Đối tượng khách hàng Tần suất Tỉ lệ % Tỉ lệ % hợp lệ Tỉ lệ phần trăm tích lũy Vùng biển 71 25.1 25.1 25.1 Đồng bằng 70 24.7 24.7 49.8 Vùng núi 71 25.1 25.1 74.9 Học sinh sinh viên 71 25.1 25.1 100.0
Tổng cộng 283 100.0 100.0
Nguồn: phân tích dữ liệu với SPSS 20
+ Theo bảng 4.1: Số lượng mẫu được xem là bằng nhau cho mỗi tầng khách hàng, riêng khách hàng vùng núi ít hơn 1 mẫu do q trình gạn lọc mẫu đủ điều kiện đưa vào thống kê kinh tế.
Bảng 4.2 Mơ tả mẫu theo mục đích sử dụng
Lựa chọn theo mục đích sử dụng của khách hàng Tần suất Tỉ lệ % Tỉ lệ % hợp lệ Tỉ lệ phần trăm tích lũy Cước rẻ - Trung thực 81 28.6 28.6 28.6 Chất lượng dịch vụ tốt 158 55.8 55.8 84.4 Ưu đãi khác 44 15.6 15.6 100.0 Tổng cộng 283 100.0 100.0
Nguồn: phân tích dữ liệu với SPSS 20
+ Theo bảng 4.2: Mục đích sử dụng mà khách hàng cho là ưu điểm nhất của VinaPhone chính là chất lượng dịch vụ chiếm gần 60%, tiếp theo là cước rẻ - trung thực chiếm gần 29%, còn lại khoảng 15% khách hàng chọn các ưu đãi khác (có thể là các khách hàng sử dụng dịch vụ 3G hoặc các giá trị gia tăng khác). Tỷ lệ phân chia này cũng hoàn toàn hợp lý trong thực tế, khi mà khách hàng ngày càng yêu cầu về chất lượng dịch vụ hơn để đảm bảo việc sử dụng dịch vụ được thơng suốt. Giá cước cũng góp phần rất quan trọng để phản ánh chất lượng dịch vụ có tương xứng hay không, do vậy một bộ phận khách hàng khá lớn chọn giá cước để sử dụng dịch vụ. Đối với lực lượng khách hàng là giới trẻ và khách hàng dùng SmartPhone sẽ quan tâm đến các ưu đãi khác trên nền công nghệ 3G chiếm
tỷ lệ thấp cũng hồn tồn hợp lý, bỡi vì các dịch vụ này chưa được đông đảo khách hàng tiếp cận do chi phí mua thiết bị đầu cuối.
Bảng 4.3 Mô tả mẫu theo kết quả thu thập khảo sát
Biến quan sát Số mẫu Lựa chọn nhỏ nhất Lựa chọn lớn nhất Trung bình các lựa chọn Độ lệch chuẩn so trung bình HUU_HINH 1 283 1 5 3.47 .782 HUU_HINH 2 283 2 5 3.49 .764 HUU_HINH 3 283 2 5 3.81 .806 HUU_HINH 4 283 1 5 3.44 .771 HUU_HINH 5 283 2 5 3.58 .676 TIN_CAY 1 283 1 5 3.46 .990 TIN_CAY 2 283 1 5 3.40 1.091 TIN_CAY 3 283 1 5 3.47 1.029 TIN_CAY 4 283 1 5 3.57 1.220 TIN_CAY 5 283 1 5 3.18 1.084 DAP_UNG 1 283 1 5 3.03 1.028 DAP_UNG 2 283 1 5 3.01 .889 DAP_UNG 3 283 1 5 3.00 .940 NANG_LUC 1 283 1 5 3.13 1.170 NANG_LUC 2 283 1 5 3.21 1.271 NANG_LUC 3 283 1 5 3.08 1.298 NANG_LUC 4 283 1 5 3.16 1.333 DONG_CAM 1 283 1 5 3.50 1.043
DONG_CAM 2 283 1 5 3.89 1.061 DONG_CAM 3 283 1 5 3.37 1.148 DONG_CAM 4 283 1 5 3.29 1.177 GIA_CA 1 283 2 4 3.05 .700 GIA_CA 2 283 2 4 3.00 .763 GIA_CA 3 283 2 4 2.99 .756 HAI_LONG 1 283 2 5 3.49 .609 HAI_LONG 2 283 2 5 3.43 .623 HAI_LONG 3 283 2 5 3.45 .613 HAI_LONG 4 283 2 5 3.32 .545 Số mẫu hợp lệ 283
Nguồn: phân tích dữ liệu với SPSS 20
+ Theo bảng 4.3: khách hàng đã đánh giá cho từng biến quan sát đối với từng thành phần chất lượng là hợp lý, các biến quan sát đều có các lựa chọn tương ứng với các mức độ của thang đo Likert. Giá trị lựa chọn 1, 2 là thấp nhất, cao nhất là 5. Nếu giá trị thấp nhất là 3 của một biến nào đó thì có thể câu hỏi tương ứng quá bình thường hoặc chung chung làm cho 283 khách hàng đều trả lời chung một mức trung bình. Bên cạnh đó, giá trị trung bình của mỗi biến quan sát phần lớn đều lớn hơn 3, cho thấy số đông khách hàng đánh giá lựa chọn trong bảng hỏi đối với chất lượng dịch vụ, giá cả, mức độ hài lịng là thuận chiều, vì vậy kết quả thống kê mơ tả từ bảng số liệu trên có thể kết luận bước đầu rằng bảng hỏi điều tra và kết quả thu thập được là có giá trị tin cậy cao để đưa vào phân tích các bước tiếp theo.
