Ký hiệu biến Biến quan sát
PV1 Tôi cảm thấy giá trị nhận được từ nhà cung cấp này là cao PV2 Những gì tơi nhận được cao hơn những gì tơi bỏ ra
PV3 Nhà cung cấp đáp ứng được các nhu cầu và mong muốn của tơi
(Nguồn: Kết quả nghiên cứu định tính của tác giả, tháng 4/2013)
Sau khi thiết lập các giả thuyết nghiên cứu và xây dựng thang đo hoàn chỉnh, tác giả đưa ra mơ hình nghiên cứu chính thức như sau: Mơ hình nghiên cứu chính thức có biến phụ thuộc là Giá trị cảm nhận và 6 biến độc lập: gồm (1) Giá, (2) Chất lượng dịch vụ, (3) Chất lượng sản phẩm, (4) Năng lực gia công, (5) Giá trị cảm xúc và (6) Giá trị xã hội.
Hình 3.2 Mơ hình nghiên cứu chính thức
(Nguồn: Mơ hình đề xuất của tác giả, tháng 5/2013)
Từ kết mơ hình này, tác giả tiến hành xây dựng thang đo sơ bộ để khảo sát sơ bộ với cỡ mẫu nhỏ gồm 20 khách hàng nhằm phát hiện những sai sót trong thiết kế bảng câu hỏi để hiệu chỉnh cho phù hợp và xây dựng bảng câu hỏi khảo sát chính thức (tham khảo Bảng câu hỏi khảo sát chính thức – Phụ lục 1).
3.3 Nghiên cứu định lượng
3.3.1 Mẫu nghiên cứu
Đối tượng khảo sát là các nhân viên kỹ thuật trong các doanh nghiệp tại TP Hồ Chí Minh đã đặt hàng và sử dụng các sản phẩm gia cơng cơ khí.
Để phân tích EFA, kích thước mẫu thơng thường được xác định dựa vào (1) kích thước tối thiểu và (2) số lượng biến đo lường đưa vào phân tích. Theo Hair & ctg (2006), kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát (observations) trên biến đo lường (items) là 5:1 nghĩa là cần thu thập bộ dữ liệu với ít nhất 5 mẫu trên 1 biến quan sát.
H1+ H2+ H3+ H4+ H5+ H6+ Giá/ Chi phí dịch vụ Chất lượng dịch vụ Chất lượng sản phẩm
Năng lực gia công
Giá trị cảm xúc
Giá trị xã hội
Bên cạnh đó, để tiến hành phân tích hồi quy một cách tốt nhất, Tabachnick & Fidell (2007) cho rằng kích thước mẫu cần phải đảm bảo theo cơng thức sau:
n ≥ 50 + 8p Trong đó:
n là kích thước mẫu tối thiểu cần thiết p là số lượng biến quan sát trong mơ hình
Trên cơ sở đó, tác giả tiến hành thu thập với 500 bảng khảo sát và mong muốn thu về tối thiểu 282 bảng có kết quả phù hợp để sử dụng cho việc phân tích EFA và phân tích hồi quy .
Mẫu được chọn bằng phương pháp thuận tiện. Thời gian thu thập mẫu từ ngày 15/04/2013 15/08/2013. Đối tượng khảo sát phần lớn là các nhân viên kỹ thuật đang cơng tác ở bộ phận bảo trì và lắp ráp trong các doanh nghiệp sản xuất. Bảng câu được phát trực tiếp cho các đối tượng khảo sát để điền thông tin và tiến hành thu lại sau 30 phút.
Quá trình phỏng vấn thu về 432 mẫu, đạt tỷ lệ hồi đáp là 86,4%. Trong đó loại ra các bảng khảo sát không đạt chất lượng trả lời (trả lời thiếu, mâu thuẫn trong việc trả lời, …). Sau khi chọn lọc tác giả chỉ chọn 290 bảng câu hỏi hữu dụng để đưa vào nghiên cứu chính thức.
Sau khi tiến hành thu thập dữ liệu, tác giả nhập dữ liệu vào phần mềm SPSS 20.0, làm sạch dữ liệu và tiến hành phân tích dữ liệu.
