STT Biến quan sát Trung bình của thang đo nếu loại Phương sai của thang đo nếu loại Hệ số tương quan biến Cronbach’s Alpha nếu loại biến Cronbach’s Alpha
biến biến tổng Thang đo “ Nguồn lực”
1 R1 15,8132 5,312 0,747 0,709 0,812 2 R2 15,2125 5,635 0,805 0,783
3 R4 15,5262 5,524 0,829 0,749 4 R5 15,4374 5,462 0,731 0,859 Thang đo “ Kết quả”
1 O1 20,4322 13,832 0,672 0,821 0,823 2 O2 22,3541 13,244 0,603 0,883 3 O3 20,5417 11,657 0,684 0,837 4 O4 21,3251 14,025 0,761 0,821 5 O5 22,7391 12,782 0,502 0,863 6 O7 19,0382 13,625 0,792 0,851 Thang đo “ Giá dịch vụ”
1 P1 9,3823 15,730 0,735 0,921 0,931 2 P2 9,5327 14,832 0,832 0,835
3 P3 9,5243 15,856 0,861 0,802 4 P4 9,3251 15,319 0,251 0,825 Thang đo “ Quản lý”
1 M1 15,2713 9,126 0,624 0,846 0,857 2 M3 15,4263 8,325 0,634 0,824 3 M5 16,3842 8,421 0,742 0,835 4 M6 15,5241 8,417 0,784 0,812 5 M7 15,3728 8,213 0,793 0,846 Thang đo “ Hình ảnh” 1 I1 8,6531 3,846 0,621 0,846 0,864
4.3. Phân tích nhân tố
Kiểm định Bartlett dùng để xem xét các biến có hay khơng có tương quan trong tổng thể trong khi phân tích nhân tố. Điều kiện cần để phân tích nhân tố là: các biến phải có tương quan với nhau. Điều kiện đủ để phân tích nhân tố là trị số Kaiser – Mayer – Olkin (KMO) phải từ 0,5 đến 1.
Việc rút trích các nhân tố đại diện bằng các biến quan sát được thực hiện bằng phương pháp trích hệ số Principal components với phép quay Varimax procedure: xoay nguyên gốc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, do đó sẽ tăng cường khả năng giải thích các nhân tố. Trong trường hợp tất cả các hệ số tải nhân tố lớn hơn hệ số quy ước (factor loading > 0,5) thì các khái niệm nghiên cứu đạt giá trị hội tụ (Hải, ctg, 1998). Các thành phần với giá trị Eigen>1 và tổng phương sai trích bằng hoặc lớn hơn 0,5 được xem như những nhân tó đại diện các biến.
4.3.1. Phân tích nhân tố các yếu tố ảnh hưởng đến sự hài lòng Bảng 4.9: Phư ng sai giải thích (Total Variance Explained)
Nhân tố
Eigenvalues ban đầu Tổng bình phương hệ số tải đã trích xuất Tổng bình phương hệ số tải đã xoay Toàn phần Phần trăm của phương sai (%) Phần trăm tích lũy (%) Tồn phần Phần trăm của phương sai (%) Toàn phần Toàn phần Phần trăm của phương sai (%) Toàn phần 1 4,690 19,961 19,961 4,490 18,961 19,961 3,202 16,809 13,809
2 3,524 14,295 35,256 3,324 13,295 32,256 3,169 14,678 26,486 3 2,468 11,473 46,729 2,868 11,473 40,729 3,937 15,748 37,234 4 2,421 9,097 65,826 2,274 9,097 35,826 2,070 13,278 50,512 5 1,904 7,016 73,842 2,004 7,016 43,842 2,968 11,870 52,383 6 1,515 6,361 70,904 1,515 8,061 49,904 2,913 7,652 69,035 7 1,037 4,347 84,051 1,037 6,147 74,051 1,223 8,891 73,926 Hệ số KMO = 0,705
Bartlett’s Test of Sphericity với Sig = 0,000
(Nguồn: tổng hợp từ kết quả phân tích dữ liệu SPSS)
Kết quả phân tích KMO và kiểm định Bartlett cho thấy việc phân tích tổ hợp với các dữ liệu (KMO = 0,705), và các biến quan sát l có tương quan với nhau trong tổng thể (Sig = 0,000<0,05) Bảng 4.10: Ma trận xoay nhân tố Nhân tố 1 2 3 4 5 6 7 M7 0,857 M5 0,841 M6 0,817 M1 0,726 M3 0,705 P2 0,833
O3 0,932 O1 0,891 O8 0,832 O2 0,721 R2 0,821 R5 0,816 R4 0,776 R1 0,765 I2 0,820 I3 0,813 I1 0,739 O4 0,886 O7 0,874
(Nguồn: tổng hợp từ kết quả phân tích dữ liệu SPSS)
Từ bảng 4.9, có thể thấy rằng theo tiêu chuẩn Eigenvalue > 1 thì có 7 nhân tố được rút ra và 7 nhân tố này sẽ giải thích được 74,051 biến thiên của dữ liệu. Kết quả n y l đạt yêu cầu.