4.3 Kiểm định thang đo và mơ hình đo lường
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Các biến quan sát có hệ số tương quan biến tổng(item - total correlation) nhỏ hơn 0,3 sẽ bị loại bỏ và hệ số Alpha của thang đo từ 0,6 trở lên sẽ được chọn (Nunnally & Burnstein, 1994). Các nhà nghiên cứu ứng dụng cho rằng Alpha từ 0,8 đến gần 1 là tốt, từ 0,7 đến 0,8 là dùng được (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2004; Hoàng Thị Phương Thảo & Hồng Trọng, 2006). Các nhà nghiên cứu khác thì cho rằng Alpha từ 0,6 trở lên là dùng được trong trường hợp khái niệm nghiên cứu là mới hoặc đối với người trả lời trong bối cảnh nghiên cứu. Theo một số hướng dẫn kinh nghiệm khác thì Alpha từ 0,6 đến 0,9 là dùng được cho tất cả các nghiên cứu, vì vậy trong nghiện cứu này tác giả sẽ lấy Alpha trong dải từ 0,6 đến 0,9 và tương quan biến - tổng < 0,3 sẽ bị loại biến quan sát tương ứng.
Để thực hiện phân tích Alpha, tiến hành thực hiện cho từng nhân tố độc lập và từng nhân tố phụ thuộc, kết quả như sau:
- Kết quả phân tích Alpha cho từng nhân tố độc lập + Nhân tố hữu hình:
Bảng 4.4 Kết quả Alpha thành phần hữu hình
Biến quan sát Tỉ lệ trung bình nếu xóa biến
Tỉ lệ khác biệt nếu xóa biến
Hệ số tương quan biến - tổng
Hệ số Alpha nếu xóa biến HUU_HINH 1 10.52 2.797 .609 .623 HUU_HINH 2 10.49 2.896 .584 .639 HUU_HINH 4 10.54 3.065 .496 .691 HUU_HINH 5 10.40 3.490 .417 .730
Nguồn: phân tích dữ liệu với SPSS 20
Sử dụng cơng cụ SPSS 20 tiến hành phân tích cho 05 biến quan sát đối với nhân tố hữu hình. Kết quả lần đầu cho Alpha tổng = 0.691 là đạt yêu cầu, tuy nhiên hệ số tương quan biến - tổng của biến quan sát HUU_HINH 3 có Alpha = 0.231 < 0.3 theo lý thuyết là không đạt, do vậy cần loại biến quan sát này và chạy lại lần 2. Kết quả lần thứ 2 cho hệ số Alpha tổng = 0.734 (chính bằng hệ số Alpha của biến bị xóa) là đạt yêu cầu và hệ số tương quan biến - tổng của 4 biến quan sát còn lại đều lớn hơn 0.3 nên chấp nhận kết quả này đối với nhân tố hữu hình. Kết quả như bảng 4.4
+ Nhân tố tin cậy:
Bảng 4.5 Kết quả Alpha thành phần tin cậy
Biến quan sát
Tỉ lệ trung bình nếu xóa biến
Tỉ lệ khác biệt nếu xóa biến
Hệ số tương quan biến - tổng
Hệ số Alpha nếu xóa biến TIN_CAY 1 10.43 8.055 .572 .804 TIN_CAY 2 10.49 7.166 .666 .762 TIN_CAY 3 10.42 7.486 .658 .767
TIN_CAY 4 10.32 6.503 .684 .755
Nguồn: phân tích dữ liệu với SPSS 20
