Chƣơng 3 : THIẾT KẾ NGHIÊN CỨU
3.3. Nghiên cứu định tính
Thang đo sơ bộ sẽ được dùng làm cơ sở tham khảo cho việc thực hiện nghiên cứu định tính nhằm xây dựng bảng câu hỏi cho các biến quan sát dùng để đo lường các khái niệm trong mơ hình nghiên cứu đề nghị. Trong giai đoạn này, luận văn sẽ sử dụng kỹ thuật thảo luận tay đôi với các đối tượng được lựa chọn theo phương pháp thuận tiện. Luận văn đưa ra bảng câu hỏi thăm dò ý kiến và phỏng vấn trực tiếp 10 khách hàng đã từng mua vé máy bay trực tuyến trong khoảng thời gian từ tháng 01/2014 đến 08/2014 (phụ lục 1).
Nội dung thảo luận: dựa trên các khái niệm cần đo lường trong mơ hình, tham khảo thang đo của các tác giả nước ngoài, tác giả trao đổi từng nhóm nhân tố ảnh hưởng đến sự hài lòng của khách hàng mua vé máy bay trực tuyến, các biến quan sát cho từng thang đo các thành phần trong mơ hình.
Trình tự tiến hành:
Dựa trên yêu cầu về chọn đối tượng để tham gia nghiên cứu định tính, tiến hành lựa chọn đối tượng phù hợp.
Tiến hành thảo luân tay đôi giữa người nghiên cứu với từng đối tượng được chọn tham gia nghiên cứu định tính để thu nhận dữ liệu liên quan.
Sau khi phỏng vấn hết các đối tượng, dựa trên dữ liệu thu thập được và bảng thang đo sơ bộ tiến hành hiệu ch nh bảng câu hỏi.
Dữ liệu hiệu ch nh sẽ được trao đổi lại với các đối tượng tham gia một lần nữa. Quá trình nghiên cứu định tính được kết thúc khi các câu hỏi thảo luận đều cho các kết quả lặp lại với các kết quả trước đó mà khơng tìm thấy sự thay đổi nào mới.
Qua nghiên cứu định tính, nhìn chung, các ý kiến đều đồng tình về nội dung biến quan sát đo lường các nhân tố ảnh hưởng đến sự hài lòng của khách hàng mua vé máy bay trực tuyến. Sau khi nghiên cứu định tính, kết quả cho ra bảng câu hỏi khảo sát định
Chất lƣợng thông tin (ký hiệu TT, gồm 7 biến quan sát TT1 đến TT7)
- TT1: Thơng tin dễ dàng tìm kiếm - TT2: Thơng tin hữu ích
- TT3: Thơng tin giá thanh tốn bao gồm chi tiết các khoản phí liên quan - TT4: Thông tin chuyến bay được cập nhật kịp thời
- TT5: Đầy đủ các thông tin liên quan đến chuyến bay - TT6: Quảng cáo về khuyến mãi và giảm giá
- TT7: Chi tiết và đa dạng các lựa chọn về chuyến bay, chỗ ngồi, thực đơn
Chất lƣợng hệ thống (ký hiệu HT, gồm 11 biến quan sát HT1 đến HT11)
- HT1: Trang web dễ dàng truy cập - HT2: Tốc độ tải trang nhanh
- HT3: Dễ dàng chuyển đổi giữa các mục - HT4: Trang web không bị đứt kết nối
- HT5: Không chia sẻ thông tin cá nhân khách hàng với các trang web khác - HT6: Bảo mật thơng tin thẻ tín dụng của khách hàng
- HT7: Có khả năng so sánh giá
- HT8: Thực hiện giao dịch trực tuyến dễ dàng - HT9: Phương thức thanh toán đa dạng, thuận tiện - HT10: Trang web uy tín và đáng tin cậy
- HT11: Khách hàng có khả năng lựa chọn chuyến bay phù hợp với yêu cầu
Chất lƣợng dịch vụ (ký hiệu DV, gồm 6 biến quan sát DV1 đến DV6)
- DV1: Giao dịch trực tuyến hồn thành nhanh chóng - DV 2: Hủy vé hoặc thay đổi thông tin đặt chỗ dễ dàng - DV3: Giảm bớt quá trình tìm kiếm chuyến bay
- DV4: Giá cạnh tranh
- DV6: Có các hình thức khuyến mãi và chiết khấu cho khách hàng thân thiết
Sự hài lòng của khách hàng (ký hiệu H, gồm 3 biến quan sát H1 đến H3)
- H1: Mức độ hài lòng khi mua vé máy bay trực tuyến - H2: Sẽ lặp lại việc mua vé máy bay trực tuyến - H3: Sẽ giới thiệu cho bạn bè, người thân
3.4. Nghiên cứu định lƣợng
Nghiên cứu định lượng được thực hiện thông qua bảng câu hỏi khảo sát. Thông tin thu thập được dùng để đánh giá độ tin cậy và độ giá trị của thang đo, kiểm định thang đo, kiểm định sự phù hợp của mơ hình.
