Chương 1 : CƠ SỞ LÝ LUẬN CỦA ĐỀ TÀI
2.4. Nghiên cứu định lượng (nghiên cứu chính thức)
2.4.4.1. Phương pháp đánh giá
Thang đo áp dụng phải đạt độ tin cậy để đảm bảo rằng phương pháp đo
lường khơng có sự sai lệch mang tính hệ thống và sai lệch ngẫu nhiên, khi đó thang
đó mới được xem là có giá trị. Độ tin cậy của thang đo được đánh giá thông qua hệ
số Cronbach’s Alpha và hệ số tương quan biến tổng (Item-total correlation). Hệ số tin cậy Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo có tương quan với nhau, nghĩa là nó cho chúng ta biết một thang đo nào đó có phải là thang đo tốt về một khía cạnh nào đó hay khơng.
Thang đo chất lượng dịch vụ kiểm toán được xây dựng trên cơ sở áp dụng thang đo SERVQUAL, là thang đo đa hướng với 4 thành phần độc lập với tổng
tiến hành bằng cách đánh giá độ tin cậy từng thành phần, phân tích nhân tố để sắp xếp lại các thành phần là các nhân tố giải thích được các liên hệ trong thang đo. Vì Cronbach’s Alpha chỉ kiểm tra độ tin cậy của thang đo dựa trên mối tương quan
tổng thể của các “Items” trong cùng một thành phần nên chỉ thực hiện kiểm định
thang đo từng thành phần mà không thực hiện một lần tất cả các thành phần.
Phương pháp này cho phép phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach’s Alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy alpha từ 0,6 trở lên (Nunnally và Burnstein, 1994. Dẫn theo
Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011). Ngoài ra, nhiều nhà nghiên
cứu cho rằng khi thang đo có độ tin cậy 0,8 trở lên đến gần 1 là thang đo lường tốt. Nếu bỏ bất kỳ biến nào trong mỗi thành phần của thang đo mà làm cho hệ số
Cronbach’s Alpha của nó lớn hơn hệ số Cronbach’s Alpha ban đầu thì được xem là biến rác và cũng sẽ bị loại.
2.4.4.2. Kết quả kiểm định alpha
- Thành phần Tin cậy
Bảng 2.2: Kết quả Cronbach’s Alpha - Thành phần Tin cậy
Cronbach’s Alpha = 0.894 Biến TBTĐ nếu loại biến PSTĐ nếu loại biến TQ Biến tổng Alpha nếu loại biến V01 18.50 15.598 .754 .869 V02 18.65 15.696 .788 .864 V03 18.61 16.370 .671 .882 V04 18.63 15.370 .716 .876 V05 18.55 16.540 .631 .888 V06 18.58 16.274 .740 .872
(Nguồn: Phụ lục 5 - Kết quả SPSS Cronbach’s Alpha - Tin cậy)
Hệ số tin cậy Cronbach’s Alpha của thành phần này là 0.894. Nếu ta loại đi bất kỳ thang đo (biến) nào thì hệ số Cronbach’s Alpha sẽ bị giảm đi. Ngoài ra, các hệ số tương quan biến tổng của các biến quan sát này thấp nhất là 0.631 > 0.3 nên
các biến này khá phù hợp và được sử dụng trong phép phân tích nhân tố khám phá
tiếp theo.
- Thành phần Đáp ứng
Bảng 2.3: Kết quả Cronbach’s Alpha - Thành phần Đáp ứng
Cronbach’s Alpha = 0.834 Biến TBTĐ nếu loại biến PSTĐ nếu loại biến TQ Biến tổng Alpha nếu loại biến V07 15.19 9.803 .747 .767 V08 15.22 10.966 .565 .819 V09 15.21 10.639 .629 .802 V10 15.22 10.987 .578 .816 V11 15.26 10.646 .652 .796
(Nguồn: Phụ lục 5 - Kết quả SPSS Cronbach’s Alpha - Đáp ứng)
Hệ số tin cậy Cronbach’s Alpha là 0.834. Nếu ta loại đi bất kỳ thang đo
(biến) nào thì hệ số Cronbach’s Alpha sẽ bị giảm đi. Ngồi ra, các hệ số tương quan biến tổng của các biến quan sát này thấp nhất là 0.578 > 0.3 nên các biến này khá phù hợp và được sử dụng trong phép phân tích nhân tố khám phá tiếp theo.