Bên cạnh đó, kết quả xoay nhân tố từ bảng 4.10 cho thấy từ 25 biến đã được nhóm lại thành 7 nhân tố. Hệ số tải nhân tố của 25 biến đều lớn hơn 0,5, do vậy các biến đều giữ lại.
Kết quả nhóm nhân tố.
- M7: Mối quan hệ giữa Interasia với các bên cung cấp bao gồm các hãng tàu khác và cảng biển rất tốt.
- M5: Interasia sẵn sàng ghi nhận các ý kiến đóng góp của khách hàng. - M6: Hãng tàu Interasia luôn nâng cao quá trình điều hành và quản lý
công việc.
- M1: Hãng tàu Interasia ứng dụng hiệu quả hệ thống công nghệ thông tin trong quản lý v điều hành.
- M3: Kiến thức v trình độ chun mơn của người quản lý hãng tàu Interasia cao.
Trong nhân tố này, các biến quan sát đều thuộc thành phần “Quản lý” n n nhân tố thứ nhất vẫn có t n l “Quản lý”.
Nhân tố thứ 2 bao gồm các biến quan s t như sau:
- P2: Hãng tàu Interasia phát hành phụ phí cạnh tranh trên thị trường (phí chứng từ, lưu container rỗng, lưu bãi).
- P3: Hãng t u Interasia ít điều chỉnh tăng cước phí và phụ phí..
- P4: Cước phí và phụ phí của hãng tàu Interasia linh hoạt theo biến động của thị trường.
- P1: Hãng t u Interasia phát h nh cước phí cạnh tranh trên thị trường. Ở nhân tố này, các biến quan sát đều thuộc nhân tố “Giá dịch vụ” n n nhân tố thứ 2 vẫn có t n l “Giá dịch vụ”.
Nhân tố thứ 3 bao gồm các biến quan sát sau:
Ở nhân tố này, các biến quan sát đều thuộc thành phần “Kết quả” n n nhân tố thứ 3 vẫn có t n l “Kết quả”.
Nhân tố thứ 4 bao gồm các biến quan sát sau:
- R2: Các trang thiết bị của hãng tàu Interasia luôn hoạt động tốt. - R5: Interasia có cơ sở hạ tầng tốt, rộng rãi và khang trang.
- R4: Năng lực theo dõi vận chuyển container bằng đường biển của Interasia tốt.
- R1: Các trang thiết bị của hãng tàu Interasia ln sẵn có để đáp ứng nhu cầu của khách hàng.
Ở nhân tố này, các biến quan sát đều thuộc thành phần “Nguồn lực” n n nhân tố thứ 4 vẫn có t n l “Nguồn lực”.
Nhân tố thứ 5 bao gồm các biến quan sát sau:
- I2: Hãng tàu Interasia có nhiều năm hoạt động trong ngành vận tải biển. - I3: Hãng t u Interasia luôn đặt quyền lợi của khách h ng l n h ng đầu. - I1: Hãng t u Interasia có uy tín v thương hiệu trên thị trường.
Ở nhân tố này, các biến quan sát đều thuộc thành phần “Hình ảnh” n n nhân tố thứ 5 vẫn có t n l “Hình ảnh”.
