Sau khi thu thập đầy đủ thông tin cần nghiên cứu thông qua kết quả của bảng câu hỏi khảo sát, bƣớc tiếp theo của nghiên cứu là mã hóa, nhập liệu và làm sạch dữ liệu. Sau đó, nghiên cứu sử dụng cơng cụ phân tích dữ liệu nhƣ thống kê mô tả, kiểm định thang đo bằng hệ số tin cậy Cronbach‟s alpha để loại bỏ các biến không đạt yêu cầu. Sử dụng phân tích nhân tố khám phá (EFA) loại bỏ các biến có thơng số khơng đạt u cầu bằng cách kiểm tra phƣơng sai trích đƣợc. Sau đó, kiểm tra độ thích hợp của mơ hình và kiểm định các giả thuyết.
3.2.1 Phân tích mơ tả
Phân tích mơ tả sử dụng các cơng cụ nhƣ tần số, biểu đồ, giá trị trung bình, để mơ tả các thuộc tính của mẫu nhƣ giới tính, tuổi, nghề nghiệp, thu nhập, trình độ học vấn… của những đối tƣợng đƣợc khảo sát nhằm thể hiện tính đa dạng của mẫu nghiên cứu.
Phân tích mơ tả mẫu dữ liệu cho các thang đo nhận biết thƣơng hiệu, thang đo chất lƣợng cảm nhận, thang đo trung thành thƣơng hiệu, thang đo liên tƣởng thƣơng hiệu và thang đo giá trị thƣơng hiệu cho thấy một cách tổng quát biến nào có ảnh hƣởng xấu nhất và biến nào có ảnh hƣởng tốt nhất đến từng thang đo cụ thể.
3.2.2 Kiểm định độ tin cậy của thang đo và phân tích nhân tố khám phá EFA.
Một trong những mục tiêu của nghiên cứu này là xây dựng và kiểm định độ tin cậy thang đo các nhân tố của giá trị thƣơng hiệu theo khách hàng. Sử dụng hệ số Cronbach‟s alpha để kiểm tra độ tin cậy của các tham số theo từng nhóm yếu tố trong mơ hình. Trong đó, các biến có hệ số tƣơng quan biến tổng nhỏ hơn 0,3 sẽ bị loại và thang đo sẽ đƣợc chọn khi hệ số cronbach‟s alpha lớn hơn 0,6 và nhỏ hơn 0.95 (0.6 <Cronbach‟s Alpha<0.95) (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 24)
Sau khi kiểm tra độ tin cậy của thang đo, toàn bộ các biến quan sát sẽ đƣợc đƣa vào phân tích nhân tố khám phá (EFA). Phân tích này đƣợc sử dụng để thu gọn các tập hợp biến quan sát của các yếu tố đo lƣờng giá trị thƣơng hiệu ban đầu thành một tập hợp biến ít
hơn, nhận diện các yếu tố, giải thích đƣợc các liên hệ tƣơng quan trong một tập hợp biến và để chuận bị cho bƣớc phân tích tiếp theo. Một số chỉ tiêu mà tác giả cần phải chú ý khi phân tích nhân tố khám phá EFA nhƣ sau:
Chỉ số KMO là chỉ số dùng để xem xét sự thích hợp của nhân tố khi 0,5≤ KMO≤ 1 là điều kiện đủ để phân tích nhân tố, cịn nếu chỉ số này có giá trị nhỏ hơn 0,5 thì phân tích nhân tố có khả khơng thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 31).
Chỉ số Eigenvalue là chỉ số đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 30). Chỉ những nhân tố có hệ số Eigenvalue lớn hơn hoặc bằng 1 (≥ 1) mới đƣợc giữ lại mơ hình phân tích (Nguyễn Đình Thọ, 2014, trang 410).
Chỉ số phần trăm phƣơng sai trích: tồn bộ đƣợc giải thích bởi từng nhân tố, thang đo chấp nhận khi tổng phƣơng sai trích của tất cả nhân tố lớn hơn hoặc bằng 50% (Nguyễn Đình Thọ, 2014, trang 419).
Chỉ số Correlation matrix: ma trận hệ số tƣơng quan cho biết hệ số tƣơng quan giữ tất cả các cặp biến trong phân tích, hệ số này nhỏ hơn 0.3 thì việc sử dụng EFA khơng phù hợp, (Nguyễn Đình Thọ, 2014, trang 413).
Factor Loading ở mức ± 0.3: Điều kiện tối thiểu để biến quan sát đƣợc 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
3.2.3 Kiểm định mơ hình bằng phân tích CFA và kiểm định giả thuyết bằng mơ hình SEM.
Trong mơ hình nghiên cứu và giả thuyết nghiên cứu, mơ hình cấu trúc tuyến tính SEM có lợi hơn các phƣơng pháp truyền thống nhƣ hồi quy đa biến vì nó có thể tính đƣợc sai số đo lƣờng. Ngồi ra, phƣơng pháp này cho phép chúng ta kết hợp đƣợc khái niệm tiềm ẩn với đo lƣờng của chúng và có thể xem xét các thang đo độc lập hay kết hợp chung với mơ hình lý thuyết cùng một lúc.
Bảng 3.9 Chỉ số đánh giá mức độ phù hợp của mơ hình CFA
Giá trị Điều kiện Tham khảo
Cmin/df Cmin/df ≤ 3 là tốt
Cmin/df < 5 là chấp nhận đƣợc Hu & Bentler (1999)
CFI/TLI CFI/TLI ≥ 0.95 là rất tốt CFI/TLI ≥ 0.90 là tốt CFI/TLI ≥ 0.8 là chấp nhận đƣợc Hu & Bentler (1999) GFI GFI ≥ 0.95 là rất tốt GFI ≥ 0.90 là tốt GFI ≥ 0.8 là chấp nhận đƣợc Hu & Bentler (1999) RMSEA RMSEA ≤ 0.06 là tốt
RMSEA ≤ 0.08 là chấp nhận đƣợc Hu & Bentler (1999)
P P ≤ 0.05 là rất tốt
P ≤ 0.01 là chấp nhận đƣợc
Hair-Black-Babin-Anderson- Tatham, 2006
Nguồn: Tổng hợp của tác giả
Để đo lƣờng mức độ phù hợp của mơ hình với dữ liệu thu thập từ khảo sát bảng câu hỏi, nghiên cứu sử dụng các chỉ tiêu sau đây: Chi bình phƣơng (χ2), chi bình phƣơng điều chỉnh theo bậc tự do (Cmin/df), chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số TLI (Tucker and Lewis Index) và chỉ số RMSEA (Root Mean Aquare Error Approximation). Mơ hình đƣợc gọi là phù hợp với dữ liệu thu thập đƣợc từ khảo sát thị trƣờng khi phép kiểm định thỏa các điều kiện theo bảng 3.9
Mục đích của phân tích kết quả SEM chủ yếu là để đánh giá giả thuyết xem có đạt hay không đạt, đồng thời khẳng định quan hệ giữa các biến đánh giá mức độ tác động mạnh/yếu của mối quan hệ đó. Và SEM dựa vào kết quả của giá trị p-value (P < 0.05 là giả thuyết đƣợc chấp nhận) để đánh giá giả thuyết đó có đạt hay khơng.