- Thành phần Năng lực phục vụ
Bảng 2.4: Kết quả Cronbach’s Alpha - Thành phần Năng lực phục vụ
Cronbach’s Alpha = 0.857 Biến TBTĐ nếu loại biến PSTĐ nếu loại biến TQ Biến tổng Alpha nếu loại biến V12 14.58 9.853 .653 .833 V13 14.50 9.156 .776 .801 V14 14.64 9.598 .641 .836 V15 14.78 8.856 .675 .830 V16 14.56 10.217 .635 .838
(Nguồn: Phụ lục 5 - Kết quả SPSS Cronbach’s Alpha - Năng lực phục vụ)
Hệ số tin cậy Cronbach’s Alpha là 0.857. Nếu ta loại đi bất kỳ thang đo
(biến) nào thì hệ số Cronbach’s Alpha sẽ bị giảm đi. Ngoài ra, các hệ số tương quan biến tổng của các biến quan sát này thấp nhất là 0.635 > 0.3 nên các biến này khá phù hợp và được sử dụng trong phép phân tích nhân tố khám phá tiếp theo.
- Thành phần Phương tiện hữu hình
Bảng 2.5: Kết quả Cronbach’s Alpha - Thành phần Phương tiện hữu hình
Cronbach’s Alpha = 0.899 Biến TBTĐ nếu loại biến PSTĐ nếu loại biến TQ Biến tổng Alpha nếu loại biến V17 18.14 17.944 .730 .880 V18 18.34 17.229 .761 .875 V19 18.36 17.436 .749 .877 V20 18.37 18.213 .657 .891 V21 18.30 17.847 .715 .882 V22 18.40 17.669 .740 .879
(Nguồn: Phụ lục 5 - Kết quả SPSS Cronbach’s Alpha - Phương tiện hữu hình)
Hệ số tin cậy Cronbach’s Alpha là 0.899. Nếu ta loại đi bất kỳ thang đo
(biến) nào thì hệ số Cronbach’s Alpha sẽ bị giảm đi. Ngoài ra, các hệ số tương quan biến tổng của các biến quan sát này thấp nhất là 0.657 > 0.3 nên các biến này khá phù hợp và được sử dụng trong phép phân tích nhân tố khám phá tiếp theo.
- Sự hài lòng của khách hàng
Bảng 2.6: Kết quả Cronbach’s Alpha - Sự hài lòng của khách hàng
Cronbach’s Alpha = 0.818 Biến TBTĐ nếu loại biến PSTĐ nếu loại biến TQ Biến tổng Alpha nếu loại biến V23 7.38 3.483 .675 .745 V24 7.44 3.373 .696 .722 V25 7.51 3.859 .643 .777
(Nguồn: Phụ lục 5 - Kết quả SPSS Cronbach’s Alpha - Sự hài lòng của khách hàng)
Hệ số tin cậy Cronbach’s Alpha là 0.818. Nếu ta loại đi bất kỳ thang đo
(biến) nào thì hệ số Cronbach’s Alpha sẽ bị giảm đi. Ngoài ra, các hệ số tương quan biến tổng của các biến quan sát này thấp nhất là 0.643 > 0.3 nên các biến này khá phù hợp và được sử dụng trong phép phân tích nhân tố khám phá tiếp theo.
Như vậy, thang đó chất lượng dịch vụ kiểm tốn và sự hài lịng của khách hàng bao gồm 25 biến, sau khi kiểm định bằng hệ số tin cậy Cronbach’Alpha, tất cả các biến đủ điều kiện để tiếp tục phân tích nhân tố khám phá.
2.4.5. Phân tích nhân tố khám phá EFA
2.4.5.1. Phương pháp phân tích
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) 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, trị số KMO (Kaiser - Meyer - Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO có giá trị trong khoản từ 0,5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Đại lượng Bartlett là một đại lượng thống kê dung để xem xét xem xét giả
thuyết các biến khơng có tương quan trong tổng thể. Nói cách khác, ma trận tương quan tổng thể là một ma trận đồng nhất, mỗi biến tương quan hồn tồn với chính nó (r=1) nhưng khơng có tương quan với những biến khác (r=0). Điều kiện cần để áp dụng phân tích nhân tố là các biến các biến phải có tương quan với nhau, do đó nếu kiểm định cho thấy khơng có ý nghĩa thống kê thì khơng nên áp dụng phân tích nhân tố cho các biến đang xem xét. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤0.05) thì các biến quan sát có tương quan trong tổng thể.
Ngồi ra, phân tích nhân tố còn dựa vào Eigenvalue để xác định số lượng
nhân tố. Chỉ những nhân tố có Eigenvalue > 1 và tổng phương sai trích lớn hơn 50% thì mới được giữ lại trong mơ hình (Gerbing và Anderson, 1988). Đại lượng
Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân
tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc, vì sau khi chuẩn hóa mỗi biến gốc có phương sai là 1.
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. 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. Với cở mẫu trong nghiên cứu là 200, như vậy có thể giữ lại các biến có hệ số tải nhân tố ≥ 0.4 để hạn chế loại biến (Gerbing và Anderson, 1988).
