Dữ liệu trình bày trong luận văn này được thống kê và phân tích với sự hỗ trợ của phần mềm SPSS 16. Phần mềm SPSS sẽ hỗ trợ tính tốn giá trị Cronbach Alpha để đánh giá độ tin cậy của thang đo và tính tốn các giá trị thống kê trong khi phân tích nhân tố EFA để đánh giá giá trị của thang đo. Trong kiểm định giá trị trung bình và kiểm định phương sai, phần mềm SPSS giúp tính tốn các tham số, cung cấp các bảng giá trị phục vụ cho việc đọc kết quả kiểm định. Và sau cùng, phần mềm cũng cung cấp các bảng biểu, đồ thị phục vụ cho việc diễn giải số liệu.
3.3.1. Đánh giá thang đo
Trong cuốn Phương pháp nghiên cứu khoa học trong kinh doanh của Nguyễn Đình Thọ xuất bản năm 2011 có nói sau khi đã có được thang đo thì cơng việc trước tiên là đánh giá độ tin cậy của thang đo, tiếp theo sau đó là sử dụng phân tích nhân tố khám phá EFA để đánh đánh giá sơ bộ tính đơn hướng, giá trị hội tụ và giá trị phân biệt của thang đo.
3.3.1.1. Đánh giá độ tin cậy thang đo
Có một phát biểu cho rằng một đo lường có giá trị nếu nó đo lường đúng cái cần đo (Campbell & Fiske, 1959), phát biểu này cho thấy sự cần thiết của một hệ số hữu hiệu cho việc đánh giá về độ tin cậy của thang đo, đó chính là hệ số Cronbach Alpha. Giá trị của Cronbach Alpha biến thiên trong khoảng [0;1], trong đó hệ số này càng cao thì càng tốt, nhưng cũng khơng nên q cao (Alpha > 0,95) vì nó cho thấy các biến khơng khác biệt nhau, chúng đang cùng đo lường một nội dung nào đó của khái niệm (Nguyễn Đình Thọ, 2011). Tuy nhiên, khi Cronbach (1951) đưa ra hệ số tin cậy Cronbach Alpha để đo lường độ tin cậy của thang đo thì thang đo buộc phải bao gồm ba biến quan sát trở lên và không đo lường độ tin cậy cho từng biến quan sát riêng lẻ.
Cronbach (1951) cho biết các biến đo lường (biến quan sát) cùng đo lường trên cùng một khái niệm cho nên chúng phải có tương quan chặt chẽ nhau. Để kiểm tra tính tương quan này thì người ta sử dụng hệ số tương quan biến-tổng. Trên phần mềm SPSS thì sử dụng hệ số tương quan biến-tổng hiệu chỉnh, tức là tính tương quan của biến quan sát với tập hợp biến trong đó khơng có biến đang xem xét. Hệ số này từ 0,30 trở lên theo Nunnally & Bernstein (1994) là đạt yêu cầu, Nguyễn Đình Thọ (2011) trích dẫn. Tuy nhiên khi hệ số này bằng 1 thì có nghĩa là các biến đang cùng làm một việc giống nhau, nên loại bỏ chúng và giữ lại một biến là đủ. Theo đó, một thang đo có độ tin cậy tốt là trong khoảng [0,70-0,80], trong khi nếu Cronbach Alpha ≥ 0,60 thì thang đo đó chấp nhận được về độ tin cậy.
Ngồi ra, phần mềm SPSS cịn cung cấp thêm một bảng tham số thống kê khác đó là các tham số của thang đo như Alpha và hệ số tương quan biến-tổng, nếu bỏ đi một biến quan sát nào đó trong thang đo. Bảng số liệu bổ sung này hỗ trợ cho việc loại bỏ biến quan sát của thang đo được dễ dàng hơn.
3.3.1.2. Kiểm định giá trị thang đo
Phương pháp phân tích nhân tố khám phá EFA là dùng để kiểm định giá trị thang đo, và rút gọn một tập hợp các biến quan sát thành một tập hợp các nhân tố có ý nghĩa hơn (Nguyễn Đình Thọ, 2011). Trong phân tích EFA, Hồng Trọng & Chu Nguyễn Mộng Ngọc (2008) đã trình bày các tham số được sử dụng như sau.