3.3.2 Thống kê mơ tả
Tác giả sử dụng phép phân tích mơ tả (descriptives) trong phần mềm SPSS 20.0 để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin của đối tượng được khảo sát) gồm giới tính, độ tuổi, trình độ học vấn và nghề nghiệp.
3.3.3 Kiểm tra độ tin cậy của thang đo
định độ phù hợp của thang đo các biến, hệ số tương quan biến tổng ( cho biết sự tương quan của một biến quan sát với các biến còn lại trong thang đo) của chúng. Chỉ giữ lại những thành phần thang đo có hệ số Cronbach Alpha >0,6. Hệ số tương quan biến tổng của các biến quan sát >0,3 được xem là biến thích hợp cho nghiên cứu.
3.3.4 Phân tích nhân tố khám phá
Phương pháp dùng để xác định cấu trúc thang đo với phương pháp Principal Components cùng với phép xoay Varimax được áp dụng cho nghiên cứu này để giúp phân biệt rõ hơn giữa các nhân tố và khả năng giải thích các nhân tố do kết quả phân tích cho trọng số nhân tố rất cao hoặc trọng số nhân tố rất thấp là 0.
+ Thông số KMO (Kaiser- Meyer- Olkin) có giá trị tứ 0,0 đến 1,0; dùng để kiểm định sự phù hợp của tập dữ liệu khảo sát. KMO có giá trị từ 0.8 đến 1.0 là rất tốt; 0.5 đến 0.8 là trung bình. Theo Hair và ctg (1995), KMO phải lớn hơn 0.5 thì tập dữ liệu mới phù hợp cho các phân tích hồi quy tiếp theo.
+ Trọng số nhân tố ( factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA ( Ensuring practical signification). Theo Hair và ctg (1998,111), factor loading >0,3 được xem là đạt được mức tối thiểu, factor loading >0,4 được xem là quan trọng, factor loading >0,5 được xem là có ý nghĩa thực tiễn.
+ Thông số Eigenvalue biểu thị sự biến thiên theo các nhân tố của biến khảo sát. Theo Hair và ctg (1995), thông số Eigenvalue > 1 thì các nhân tố thành phần mới có ý nghĩa.
+ Thông số phần trăm tổng phương sai trích biểu thị sự biến thiên được giải thích bởi các nhân tố, thang đo được chấp nhận khi tổng phương sai trích của tất cả các nhân tố > 50%.
3.3.5 Phân tích hồi quy
Hồi quy tuyến tính bội thường được dùng để kiểm định và giải thích lý thuyết nhân quả. Ngoài chức năng là một cơng cụ mơ tả, hồi quy tuyến tính bội cũng được sử dụng như một công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị của tổng thể nghiên cứu (Duncan, 1996). Như vậy, đối với nghiên cứu này hồi quy tuyến tính bội là phương pháp thích hợp để kiểm định các giả thuyết nghiên cứu.
Trong phân tích hồi quy, cần chú ý các thông số sau:
+ Hệ số R2 điều chỉnh (Adiusted coefficient of determination): đo lường phần phương sai của biến phụ thuộc được giải thích bởi các biến độc lập có tính đến số lượng biến phụ thuộc và cỡ mẫu. Hệ số này càng cao độ chính xác của mơ hình càng lớn và khả năng dự báo của các biến độc lập càng chính xác.
+ Kiểm định độ phù hợp của mơ hình với tập dữ liệu: sử dụng trị thống kê F để kiểm định mức ý nghĩa thống kê của mơ hình. Giả thuyết H0 là các hệ số Beta trong mơ hình đều bằng khơng. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, ta có thể an tồn bác bỏ giả thuyết H0 hay nói cách khác mơ hình phù hợp với tập dữ liệu khảo sát.
+ Kiểm định phương sai sai số thay đổi: vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra. Nếu giả định phương sai bằng nhau được thỏa mãn, thì các giá trị sẽ phân tán ngẫu nhiên quanh trục 0 trong một phạm vi khơng đổi. Như vậy mơ hình hồi qui phù hợp.