Sử dụng cơng cụ SPSS 20 tiến hành phân tích cho 05 biến quan sát đối với nhân tố tin cậy. Kết quả lần đầu cho Alpha tổng = 0.737 là đạt yêu cầu, tuy nhiên hệ số tương quan biến - tổng của biến quan sát TIN_CAY 5 có Alpha = 0.121 < 0.3 theo lý thuyết là không đạt, do vậy cần loại biến quan sát này và chạy lại lần 2. Kết quả lần thứ 2 cho hệ số Alpha tổng = 0.820 (chính bằng hệ số Alpha của biến bị xóa) là đạt yêu cầu và hệ số tương quan biến - tổng của 4 biến quan sát còn lại đều lớn hơn 0.3 nên chấp nhận kết quả này đối với nhân tố tin cậy. Kết quả như bảng 4.5
+ Nhân tố đáp ứng:
Bảng 4.6 Kết quả Alpha thành phần đáp ứng
Biến quan sát Tỉ lệ trung bình nếu xóa biến
Tỉ lệ khác biệt nếu xóa biến
Hệ số tương quan biến - tổng
Hệ số Alpha nếu xóa biến
DAP_UNG 1 6.01 2.496 .804 .659
DAP_UNG 2 6.02 3.308 .638 .828
DAP_UNG 3 6.04 3.087 .664 .804
Nguồn: phân tích dữ liệu với SPSS 20
Sử dụng cơng cụ SPSS 20 tiến hành phân tích cho 03 biến quan sát đối với nhân tố tin cậy. Kết quả cho Alpha tổng = 0.836 là đạt yêu cầu, hệ số tương quan biến - tổng của 3 biến quan sát còn lại đều lớn hơn 0.3 nên chấp nhận kết quả này đối với nhân tố đáp ứng. Kết quả như bảng 4.6
+ Nhân tố năng lực:
Bảng 4.7 Kết quả Alpha thành phần năng lực
Biến quan sát Tỉ lệ trung bình nếu xóa biến
Tỉ lệ khác biệt nếu xóa biến
Hệ số tương quan biến - tổng
Hệ số Alpha nếu xóa biến NANG_LUC 1 9.45 11.213 .647 .821 NANG_LUC 2 9.37 10.531 .668 .812 NANG_LUC 3 9.50 9.932 .738 .781 NANG_LUC 4 9.42 10.082 .685 .805
Nguồn: phân tích dữ liệu với SPSS 20
Sử dụng cơng cụ SPSS 20 tiến hành phân tích cho 04 biến quan sát đối với nhân tố tin cậy. Kết quả cho Alpha tổng = 0.847 là đạt yêu cầu, hệ số tương quan biến - tổng của 4 biến quan sát còn lại đều lớn hơn 0.3 nên chấp nhận kết quả này đối với nhân tố năng lực. Kết quả như bảng 4.7
+ Nhân tố đồng cảm:
Bảng 4.8 Kết quả Alpha thành phần đồng cảm
Biến quan sát Tỉ lệ trung bình nếu xóa biến
Tỉ lệ khác biệt nếu xóa
biến Hệ số tương quan biến - tổng Hệ số Alpha nếu xóa biến DONG_CAM 1 6.66 3.927 .593 .623 DONG_CAM 3 6.79 3.627 .577 .636 DONG_CAM 4 6.87 3.705 .525 .701
Sử dụng cơng cụ SPSS 20 tiến hành phân tích cho 04 biến quan sát đối với nhân tố hữu hình. Kết quả lần đầu cho Alpha tổng = 0.677 là đạt yêu cầu, tuy nhiên hệ số tương quan biến - tổng của biến quan sát DONG_CAM 2 có Alpha = 0.240 < 0.3 theo lý thuyết là không đạt, do vậy cần loại biến quan sát này và chạy lại lần 2.
