lấy mẫu xác suất đại diện cho toàn bộ khách hàng. Những người được chọn từ khung mẫu là danh sách khách hàng trong khoảng thời gian từ năm 2014 đến năm 2016.
Thông qua các lợi ích và hạn chế của các loại hình chọn mẫu ngẫu nhiên, nghiên cứu áp dụng phương pháp chọn mẫu ngẫu nhiên hệ thống, đó là chọn mẫu với khoảng cách bằng nhau hoặc mỗi khách hàng thứ hai từ khung lấy mẫu. Kỹ thuật này rất dễ giải thích, chi phí thấp, và phù hợp với tất cả các cỡ mẫu và trường hợp của một khu vực địa lý lớn khi không cần tiếp xúc mặt đối mặt (Saunders và cộng sự, 2012).
* Những khó khăn gặp phải khi thu thập dữ liệu
Trong quá trình thu thập dữ liệu, phỏng vấn viên gặp phải một số vấn đề nổi cộm lên.
- Nhiều người được hỏi từ chối dành thời gian và trả lời các câu hỏi vì những điều tra viên là những người không phải quen biết và thân thiết với họ. - Nhiều người được hỏi cho rằng những câu hỏi có thể không thực tế để trả lời vì cách mà họ được hỏi quá đơn giản; hoặc quá khó để họ trả lời câu hỏi khảo sát vì họ thiếu kiến thức về vấn đề được nêu ra. Họ có thể nghĩ rằng họ không có trách nhiệm và không cần phải trả lời những câu hỏi có nội dung mang thông tin cá nhân, liên quan đến các vấn đề nhạy cảm, hoặc chưa bao giờ họ nghĩ đến.
- Một số khách hàng được điều tra hiểu sai câu hỏi hoặc có thể đánh dấu chỉ để làm hài lòng các điều tra viên dẫn đến việc cung cấp thông tin gây hiểu nhầm và không chính xác, làm ảnh hưởng đến kết quả nghiên cứu.
- Hạn chế về thời gian gây áp lực cho người trả lời khảo sát.
2.4.2. Phương pháp xử lý thông tin
Sau khi khảo sát, thu thập dữ liệu, tác giả tiến hành rà soát lại số phiếu khảo sát thu về và loại bỏ 18 phiếu khảo sát trả lời không đầy đủ, không thích
hợp, không hợp lệ; hiệu chỉnh; mã hóa dữ liệu và nhập liệu vào phần mềm SPSS 16.0 để xử lý dữ liệu qua các bước như sau:
* Hiệu chỉnh dữ liệu:
Dữ liệu thu thập sẽ được hiệu chỉnh trong và sau quá trình phỏng vấn: phỏng vấn viên có nhiệm vụ giải thích kỹ lưỡng những gì đối tượng phỏng vấn chưa hiểu hoặc hiểu chưa chính xác về phiếu khảo sát, khi đối tượng phỏng vấn trả lời xong phiếu khảo sát, phỏng vấn viên có trách nhiệm kiểm tra thật nhanh bảng trả lời, nếu phát hiện câu hỏi nào bị bỏ sót thì nhanh chóng phỏng vấn lại để phiếu khảo sát được hoàn chỉnh. Nếu là lỗi do phỏng vấn viên để phiếu khảo sát còn nhiều câu hỏi trống, câu trả lời không hợp lệ (như tích vào 2 đáp án cho cùng một câu hỏi) thì trong lần kiểm tra lại lần hai, tác giả sẽ loại bỏ các phiếu điều tra này nhằm đảm bảo tính hoàn tất và rõ ràng cho dữ liệu nghiên cứu. Ngoài ra, trong quá trình nhập liệu, nếu phát hiện biến nào chứa ô trống hoặc nhận giá trị lạ không nằm trong khoảng giá trị quy định thì tác giả sẽ rà soát và kiểm tra lại. Nếu là lỗi của người nhập liệu thì nhập lại cho đúng, còn nếu là lỗi trong quá trình phỏng vấn thì bảng trả lời này không hợp lệ và được loại ra khỏi quá trình phân tích dữ liệu.
* Mã hóa dữ liệu
Căn cứ vào phiếu khảo sát phần thông tin thu thập sự đánh giá của khách hàng đối với các nhân tố tác động đến sự thỏa mãn của khách hàng đã được mã hóa thành dạng số và có ý nghĩa cho khách hàng đánh giá. Tuy nhiên phần thông tin cá nhân của khách hàng được phỏng vấn và các thông tin để phân loại đối tượng phỏng vấn đang ở dạng chữ. Do đó, để xử lý dữ liệu qua phần mềm SPSS, tác giả thực hiện mã hóa dữ liệu thông tin cá nhân và các thông tin để phân loại đối tượng phỏng vấn nhằm nhận diện và phân loại mỗi câu trả lời trên một ký hiệu. Bảng mã hóa thể hiện tại Phụ lục 1.3.