Ngoài ra, tác giả khi thực hiện loại các biến khơng phù hợp khi phân tích nhân tố khám phá EFA theo thứ tự: loại các biến cùng giải thích cho nhiều nhân tố có hệ số tải nhân tố gần nhau trước để tạo giá trị phân biệt giữa các nhân tố, sau đó loại tiếp các biến có hệ số tải nhân < 0.4.
Tác giả phân tích nhân tố khám phá EFA riêng biệt cho biến độc lập và biến phụ thuộc nhằm tránh trường hợp khi phân tích hồi quy tuyến tính sẽ khơng có ý nghĩa vì hiện tượng các biến độc lập và phụ thuộc giải thích qua lại cho nhau.
2.4.5.2. Kết quả EFA cho biến độc lập
Bảng 2.7: Kết quả kiểm định KMO và Bartlett biến độc lập
KMO 0.880
Sig 0.000
Eigenvalue 1.210 Phương sai trích 65.903
(Nguồn: Phụ lục 6 - Kết quả SPSS KMO và Bartlett biến độc lập)
KMO = 0.880 > 0.5 nên mơ hình phân tích là phù hợp. Sig = 0.000 nên kiểm
định này có ý nghĩa thống kê và các biến có tương quan nhau trong tổng thể. Đồng
thời phương sai trích = 65.903% > 50 %, Eigenvalue = 1.210 > 1 nên mơ hình đủ
điều kiện để phân tích nhân tố.
Sau khi dùng SPSS 16.0 chạy kết quả phân tích ma trận nhân tố xoay đến với phương thức loại từng biến nếu có hệ số tải nhân tố ≤ 0.4 và cùng giải thích cho
nhiều thành phần có mức độ ngang nhau. Các biến đều được giữ lại vì có hệ số tải nhân tố đạt tiêu chuẩn nghiên cứu, giá trị nhỏ nhất 0.539 > 0.4 (phụ lục 6).
Như vậy với 22 biến quan sát trong 4 thành phần (biến độc lập) sau khi đã
kiểm tra độ tin cậy, qua bước phân tích nhân tố cịn lại tồn bộ 22 biến quan sát. Đồng thời vẫn giữ nguyên 4 thành phần chính. Dựa trên các biến mới sau khi phân
phân tích nhân tố khám phá được thể hiện tại phụ lục 6 với các tên gọi và thành
phần:
Thành phần Tin cậy, bao gồm các biến: V01, V02, V03, V04, V05, V06.
Tất cả các biến đều được giữ nguyên theo cơ sở lý thuyết, biểu hiện cho sự Tin cậy của khách hàng đối với nhà cung cấp dịch vụ kiểm toán (DTL).
Thành phần Đáp ứng, bao gồm các biến V07, V08, V09, V10, V11. Các
biến thể hiện mức độ đáp ứng chính xác, đầy đủ, nhanh chóng, mức độ sẵn sàng…
đối với nhu cầu của khách hàng.
Thành phần Năng lực phục vụ, bao gồm các biến V12, V13, V14, V15,
V16. Tất cả các biến biểu hiện cho năng lực phục vụ của nhà cung cấp dịch vụ kiểm toán (DTL), với cốt lõi là nhân sự của Công ty.
Thành phần Phương tiện hữu hình: bao gồm các biến V17, V18, V19,
V20, V21, V22. Tất cả các biến biểu hiện những phương tiện hữu hình mà khách hàng có thể nhìn thấy được trong q trình cung cấp dịch vụ của cơng ty, bao gồm nhân viên và cơ sở vật chất của Công ty.
2.4.5.3. Kết quả EFA cho biến phụ thuộc
Bảng 2.8: Kết quả kiểm định KMO và Bartlett biến phụ thuộc
KMO 0.714
Sig 0.000
Eigen-value 2.199 Phương sai trích 73.300
(Nguồn: Phụ lục 6 - Kết quả SPSS KMO và Bartlett biến phụ thuộc)
KMO = 0.714 > 0.5 nên mơ hình phù hợp cho việc phân tích. Sig = 0.000 nên kiểm định này có ý nghĩa thống kê và các biến có tương quan nhau trong tổng thể.
Đồng thời phương sai trích = 73.300% > 50%; Eigenvalue = 2.199 > 1 nên mơ hình đủ điều kiện để phân tích nhân tố khám phá.
Bảng 2.9: Kết quả EFA biến phụ thuộc
Biến Diễn giải Hệ số tải nhân tố V23 Lợi ích của bạn nhận được từ Cơng ty cao hơn những công
ty cùng lĩnh vực khác .858 V24 Công ty đã đáp ứng được những kỳ vọng của bạn .871 V25 Nhìn chung, bạn hài lịng với dịch vụ kiểm tốn của Công ty .839
(Nguồn: Phụ luc 6 - Kết quả SPSS - EFA biến phụ thuộc) 2.4.5.4. Kết luận về mơ hình nghiên cứu
Sau khi phân tích EFA, các nhóm được vẫn giữ nguyên tên với những biến phù hợp trong thành phần. Mơ hình chính thức về chất lượng dịch vụ kiểm tốn và sự hài lịng của khách hàng giữ ngun theo mơ hình lý thuyết.