3.4.1. Thiết kế mẫu
Để có thể phân tích nhân tố khám phá (EFA) cần thu thập bộ dữ liệu với ít nhất 5 mẫu trên 1 biến quan sát và kích cỡ mẫu khơng nên ít hơn 100, (Hair và các cộng sự, 1998).
Bên cạnh đó, để tiến hành phân tích hồi quy một cách tốt nhất, kích thước mẫu cần phải đảm bảo theo công thức (Tabachnick và Fidell, 1996):
n ≥ 8m + 50 Trong đó: n: cỡ mẫu
m: số biến độc lập của mơ hình
Để đạt được kích thước mẫu tối thiểu, luận văn sử dụng phương pháp lấy mẫu thuận tiện phi xác suất. Kích thước mẫu dự kiến là 200 mẫu cho 27 biến quan sát, đây sẽ là cơ sở để chuẩn bị số lượng 300 bảng câu hỏi sẽ được gửi đi.
3.4.2. Thu thập dữ liệu
Nghiên cứu sơ bộ, tác giả đã phát ra 50 bảng câu hỏi. Do vậy, mẫu nghiên cứu sơ bộ là n=50. Trong nghiên cứu chính thức, quy trình thu thập dữ liệu được thực hiện
thông qua phỏng vấn bằng bảng câu hỏi với đối tượng nghiên cứu là những khách hàng đã từng mua máy bay trực tuyến trong khoảng thời gian từ tháng 01/2014 đến 08/2014.
Khảo sát được tiến hành bằng cách kết hợp hai phương pháp: thiết kế bảng câu hỏi trực tuyến trên google docs và gửi địa ch để đối tượng khảo sát trả lời trực tuyến và thông tin được ghi vào cơ sở dữ liệu, phát bảng câu hỏi đã được in sẵn đến người được khảo sát và nhận lại kết quả sau khi hoàn tất.
Địa điểm nghiên cứu: Tp.HCM. Thời gian: Tháng 09/2014.
3.4.3. Phƣơng pháp phân tích dữ liệu
Phương pháp thống kê sử dụng mức có ý nghĩa alpha trong đề tài này là 0,05. Số liệu thu thập được phân tích bằng phần mềm SPSS 20.
Q trình phân tích phân tích dữ liệu được thực hiện qua các giai đoạn sau:
3.4.3.1. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Một thang đo có giá trị khi khơng có sai lệch mang tính hệ thống và sai lệch ngẫu nhiên. Điều kiện đầu tiên là thang đo áp dụng phải đạt độ tin cậy. Hệ số Cronbach’s Alpha càng lớn thì độ tin cậy càng cao. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố khám phá EFA để loại các biến khơng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Hệ số tin cậy Cronbach’s Alpha ch cho biết các biến đo lường có liên kết với nhau hay khơng nhưng không cho biết biến nào cần loại bỏ đi và biến nào cần giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến - tổng để loại ra những biến khơng đóng góp nhiều cho khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang đo gồm:
Hệ số tin cậy Cronbach’s Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm
nghiên cứu là mới hoặc là mới trong hoàn cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Hệ số tương quan biến - tổng: các biến quan sát có tương quan biến - tổng nhỏ (nhỏ hơn 0,3) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu.
