CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Nghiên cứu định lượng
Nghiên cứu định lượng được thực hiện nhằm mục đích xác định các nhân tố ảnh hưởng sự hài lòng khách hàng của PSD bằng số liệu thu thập được và đưa ra kết luận dựa trên việc phân tích số liệu của mẫu thống kê.
3.3.1. Phạm vi, phương pháp chọn mẫu và kích thước mẫu
Việc thiết kế mẫu thường bắt đầu từ mô tả đặc trưng của tổng thể. Tổng thể của khảo sát này toàn bộ là những người có vai trò quan trọng trong việc mua hàng của PSD, có thể là quyền ra quyết định mua, phụ trách bộ phận mua hàng, phụ trách phòng kinh doanh….
Để đạt được mục tiêu nghiên cứu như đã trình bày, thiết kế chọn mẫu phi xác xuất mà cụ thể là phương pháp chọn mẫu thuận tiện được chọn nhằm giúp tiết kiệm thời gian và chi phí thực hiện. Điều quan trọng khi chọn phương pháp này là vì người trả lời dễ tiếp cận, họ sẵn sàng hợp tác trả lời câu hỏi.
Với cách chọn mẫu phi xác xuất, tuy có lợi về mặt thời gian và tiết kiệm chi phí (Cooper & Schindler, 1998) hơn so với cách chọn mẫu xác suất. Nhưng cách chọn mẫu này không phải lúc nào cũng chính xác vì sự chủ quan thiên vị trong quá trình chọn mẫu và sẽ làm méo mó biến dạng kết quả nghiên cứu.
Theo Kumar (2005), kích thước mẫu sẽ phụ thuộc vào việc ta muốn gì từ những dữ liệu thu thập được và mối quan hệ ta muốn thiết lập là gì. Nếu vấn đề nghiên cứu
Ký hiệu Câu hỏi các biến quan sát
HAILONG Sự hài lòng khách hàng
HAILONG1 Anh/Chị đánh giá chất lượng dịch vụ phân phối của PSD nhìn chung là tốt
HAILONG2 Anh/Chị tin tưởng vào chất lượng dịch vụ phân phối của PSD HAILONG3 Nhìn chung Anh/Chị hoàn toàn hài lòng với chất lượng dịch vụ
phân phối của PSD
càng đa dạng phức tạp thì mẫu nghiên cứu càng lớn, một nguyên tắc là mẫu càng lớn thì độ chính xác của các kết quả nghiên cứu càng cao. Có nhiều quan điểm khác nhau về kích thước mẫu, chẳng hạn Hair (1998) cho rằng kích thước mẫu tối thiểu là 100- 150, còn Guilford (1954) đề nghị con số đó là 200. Trong khi Comrey và Lee (1992) thì đưa ra các con số khác nhau với các nhận định tương ứng: 100 = tệ, 200 = khá, 300 = tốt, 500 = rất tốt, 1000 hoặc hơn = tuyệt vời (MacCallum và đồng tác giả dẫn trích 1999).
Một số quan điểm khác lại đưa ra kích thước mẫu phụ thuộc vào tỉ lệ giữa số mẫu cần thiết và số tham số cần ước lượng. Với phân tích nhân tố, kích thước mẫu phụ thuộc vào số lượng biến được đưa vào phân tích nhân tố. Với Gorsuch (1983), cho rằng số lượng mẫu cần gấp 5 lần so với số lượng biến. Trong khi Hoàng Trọng &
Chu Nguyễn Mộng Ngọc (2008) cho rằng tỷ lệ là 4 hay 5. Trong đề tài này có tất cả 40 biến quan sát cần tiến hành phân tích nhân tố, vì vậy số mẫu tối thiểu cần là 40 x 5
= 200.
3.3.2. Thiết kế bảng câu hỏi và thang đo
Trong nghiên cứu này, bảng câu hỏi được sử dụng với thang đo khoảng cách để thu thập thông tin cần nghiên cứu. Từ kết quả thảo luận nhóm, phỏng vấn chuyên gia và khảo sát sơ bộ, bảng câu hỏi định lượng bao gồm 40 câu hỏi được thiết kế với thang đo Likert 7 điểm (Chi tiết tại phụ lục 3).