+ Đo lường đa cộng tuyến: Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau và nó cung cấp cho mơ hình những thơng tin rất giống nhau và khó tách ảnh hưởng của từng biến một. Đa cộng tuyến khiến cho việc diễn dịch kết quả có thể sai lầm vì nó làm đổi dấu kì vọng của các hệ số đi theo các biến độc lập, vì vậy chúng ta phải kiểm tra độ tương quan giữa các biến này để đảm bảo không xảy ra hiện tượng đa cộng tuyến.
Giá trị đa cộng tuyến cao có thể làm cho kết quả khơng chính xác, do đó cần thiết phải có điều kiện về đa cộng tuyến. Theo Hair và ctg(1995) để kiểm định hiện tượng đa cộng tuyến chúng ta sử dụng hệ số VIF(hệ số phóng đại phương sai). Nếu VIF lớn hơn 10 thì hiện tượng đa cộng tuyến nghiêm trọng đang tồn tại. Theo kinh nghiệm, hệ số VIF nên nhỏ hơn 5 là tốt nhất để hạn chế về sự đa cộng tuyến, tuy nhiên nếu nhỏ hơn 10 thì vẫn có thể chấp nhận với ảnh hưởng rất nhỏ (Hoàng Trọng và Mộng Ngọc, 2009).
+ Kiểm định phần dư: Sau khi thực hiện kiểm định mơ hình hồi quy, chúng ta cần kiểm định phân dư chuẩn hố của mơ hình để bảo đảm phần dư chuẩn hố có dạng phân phối chuẩn Cách kiểm định có thể sử dụng là vẽ đường cong chuẩn hoá của phân bổ phần dư này. Nếu chúng ta thấy trên đồ thị đường cong chuẩn hố có dạng hình chng như phân phối chuẩn với giá trị Mean xấp xỉ 0 và giá trị độ lệch chuẩn xấp xỉ 1 thì xem như phần dư có phân phối gần chuẩn.
Một cách khác để kiểm định sự chuẩn hoá của phần dư là vẽ và đồ thị P-P plots để so sánh với phân phối chuẩn. Đồ thị này thể hiện những giá trị tích luỹ của các điểm phân vị của phân phối của biến phần dư theo tích luỹ phân vị của phân phối chuẩn. Nếu trên đồ thị p-p plots các điểm này không nằm quá xa đường thẳng của phân phối chuẩn thì có thể xem như phần dư có phân phối gần chuẩn.
+ Hệ số Beta (Standardized Beta Coefficent): hệ số hồi quy chuẩn hóa cho phép so sánh một cách trực tiếp về mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc.
+ Kiểm định mức ý nghĩa của hệ số Beta: sử dụng trị thống kê t để kiểm tra mức ý nghĩa của hệ số Beta.Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, ta có thể kết luận hệ số Beta có ý nghĩa về mặt thống kê.
3.3.6 Kiểm định T-test và Anova
Phép kiểm định Independent-samples T-test, phân tích phương sai Anova được sử dụng để kiểm định sự khác biệt giữa các biến định tính đối với giá trị cảm nhận
của khách hàng. Phép kiểm định Independent-samplesT-test, được sử dụng khi muốn so sánh hai giá trị trung bình của của hai nhóm tổng thể riêng biệt. Trước khi kiểm định trung bình, spss thực hiện kiểm định sự bằng nhau của hai phương sai tổng thể với phép kiểm định Levene. Giả thuyết rằng H0 là phương sai của hai tổng thể bằng nhau, nếu kết quả kiểm định có mức ý nghĩa nhỏ hơn 0.05 thì ta sử dụng kết quả kiểm định t ở dòng phương sai không bằng nhau (equal variances not asumed), ngược lại thì ta sử dụng ở dịng thứ phương sai bằng nhau (equal variances asumed). Và nếu giá trị Sig. trong kiểm định t<0,05 thì ta kết luận có sự khác biệt giữa hai trung bình, ngược lại là chưa có sự khác biệt. (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008,).