Nhân tố thứ 6 bao gồm các biến quan s t như sau:
- O4: Interasia ln đảm bảo an tồn hàng hóa trong q trình xếp dỡ. - O7: Interasia ln quan tâm đến việc bảo đảm an toàn vận tải biển và hạn
chế các sự cố xảy ra trên biển.
Trong nhân tố này, các biến quan được tách ra từ nhân tố “Kết quả”. Có thể thấy rằng các biến này có cùng một điểm chung l đều là các biến nói về sự an toàn, nên ta gọi nhân tố thứ 6 là nhân tố “An to n” (SAFE).
Bảng 4.11: Tóm tắt kết quả nhóm nhân tố Nhân tố Mã biến Nhân tố Mã biến mới Diễn giải Quản lý (M)
M7 Mối quan hệ giữa Interasia với các bên cung cấp bao gồm các hãng tàu khác và cảng biển rất tốt.
M5 Interasia sẵn sàng ghi nhận các ý kiến đóng góp của khách hàng.
M6 Hãng tàu Interasia ln nâng cao q trình điều hành và quản lý cơng việc.
M1 Hãng tàu Interasia ứng dụng hiệu quả hệ thống công nghệ thông tin trong quản lý v điều hành.
M3 Kiến thức v trình độ chuyên môn của người quản lý hãng tàu Interasia cao.
Giá dịch vụ (P)
P2 Hãng tàu Interasia phát hành phụ phí cạnh tranh trên thị trường (phí chứng từ, lưu container rỗng, lưu bãi). P3 P3: Hãng t u Interasia ít điều chỉnh tăng cước phí và
phụ phí.
P4 P4: Cước phí và phụ phí của hãng tàu Interasia linh hoạt theo biến động của thị trường.
P1 P1: Hãng t u Interasia phát h nh cước phí cạnh tranh trên thị trường.
Kết quả (O)
O3 Quy trình cung cấp dịch vụ của Interasia rất cụ thể và nhất quán.
O1 Lịch tàu ổn định, thời gian vận chuyển ngắn, ít bị bỏ chuyển.
Nguồn lực (R)
R2 Các trang thiết bị của hãng tàu Interasia luôn hoạt động tốt.
R5 Interasia có cơ sở hạ tầng tốt, rộng rãi và khang trang. R4 Năng lực theo dõi vận chuyển container bằng đường
biển của Interasia tốt.
R1 Các trang thiết bị của hãng tàu Interasia ln sẵn có để đáp ứng nhu cầu của khách hàng.
Hình ảnh (I)
I2 Hãng tàu Interasia có nhiều năm hoạt động trong ngành vận tải biển.
I3 Hãng tàu Interasia luôn đặt quyền lợi của khách hàng l n h ng đầu.
I1 Hãng t u Interasia có uy tín v thương hiệu trên thị trường.
An toàn (SAFE)
O4 Interasia ln đảm bảo an tồn hàng hóa trong q trình xếp dỡ.
O7 Interasia luôn quan tâm đến việc bảo đảm an toàn vận tải biển và hạn chế các sự cố xảy ra trên biển.
4.3.2. Phân tích nhân tố khái niệm sự hài lòng
Bảng 4.12: Kết quả phân tích nhân tố sự hài lịng
Biến quan sát Hệ số tải nhân tố Giá trị Eigen Phư ng sai trích
SHL1 0,893 2,361 64,034 SHL2 0,825 SHL3 0,807 SHL4 0,857 Hệ số KMO = 0,805
Bartlett’s Test of Sphericity với Sig = 0,000
(Nguồn: tổng hợp từ kết quả phân tích dữ liệu SPSS)
Có thể thấy rằng, biến quan sát được đưa v o phân tích nhân tố theo tiêu chuẩn Eigenvalue >1, đã có 1 nhân tố được rút trích. Tổng phương sai trích = 64,034%. Điều này cho biết nhân tố này giải thích được 64,034 % khái niệm sự hài lòng. Hệ số KMO = 0,805 (>0,5) đạt yêu cầu. Hơn nữa, phép quay Varimax cho thấy tất cả các quan sát đều có hệ số tải nhân tố đáp ứng điều kiện đã n u.