Thứ nhất, ma trận tương quan (Correlation matrix) cho biết hệ số tương quan giữa tất cả các cặp biến trong phân tích, các biến có liên hệ với nhau ra sao. Tuy vậy trên thực tế thì ln có điều này, tức là mối liên hệ giữa các biến với nhau luôn tồn tại. Thứ hai, đại lượng Bartlett trong kiểm định Bartlett để xem xét giả thuyết cho rằng các biến đo lường khơng có tương quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là bác bỏ giả thuyết này, căn cứ trên đại lượng Bartlett càng lớn thì càng có khả năng bác bỏ giả thuyết các biến đo lường khơng có tương quan trong tổng thể.
Thứ ba, đại lượng KMO là một chỉ số để cho biết sự phù hợp của phân tích nhân tố. Trị số này lớn trong khoảng [0,5-1,0] cho biết có khả năng phân tích này thích hợp với dữ liệu.
Thứ tư, ma trận nhân tố (Component matrix) cho biết hệ số tải nhân tố (factor loading) của các biến quan sát đối với nhân tố được rút ra. Trị số này dùng để giải thích cho nhân tố bằng các biến quan sát có hệ số lớn đối với nhân tố. Đây là một phần quan trọng trong bảng kết quả phân tích nhân tố. Tuy nhiên đơi khi việc giải thích nhân tố gặp khó khăn nếu biến đo lường có hệ số tải tương đối lớn trên hai hay nhiều nhân tố. Vì vậy, phép xoay nhân tố sẽ giúp tháo dỡ khó khăn này. Có
nhiều phép xoay nhưng đề tài này sẽ đề cập tới phép xoay giữ nguyên góc (varimax) để tối thiểu lượng biến có hệ số lớn trên cùng nhân tố (nếu có) để tăng khả năng giải thích. Với phép xoay nhân tố, các biến quan sát sẽ chỉ có hệ số tải lớn vượt trội trên một nhân tố duy nhất, đối với các nhân tố còn lại hệ số tải của biến quan sát sẽ nhỏ hơn nhiều.
Thứ năm, đại lượng Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Những nhân tố có đại lượng này lớn hơn 1 được cho là nên giữ lại, ngược lại nhỏ hơn 1 thì được cho là khơng có tác dụng giải thích tóm tắt thơng tin tốt hơn biến gốc. Thông thường đại lượng Eigenvalue giúp cho việc chọn số lượng nhân tố.
3.3.2. Kiểm định giá trị trung bình
Khi xem xét có hay khơng tác động của giới tính, độ tuổi, lĩnh vực ngành nghề, và loại hình doanh nghiệp đối với khoảng cách chất lượng dịch vụ thì có sự lưu ý đến hai giả định quan trọng, đó là tổng thể có phân phối chuẩn và phương sai bằng nhau. Trong đó, giả định về phương sai bằng nhau được phép kiểm định Levene trên phần mềm SPSS thực hiện, biết rằng kiểm định Levene là kiểm định giả thuyết phương sai của hai tổng thể bằng nhau. kiểm định thực hiện ở mức ý nghĩa 5%, nếu mức ý nghĩa quan sát thấp hơn tức là bác bỏ giả thuyết phương sai đồng nhất. Khi đó, kết quả kiểm định T-Test được đọc ở dòng thứ hai (Equal variances not assumed)
Trước tiên, khi xem xét có hay khơng tác động của giới tính đối với các khía cạnh của chất lượng dịch vụ, phép kiểm định trung bình hai tổng thể dựa trên hai mẫu độc lập rút ra từ hai tổng thể được tiến hành trên phần mềm SPSS, dùng lệnh Independent-Samples T-Test với mức ý nghĩa 5%. Nếu mức ý nghĩa quan sát thấp hơn tức là bác bỏ giả thuyết khơng có sự khác biệt giữa nam và nữ về khoảng cách chất lượng dịch vụ.
Khi xem xét có hay khơng tác động của độ tuổi, ngành nghề kinh doanh và loại hình doanh nghiệp lên các khía cạnh của chất lượng dịch vụ, phép kiểm định phương sai được tiến hành trên phần mềm SPSS, thông qua công cụ Kruskal-Wallis hoặc One- Way ANOVA phụ thuộc vào kết quả của kiểm định phương sai đồng nhất-Levene Test. Sử dụng phép kiểm định phương sai là bởi vì biến phân loại có hơn hai nhóm cho nên khơng thể tiến hành phân tích như cách phân tích khi xem xét tác động của giới tính. Kiểm định được tiến hành với mức ý nghĩa 5%, nếu mức ý nghĩa quan sát thấp hơn tức là bác bỏ giả thuyết khơng có sự khác biệt giữa các nhóm về khoảng cách chất lượng dịch vụ.
Chương 4 - Kết quả và thảo luận