Trong nghiên cứu này, luận văn sử dụng tiêu chuẩn Cronbach’s Alpha từ 0,6 trở lên và các biến quan sát hệ số tương quan biến tổng (Corrected item- total correlation) nhỏ hơn 0,3 sẽ bị loại.
3.4.3.2. Đánh giá thang đo bằng phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) (Exploratory Factor Analysis)
Phân tích nhân tố EFA sẽ được sử dụng để gom các biến từ kết quả phân tích Cronbach’s Alpha để tạo ra các biến mới từ các biến đã cho phù hợp với mẫu xem xét. Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá được dùng để kiểm định giá trị khái niệm của thang đo.
Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA:
Phương pháp: Đối với thang đơn hướng, sử dụng Principal components analysis đi cùng phép xoay Varimax. Thang đo chấp nhận được khi tổng phương sai trích được bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Tiêu chuẩn: Hệ số tải nhân tố phải lớn hơn hoặc bằng 0,5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0,3 là mức tối thiểu chấp nhận được; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0,3; nếu cỡ mẫu khoảng 100 thì
nên chọn hệ số tải nhân tố lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0,75 (Hair, 1998; dẫn theo Lê Ngọc Đức, 2008).
Từ cơ sở lý thuyết trên, luận văn sử dụng phân tích nhân tố EFA theo các bước sau:
Đối với các biến quan sát đo lường các khái niệm đều là các thang đo đơn hướng nên sử dụng phương pháp trích nhân tố Principal Components với phép quay Varimax và điểm dừng khi trích các yếu tố có EigenValues > 1.
Sau đó tiến hành thực hiện kiểm định các yêu cầu liên quan gồm:
Kiểm định Barlett: các biến quan sát có tương quan với nhau trong tổng thể.
Xem xét trị số KMO: nếu KMO trong khoảng từ 0,5 đến 1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại, KMO nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Để phân tích EFA có giá trị thực tiễn; tiến hành loại các biến quan sát có hệ số tải nhân tố nhỏ hơn 0,5. Trị số Eigenvalue phải lớn hơn 1 và tổng phương sai trích phải lớn hơn hoặc bằng 50%.
3.4.3.3. Phân tích tƣơng quan
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson và phân tích hồi quy để kiểm định các giả thuyết. Phân tích tương quan Pearson được thực hiện giữa biến phụ thuộc và các biến độc lập nhằm khẳng định có mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập, khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Giá trị tuyệt đối của Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ. Đồng thời cũng cần phân tích tương quan giữa các biến độc lập với nhau nhằm phát hiện những mối tương quan chặt chẽ giữa các biến độc lập. Vì những tương quan như vậy có thể ảnh hưởng lớn đến kết quả của phân tích hồi quy như gây ra hiện tượng đa cộng tuyến (Hoàng Trọng và
3.4.3.4. Phân tích hồi quy tuyến tính bội
Sau khi kết luận hai biến có mối quan hệ tuyến tính với nhau thì có thể mơ hình hóa mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Nghiên cứu thực hiện hồi quy tuyến tính bội bằng phương pháp Enter, xử lý tất cả các biến đưa vào một lần và đưa ra các thông số thống kê liên quan đến các biến. Sau đó, kiểm định các giả thuyết theo các bước sau:
Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội bằng hệ số R2
và hệ số R2 điều ch nh. Hệ số R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm nhiều biến độc lập vào mơ hình thì R2 càng tăng. Tuy nhiên, điều này cũng được chứng minh rằng khơng phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với tập dữ liệu. Để giải quyết tình huống này, hệ số R2 điều ch nh được sử dụng để phản ánh tốt hơn mức độ phù hợp của mơ hình hồi quy tuyến tính bội. Hệ số R2 điều ch nh không nhất thiết phải tăng lên khi nhiều biến độc lập được đưa thêm vào mơ hình. Hệ số R2 điều ch nh là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó khơng phụ thuộc vào độ lệch phóng đại của hệ số R2.