4.4. Mơ hình nghiên cứu chính thức.
Từ kết quả phân tích nhân tố khám phá, có thể thấy rằng 25 biến được nhóm lại thành 6 yếu tố chính. Do vậy, để tìm xem yếu tố nào ảnh hưởng đến sự hài lòng của khách hàng doanh nghiệp khi sử dụng dịch vụ vận tải biển của hãng tàu Interasia, tác giả sẽ sử dụng hình để phân tích hồi quy bội tiếp theo.
Các giả thuyết cho mô hình điều chỉnh:
H1: Hiệu quả quản lý tác động đến sự hài lòng của khách hàng
H2: Giá dịch vụ vận chuyển container bằng đường biển ảnh hưởng đến sự hài lòng của khách hàng
H7: Việc đảm bảo an tồn cho hàng hóa ảnh hưởng đến sự hài lòng của khách hàng.
Hình 4.6: Mơ hình nghiên cứu chính thức
(Nguồn: tác giả tổng hợp)
Phương trình hồi quy:
SHL= a+b1*M + b2*P + b3*O + b4*R + b5*I + b7*SAFE
Ký hiệu biến:
SHL: Sự hài lịng của khách hàng I: Hình ảnh O: Kết quả R: Nguồn lực P: Giá dịch vụ SAFE: An toàn M: Quản lý
Phương trình hồi quy tương ứng với biến cụ thể:
SHL= a+b1*Quản Lý + b2*Giá dịch vụ + b3*Kết Quả + b4*Nguồn Lực + b5*Hình Ảnh + b7*SAFE
4.5. Phân tích hồi quy
Hồi quy tuyến tính bội là một trong những phương pháp phù hợp nhằm kiểm định các giả thuyết nghiên cứu này. Mơ hình hồi quy tuyến tính bội với biến phụ thuộc là sự hài lòng của khách hàng, và các biến độc lập là trung bình của các nhân tố có được từ mơ hình đã được hiệu chỉnh sau khi có kết quả phân tích nhân tố. Bên cạnh đó, phương pháp đưa các biến vào cùng một lúc cũng được dùng cho phân tích hồi quy. Các yêu cầu trong phân tích hồi quy tuyến tính bội bao gồm: phân tích tương quan giữa các biến trong mơ hình hồi quy, xem xét hiện tượng đa cộng tuyến, kiểm định độ phù hợp của mơ hình hồi quy.
4.5.1. Hệ số tư ng quan Pearson
Hệ số tương quan Pearson được sử dụng để lượng hóa mức độ chặt chẽ của mối quan hệ tuyến tính giữa 2 biến định lượng. Trường hợp giữa 2 biến có mối liên hệ chặt chẽ thì phải chú ý vấn đề đa cộng tuyến khi phân tích hồi quy. Với phân tích tương quan Pearson, sẽ khơng có sự phân biệt giữa các biến phụ thuộc và biến độc lập mà tất cả phải được xem xét như nhau. B n cạnh đó, hệ số tương quan Pearson có thể biểu hiện mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc trong mơ hình.
Bảng 4.13: Hệ số tư ng quan Pearson giữa các biến
SHL M P O R I SAFE
SHL 1 0,518** 0,223** 0,262** 0,347** 0,364** 0,235**
I 1 0,000
SAFE 1
** Tương quan đạt mức ý nghĩa 1%
(Nguồn: tổng hợp từ kết quả phân tích dữ liệu SPSS)
Từ bảng 4.13, có thể thấy rằng các biến độc lập khơng có sự tương quan lẫn nhau, vì vậy khó có khả năng xảy ra hiện tượng đa cộng tuyến. Các biến độc lập M – Quản lý, P – Giá dịch vụ, O – Kết quả, R – Nguồn lực, I – Hình ảnh, SAFE - An tồn có mối quan hệ tuyến tính thuận chiều với biến phụ thuộc SHL - Sự hài lòng của khách hàng với mức ý nghĩa 0,01.
4.5.2. Kết quả phân tích hồi quy
Các biến độc lập được đưa v o phân tích hồi quy với phương pháp đưa tất cả các biến vào một lượt. Các biến độc lập và biến phụ thuộc của mơ hình là các biến được rút trích từ phương pháp phân tích nhân tố.