Phân tích phương sai Anova là sự mở rộng của kiểm định Independent-samples T-test vì phương pháp này giúp ta so sánh trị trung bình của 3 nhóm trở lên. Đối với đề tài này tác giả sử dụng để kiểm định sự khác biệt về nhóm tuổi, nghề nghiệp và trình độ học vấn đối với thành phần giá trị cảm nhận. Tương tự như Independent-samples T-test trước khi kiểm định trung bình, spss thực hiện kiểm định sự bằng nhau của hai phương sai tổng thể với phép kiểm định Levene. Giả thuyết rằng H0 là phương sai của hai tổng thể bằng nhau, nếu kết quả kiểm định có mức ý nghĩa nhỏ hơn 0.05 tức là phương sai của hai tổng thể khác nhau thì ta tiếp tục xét sig trong bảng kết quả anova. Và mức sig. này >0,05 ta có thể kết luận là khơng có sự khác biệt giữa các nhóm so sánh, nếu <0,05 thì ta nhận xét có sự khác biệt. Việc đưa ra có sự khác biệt thơng qua sig. trong bảng anova vẫn chưa cho chúng ta biết những nhóm nào có sự khác biệt với nhau, do vậy chúng ta tiếp tục phân tích sâu Anova để xác định chỗ khác biệt. Kiểm nghiệm được thực hiện trong hộp thoại Post Hoc của phương pháp kiểm định anova, ta tiến hành chọn phương pháp kiểm định thống kê Bonferroni nếu sig. ở bảng Levene >0,05 và Tamhane’s T2 nếu <0,05. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 152).
Tóm tắt chương 3
Chương này trình bày phương pháp nghiên cứu được thực hiện để đánh giá thang đo các khái niệm nghiên cứu và kiểm định các giả thuyết đã được đề ra. Phương pháp nghiên cứu được thực hiện qua hai bước, nghiên cứu định tính và nghiên cứu định lượng. Phương pháp nghiên cứu tay đôi được dùng trong nghiên cứu định tính nhằm hiệu chỉnh thang đo cho phù hợp với tình hình Việt Nam cũng như chỉnh sữa một số từ ngữ nhằm đảm bảo người phỏng vấn hiểu rõ các phát biểu . Nghiên cứu định lượng được thực hiện thông qua phỏng vấn trực tiếp với số lượng mẫu được chọn là n= 290. Nghiên cứu này nhằm mục đích để đánh giá thang do và kiểm định các giả thuyết. Chương này cũng mô tả thông tin về mẫu định lượng. Chương tiếp theo sẽ trình bày phương pháp phận tích dữ liệu và kết quả nghiên cứu bao gồm thông tin mẫu, đánh giá thang đo, phân tích tương quan và chạy hồi quy để kiểm định giả thuyết.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 4.1 Giới thiệu 4.1 Giới thiệu
Trong Chương 4, tác giả trình bày về thơng tin của mẫu nghiên cứu (n), thực hiện kiểm định thang đo thông qua phân tích nhân tố (EFA) và Cronbach alpha, phân tích hồi quy để từ đó kiểm định mơ hình, kiểm định giả thuyết đã đề ra. Ngồi ra, trong chương này cịn phân tích ảnh hưởng của các biến định tính (giới tính, độ tuổi, nghề nghiệp, trình độ học vấn) tác động đến Giá trị cảm nhận của khách hàng về dịch vụ gia cơng cơ khí hiện nay. Cơng cụ chính để sử dụng để tiến hành phân tích trong nghiên cứu định lượng tại chương này là phần mềm SPSS 20.
4.2 Thông tin mẫu nghiên cứu
Như đã trình bày ở trên, sau khi tiến hành phát bảng khảo sát kết quả thu về được 290 mẫu đảm bảo yêu cầu nghiên cứu.
Thông tin mẫu được mô tả như sau:
Trong mẫu khảo sát Nữ chiếm tỷ lệ 14,8%, còn lại đa phần là Nam chiếm tỷ lệ 85,2%. Khoảng bốn phần năm đối tượng khảo sát có độ tuổi từ 21 đến dưới 35, chiếm 78,3%; cịn lại 15,9% có độ tuổi từ 36 đến dưới 45; trên 45 tuổi là 5,2% và 0,7% có độ tuổi dưới 20. Đa phần các đối tượng khảo sát đều có trình độ Đại học, chiếm 56,2%; 4,8% có trình độ trên Đại học, 28,6% có trình độ trung cấp, 9,7% có trình độ cao đẳng và 0,7% có trình độ Phổ thơng.