Kiểm định giả thuyết về độ phù hợp của mơ hình.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.
Kiểm định giả thuyết về phân phối chuẩn của phần dư sử dụng biểu đồ tần số của các phần dư. Nếu trung bình bằng 0 và độ lệch chuẩn xấp x bằng 1 thì có thể kết luận rằng giả định phân phối chuẩn không bị vi phạm..
Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Xác định mức độ ảnh hưởng của các yếu tố tác động đến thái độ và ý định: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mơ hình nghiên cứu.
3.4.3.5. Kiểm định sự khác biệt của các nhân tố với các biến định tính bằng T- test và Anova test và Anova
Trong phần này luận văn sử dụng 2 phép kiểm định:
Kiểm định Independent - samples T-test
Sử dụng trong trường hợp kiểm định về trung bình của 2 tổng thể độc lập. Các bước tiến hành theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), như sau:
Nếu giá trị Sig. trong kiểm định Levene < 0,05 thì phương sai các biến là khác nhau, ta sử dụng kết quả kiểm định t ở phần giả định phương sai khác nhau (Equal variances not assumed).
Nếu giá trị Sig. trong kiểm định Levene >= 0,05 thì phương sai các biến là không khác nhau, ta sử dụng kết quả trong kiểm định t ở phần giả định phương sai bằng nhau (Equal variances assumed).
Nếu giá trị Sig. trong kiểm định t < 0,05 thì kết luận có sự khác biệt về trung bình 2 tổng thể. Nếu t >= 0,05 thì kết luận chưa có sự khác biệt có ý nghĩa về trị trung bình 2 tổng thể.
Phân tích phƣơng sai một yếu tố ANOVA
Trong trường hợp có nhiều hơn 2 tổng thể, khơng sử dụng kiểm định Independent - samples T-test mà sử dụng kiểm định One-Way ANOVA. Có một số giả định sau đối với phân tích phương sai một yếu tố:
Các nhóm so sánh phải độc lập và được chọn ngẫu nhiên
Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như có tiệm cận phân phối chuẩn
3.5. Đánh giá sơ bộ thang đo
3.5.1 Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Bảng 3.2. Hệ số Cronbach’s Anpha của các nhân tố
Biến quan sát
Trung bình thang đo nếu biến bị loại
Phƣơng sai thang đo nếu biến bị loại
Tƣơng quan biến tổng
Cronbach’s Alpha nếu biến bị loại Thành phần Chất lƣợng thông tin: Cronbach’s Alpha = 0,909
TT1 22,74 20,033 0,796 0,885 TT2 22,80 19,265 0,850 0,879 TT3 22,72 21,226 0,687 0,897 TT4 23,48 22,418 0,419 0,928 TT5 22,84 19,974 0,828 0,882 TT6 22,74 20,849 0,706 0,895 TT7 22,88 19,740 0,820 0,883 Thành phần Chất lƣợng hệ thống: Cronbach’s Alpha = 0,962 HT1 34,70 50,786 0,859 0,956 HT2 35,02 53,489 0,816 0,957 HT3 34,72 53,798 0,790 0,958 HT4 34,98 52,755 0,816 0,958 HT5 34,86 54,653 0,778 0,959 HT6 34,86 54,327 0,809 0,958 HT7 34,52 52,949 0,872 0,956 HT8 34,62 51,751 0,875 0,955 HT9 34,64 52,113 0,820 0,958 HT10 34,90 54,867 0,766 0,959 HT11 34,58 54,657 0,786 0,959
Thành phần Chất lƣợng dịch vụ trực tuyến: Cronbach’s Alpha = 0,940
DV1 17,36 14,194 0,804 0,930 DV2 17,56 14,292 0,767 0,935 DV3 17,00 13,796 0,865 0,923 DV4 17,18 13,375 0,853 0,924 DV5 17,44 14,333 0,787 0,932 DV6 17,56 13,435 0,840 0,926