3.3.3. Thu thập dữ liệu
Bảng câu hỏi sẽ được gửi trực tiếp cho khách hàng thông qua bộ phận phòng kinh doanh và bộ phận kho trên toàn quốc của PSD. Tác giả lựa chọn phương pháp gửi bảng câu hỏi trực tiếp vì sau khi thảo luận nhóm, nhóm thảo luận cũng góp ý với tác giả nên chọn phương pháp này vì nếu gửi bảng câu hỏi qua email sẽ rất khó được các khách hàng trả lời hoặc chỉ trả lời cho xong và rất mất thời gian mới thu thập đủ số lượng yêu cầu. Nếu thông qua các nhân viên kinh doanh và nhân viên giao hàng của kho thì kết quả thu được sẽ nhanh hơn và hiệu quả tốt hơn do họ đã có sẵn mối quan hệ với khách hàng. Bảng câu hỏi sau khi được thu thập sẽ được chọn lọc và làm sạch nhằm loại bỏ những bảng câu hỏi trả lời thiếu thông tin không phù hợp với yêu
cầu phân tích. Sau đó bảng câu hỏi sẽ được mã hóa và nhập vào hệ thống máy tính và được xử lý bằng phần mềm SPSS 20 và sẵn sàng cho việc phân tích.
3.3.4. Phương pháp phân tích dữ liệu
3.3.4.1. Kiểm định độ tin cậy của thang đo và phân tích nhân tố
Hai công cụ được sử dụng để kiểm định độ tin cậy của các thang đo của từng nhân tố là hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA.
Cronbach’s Alpha sẽ kiểm tra độ tin cậy của các thang đo dựa trên mối tương quan tổng thể của các Items trong cùng một thành phần. Những biến đo lường không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo và sẽ không xuất hiện lại trong phần phân tích nhân tố EFA. Các biến đo lường có hệ số tương quan biến tổng (Corrected Item - Total Correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach’s Alpha từ 0.6 trở lên (Nunnally & Burnstein, 1994). Dữ liệu sau khi được làm sạch sẽ tiếp tục tiến hành kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha.
Các biến thỏa điều kiện sau khi kiểm định độ tin cậy sẽ được tiến hành phân tích nhân tố khám phá EFA (Exploratory Factor Analysis). Để phân tích EFA thì các biến phải có cùng một tình trạng (cùng thang đo), số lượng mẫu quan sát phải lớn hơn 5 lần số biến. Trong nghiên cứu này, các biến quan sát đều dùng thang đo Likert 7 mức độ và số lương mẫu quan sát lớn hơn 5 lần số lượng biến quan sát. Phân tích nhân tố sẽ cho phép rút gọn nhiều biến số (Items) ít nhiều có mối tương quan lẫn nhau thành những đại lượng được thể hiện dưới dạng mối tương quan theo đường thẳng được gọi là những nhân tố (Factors).
3.3.4.2. Hồi quy tuyến tính
Sau khi thang đo của các yếu tố khảo sát đã được kiểm định thì sẽ được xử lí chạy hồi quy bội với mô hình cơ bản ban đầu là:
Y = α0 + α1*F1 + α2*F2+ α3*F3+ α4*F4+ α5*F5 + α6*F6 + α7*F7 + α8*F8 + α9*F9 + α10*F10 + u Trong đó:
Y: Sự hài lòng khách hàng
F1 – F9: Các yếu tố ảnh hưởng đến chất lượng dịch vụ, F10 là giá cả cảm nhận.
α0 – α10: Hằng số - các hệ số hồi quy
u: Sai số
Sau khi kiểm định mô hình hồi quy sẽ giúp xác định được các nhân tố nào tác động mạnh đến sự hài lòng khách hàng. Yếu tố nào có hệ số α lớn thì mức độ ảnh hưởng đến sự hài lòng khách hàng càng cao.
3.3.4.3. Xét lỗi của mô hình Hiện tượng đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình có mối tương quan chặt chẽ với nhau. Nếu hiện tượng đa cộng tuyến xuất hiện thì mô hình sẽ có nhiều thông tin giống nhau và rất khó tách bạch ảnh hưởng của từng biến một. Công cụ dùng để phát hiện sự tồn tại của hiện tượng đa cộng tuyến được sử dụng trong nghiên cứu này là hệ số phóng đại phương sai (Variance inflation factor - VIF). Nếu VIF lớn hơn hay bằng 10 hiện tượng đa cộng tuyến xảy ra, cần phải bỏ mô hình đã chọn (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Hiện tượng tự tương quan
Kiểm định hiện tượng tự tương quan nhằm phát hiện các giá trị trong một biến có mối quan hệ với nhau không. Đây là một dạng vi phạm các giả thuyết cơ bản số hạng nhiễu, hệ quả khi bỏ qua sự tự tương quan là các dự báo và ước lượng vẫn không thiên lệch và nhất quán nhưng không hiệu quả. Trong trường hợp này, kiểm định DurbinWatson là kiểm định phổ biến nhất cho tương quan chuỗi bậc nhất. Nếu kết quả Durbin-Watson nằm trong khoảng 1 đến 3 thì kết quả kiểm định cho thấy các giả thuyết không bị vi phạm, như vậy các ước lượng về hệ số hồi quy là nhất quán và hiệu quả và các kết luận rút ra từ phân tích hồi quy là đáng tin cậy.