Bảng 4.14: Tóm tắt mơ hình Mơ hình R R bình Mơ hình R R bình phương R bình phương điều chỉnh Sai số chuẩn của đo lường Hệ số Durbin – Watson 1 0,812a 0,654 0,638 0,59348524 1,938
(Nguồn: tổng hợp từ kết quả phân tích dữ liệu SPSS)
Hệ số xác định của mơ hình hồi quy R bình phương điều chỉnh = 0,638 cho biết khoảng 63,8% sự biến thiên của sự hài lòng khách hàng doanh nghiệp về dịch
quan hệ tuyến tính giữa biến phụ thuộc với các biến độc lập trong mơ hình, cịn lại 36.2% là do các biến ngồi mơ hình và sai số ngẫu nhiên. Bên cạnh đó, hệ số Durbin Watson = 1,938 xấp xỉ giá trị d=2, do vậy trong mơ hình khơng có sự tương quan giữa các phần sai số.
Bảng 4.15: Phân tích phư ng sai ANOVA
Mơ hình Tổng bình phương Df Bình phương trung bình F Sig.
1 Hồi quy 126,636 7 16,562 47.301 0,000a
Sai số 53,971 173 0,342 Tổng 180,636 180
(Nguồn: trích từ kết quả phân tích dữ liệu SPSS)
Kết quả phân tích phương sai cho thấy giá trị kiểm định F= 47.301 và sig. = 0,000 cho biết mơ hình hồi quy phù hợp với bộ dữ liệu thu nhập được, nghĩa l tồn tại mối quan hệ tuyến tính giữa biến phụ thuộc SHL với ít nhất một trong các biến độc lập trong mơ hình.
Bảng 4.16:Tóm tắt các hệ số hồi quy. (Bảng Coefficients)
Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa Giá trị 1 Mức ý nghĩa Hệ số phóng đại phương sai VIF B Sai số chuẩn Beta (Hằng -8,131E- 0,047 0,000 1,000 1,000
O 0,262 0,047 0,262 6,236 0,000 0,000
R 0,347 0,047 0,347 6,93 0,000 0,000
I 0,364 0,047 0,364 7,213 0,000 0,000
SAFE 0,235 0,047 0,235 5,341 0,000 0,000
(Nguồn: tổng hợp từ kết quả phân tích dữ liệu SPSS)
Căn cứ vào hệ số phóng đại phương sai (VIF) của các biến trong bảng trên, nhận thấy không có hiện tượng đa cộng tuyến xảy ra vì VIF của các biến đều nhỏ hơn 2.
Từ kết quả trên ta thấy các hệ số hồi quy đã chuẩn hóa có tác động đến biến phụ thuộc (SHL) với mức độ khác nhau theo phương trình hồi quy tuyến tính với hệ số Beta đã chuẩn hóa như sau:
SHL = 0,518*M + 0,223*P + 0,262*O + 0,347*R + 0,364*I + 0,235*SAFE
Với phương trình hồi quy đã chuẩn hóa thì hệ số biến độc lập sẽ thể hiện mức độ tác động biến thiên thuận chiều với biến phụ thuộc, cụ thế:
Với yếu tố Quản lý (M) thì nếu mức độ quản lý tăng th m 1 đơn vị thì sự hài lòng sẽ tăng th m 0,518 đơn vị.
Tương tự,
Với yếu tố Giá dịch vụ (P), nếu mức độ giá tăng l n 1 đơn vị thì sự hài lịng của khách hàng sẽ tăng l n 0,223 đơn vị.
Với yếu tố Kết quả (O), nếu mức độ kết quả làm việc tăng l n 1 đơn vị thì sự hài lịng của khách hàng sẽ tăng l n 0,262 đơn vị.
Với yếu tố Hình ảnh (I), nếu mức độ hình ảnh của doanh nghiệp tăng l n 1 đơn vị thì sự hài lịng của khách hàng sẽ tăng l n 0,364 đơn vị.
Với yếu tố An toàn (SAFE), nếu mức độ an toàn của hoạt động vận chuyển container tăng l n 1 đơn vị thì sự hài lịng của khách hàng sẽ tăng l n 0,235 đơn vị.