Hình 2.3: Mơ hình nghiên cứu chính thức
Với các giả thuyết như sau:
Giả thuyết H1: Sự tin cậy càng cao thì khách hàng sẽ càng hài lịng. Giả thuyết H2: Năng lực phục vụ càng tốt thì sự hài lòng càng lớn Giả thuyết H3: Sự đáp ứng càng tốt thì sự hài lịng của càng cao
Giả thuyết H4: Phương tiện hữu hình càng tốt thì khách hàng càng hài lịng Sự hài lòng của
khách hàng Tin cậy
Đáp ứng
Năng lực phục vụ
2.4.6. Phân tích tương quan
2.4.6.1. Phương pháp phân tích
Chúng ta sử dụng một số thống kê có tên là Hệ số tương quan tuyến tính r (Pearson Correlation Coefficient) để lượng hóa mức độ chặt chẽ của mối liên hệ
tuyến tính giữa hai biến định lượng. Nhìn chung r được sử dụng để kiểm tra liên hệ giữa những biến định lượng (khoảng cách hay tỷ lệ). Trị tuyệt đối của r cho biết
mức độ chặt chẽ của mối liên hệ tuyến tính, giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ.
0 < r ≤1 : gọi là tương quan tuyến tính thuận (X↑, Y↑) -1 ≤ r ≤0 : gọi là tương quan tuyến tính nghịch (X↑, Y↓)
2.4.6.2. Kết quả phân tích tương quan
Bảng 2.10: Kết quả kiểm định tương quan giữa các biến Thành phần Thành phần Tin cậy Đáp ứng Năng lực phục vụ Phương tiện hữu hình Sự hài lòng Tin cậy Pearson
Correlation 1 .587 ** .551** .530** .649** Sig. (2-tailed) .000 .000 .000 .000 Đáp ứng Pearson Correlation .587 ** 1 .520** .647** .739** Sig. (2-tailed) .000 .000 .000 .000 Năng lực phục vụ Pearson Correlation .551 ** .520** 1 .421** .604** Sig. (2-tailed) .000 .000 .000 .000 Phương tiện hữu hình Pearson Correlation .530 ** .647** .421** 1 .656** Sig. (2-tailed) .000 .000 .000 .000 Sự hài lòng Pearson Correlation .649 ** .739** .604** .656** 1 Sig. (2-tailed) .000 .000 .000 .000
Hệ số tương quan tuyến tính r (Pearson Correlation Coefficient) để kiểm định sự tương quan giữa 4 thành phần chất lượng dịch vụ kiểm toán và sự hài lòng của khách hàng. Các giá trị Sig đều nhỏ hơn 0.05, do đó chúng đều có ý nghĩa về mặt
thống kê và trong các những mối quan hệ này tất cả đều cùng chiều. Tương quan thành phần Sự hài lòng của khách hàng với các thành phần chất lượng dịch vụ lần lượt: 0.649; 0.739; 0.604; 0.656. Do đó, có sự tương quan tỷ lệ thuận giữa các thành phần chất lượng dịch vụ với Sự hài lòng của khách hàng. Như vậy, kết quả kiểm
định tương quan giữa các biến cho kết quả rất thích hợp để phân tích hồi quy.
2.4.7. Phân tích hồi quy tuyến tính
Để kiểm định vai trò quan trọng của các nhân tố trong việc đánh giá mối
quan hệ giữa các thành phần chất lượng dịch vụ kiểm toán và sự ảnh hưởng của
chúng đến sự hài lịng của khách hàng. Mơ hình hồi quy được sử dụng với biến độc lập là 4 thành phần: Tin cậy; Đáp ứng; Năng lực phục vụ; Phương tiện hữu hình và biến phụ thuộc là Sự hài lịng của khách hàng. Phân tích hồi quy được thực hiện với phần mềm SPSS 16 và giá trị các yếu tố được dùng để chạy hồi quy là giá trị trung bình của các biến quan sát đã được kiểm định.
2.4.7.1. Đánh giá sự phù hợp của mơ hình
Để đánh giá sự phù hợp của mơ hình giữa các thành phần chất lượng dịch vụ
phân phối sản phẩm và sự hài lòng của khách hàng, tác giả sử dụng hàm hồi quy tuyến tính bội, 4 thành phần chất lượng dịch vụ là biến độc lập và sự hài lòng của