* Đánh giá thang đo
Khi phân tích dữ liệu cần loại bỏ lỗi trong thang đo. Để loại bỏ lỗi và đánh giá độ tin cậy của thang đo, các kỹ thuật được áp dụng bao gồm hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA, cụ thể như sau:
Đánh giá độ tin cậy qua hệ số Cronbach’s Alpha:
Hệ số của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước 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 và Nguyễn Thị Mai Trang, 2009). 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. Những biến có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới. Thông thường, thang đo có Cronbach Alpha từ 0,7 đến 0,8 là sử dụng được (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích nhân tố khám phá EFA:
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Trong phân tích nhân tố khám phá, một số giá trị thống kê cần phải quan tâm cụ thể như sau:
- Trị số KMO (Kaiser - Meyer - Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Khoảng thích hợp của trị số này là từ 0,5 đến
1, nếu vượt ra ngoài khoảng đó thì phân tích nhân tố có thể không thích hợp với dữ liệu.
- Đại lượng Eigenvalue để xác định số lượng nhân tố. Các nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình và phần trăm phương sai toàn bộ phải lớn hơn 50%.
- Kiểm định Bartlett là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê Sig. < 0,05 thì các biến quan sát có mối tương quan với nhau trong tổng thể.
- Hệ số tải nhân tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
+ Hệ số tải nhân tố > 0,3 được xem là đạt mức tối thiểu + Hệ số tải nhân tố > 0,4 được xem là quan trọng
+ Hệ số tải nhân tố > 0,5 được xem là có ý nghĩa thực tiễn
- Component matrix (Rotated component matrix): một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau.
Dựa vào các giá trị thống kê nêu trên, phương pháp phân tích nhân tố khám phá EFA được sử dụng để kiểm định giá trị của các thang đo sử dụng trong nghiên cứu.
* Điều chỉnh mô hình nghiên cứu và các giả thuyết
Sau khi thực hiện đánh giá thang đo thông qua các công cụ đánh giá độ tin cậy bằng hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA, có
thể một số biến quan sát không phù hợp bị loại ra khỏi thang đo, do đó tác giả có thể phải điều chỉnh lại mô hình nghiên cứu.
* Kiểm định mô hình nghiên cứu
Sau khi đánh giá thang đo và hoàn tất việc điều chỉnh mô hình nghiên cứu, việc kiểm định mô hình nghiên cứu và xác định mối quan hệ giữa các biến với nhau (biến phụ thuộc, biến độc lập) được thực hiện thông qua việc phân tích hồi quy và tương quan.
Phân tích tương quan:
Phân tích tương quan được thực hiện để phân tích mối quan hệ tương quan giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Phương pháp phân tích này sử dụng hệ số Pearson (r) để lượng hóa mức độ chặt chẽ về mối quan hệ giữa hai biến định lượng. Hệ số Pearson lớn hơn 1 chứng tỏ hai biến có mối quan hệ đồng biến và hệ số Pearson nhỏ hơn 1 thì ngược lại. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì chứng tỏ hai biến có mối liên hệ tương quan tuyến tính càng chặt chẽ. Cụ thể:
│r│< 0,20: Không có mối quan hệ tương quan 0,21 ≤│r│≤ 0,40: Tương quan yếu
0,41 ≤│r│≤ 0,60: Tương quan trung bình 0,61 ≤│r│≤ 0,80: Tương quan mạnh 0,81 ≤│r│≤ 1,00: Tương quan rất mạnh
Phân tích hồi quy đa biến:
Thực hiện phương pháp hồi quy đa biến theo phương pháp Enter, đó là tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan đến các biến được đưa vào trong mô hình.
Với mức độ tin cậy yêu cầu là 95%, tiến hành dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor). Kiểm tra giả định về hiện tượng
đa cộng tuyến thông qua hệ số phóng đại phương sai VIF: VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng. Hệ số R bình phương cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào hay nói cách khác là tỷ lệ độ biến thiên của sự hài lòng của khách hàng về dịch vụ thông tin di động được giải thích bởi các biến trong mô hình.
Phương trình của mô hình hồi quy của đề tài như sau: HL = C + β1CL + β2GC + β3TH + β4CS
Trong đó: biến phụ thuộc là sự hài lòng của khách hàng (HL) cho biết