Kết quả lần thứ 2 cho hệ số Alpha tổng = 0.738 (chính bằng hệ số Alpha của biến bị xóa) là đạt yêu cầu và hệ số tương quan biến - tổng của 3 biến quan sát còn lại đều lớn hơn 0.3 nên chấp nhận kết quả này đối với nhân tố đồng cảm. Kết quả như bảng 4.8
+ Nhân tố giá cả:
Bảng 4.9 Kết quả Alpha thành phần giá cả
Biến quan sát Tỉ lệ trung bình nếu xóa biến
Tỉ lệ khác biệt nếu xóa biến
Hệ số tương quan biến - tổng
Hệ số Alpha nếu xóa biến
GIA_CA 1 5.99 1.571 .659 .533
GIA_CA 2 6.04 1.615 .527 .686
GIA_CA 3 6.05 1.674 .497 .720
Nguồn: phân tích dữ liệu với SPSS 20
Sử dụng cơng cụ SPSS 20 tiến hành phân tích cho 03 biến quan sát đối với nhân tố tin cậy. Kết quả cho Alpha tổng = 0.734 là đạt yêu cầu, hệ số tương quan biến - tổng của 3 biến quan sát còn lại đều lớn hơn 0.3 nên chấp nhận kết quả này đối với nhân tố giá cả. Kết quả như bảng 4.9
- Kết quả phân tích Alpha cho từng nhân tố phụ thuộc + Nhân tố hài lòng:
Bảng 4.10 Kết quả Alpha thành phần hài lịng
Biến quan sát Tỉ lệ trung bình nếu xóa biến
Tỉ lệ khác biệt nếu xóa biến
Hệ số tương quan biến - tổng
Hệ số Alpha nếu xóa biến HAI_LONG 1 10.20 2.114 .537 .747 HAI_LONG 2 10.27 1.898 .671 .675 HAI_LONG 3 10.25 1.976 .630 .698 HAI_LONG 4 10.38 2.321 .494 .766
Nguồn: phân tích dữ liệu với SPSS 20
Sử dụng cơng cụ SPSS 20 tiến hành phân tích cho 04 biến quan sát đối với nhân tố tin cậy. Kết quả cho Alpha tổng = 0.778 là đạt yêu cầu, hệ số tương quan biến - tổng của 4 biến quan sát còn lại đều lớn hơn 0.3 nên chấp nhận kết quả này đối với nhân tố hài lòng. Kết quả như bảng 4.10
Bảng 4.11 Tổng hợp kết quả phân tích Alpha
STT Thang đo Số biến quan sát Hệ Alpha số Hệ số biến - NHẤT tương tổng quan NHỎ 1 Thành phần hữu hình 4 0.734 0.417 2 Thành phần tin cậy 4 0.820 0.572 3 Thành phần đáp ứng 3 0.836 0.638 4 Thành phần năng lực 4 0.847 0.647 5 Thành phần đồng cảm 3 0.738 0.525 6 Thành phần giá cả 3 0.734 0.497
7 Thành phần hài lòng 4 0.778 0.494
Nguồn: phân tích dữ liệu với SPSS 20
- Theo bảng 4.11: Tại bước phân tích Alpha có 03 biến quan sát bị loại trong tổng số 28 biến quan sát. Còn lại 25 biến quan sát đủ điều kiện (hệ số Alpha trong ngưỡng từ 0.6 đến 0.9 và các hệ số tương quan biến tổng nhỏ nhất đều lớn hơn 0.3 theo bảng 4.5) sẽ được đưa vào phân tích nhân tố khám phá EFA.
Chi tiết kết quả phân tích Alpha theo số liệu tại phụ lục 3
4.3.2Phân tích nhân tố khám phá EFA
Tại bước kiểm định bằng hệ số Alpha, các nhân tố được kiểm định riêng biệt do vậy có thể các biến quan sát của nhân tố này có mối quan hệ với biến quan sát của nhân tố khác mà chúng ta không biết do vậy cần phải phân tích khám phá EFA để loại bỏ các biến này nhằm đảm bảo các thang đo đạt được các giá trị hội tụ và phân biệt.
Phân tích nhân tố khám phá EFA được dùng đến trong trường hợp mối quan hệ giữa các biến quan sát và biến tiềm ẩn là không rõ ràng hay khơng chắc chắn. Phân tích EFA theo đó được tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở như thế nào, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở. Số lượng các nhân tố cơ sở tùy thuộc vào mơ hình nghiên cứu, trong đó chúng ràng buộc nhau bằng cách xoay các vector trực giao nhau để không xảy ra hiện tượng tương quan. Phân tích nhân tố khám phá EFA rất hữu dụng trong bước thực nghiệm ban đầu hay mở rộng kiểm định. Một số tiêu chuẩn mà các nhà nghiên cứu quan tâm khi phân tích nhân tố khám phá EFA như sau:
- Theo Gerbing và Anderson (1998):
+ Hệ số KMO (Kaiser - Mayer - Olkin) KMO phải lớn hơn hoặc bằng 0.5 và mức ý nghĩa kiểm định Bartlett phải nhỏ hơn hoặc bằng 0.05
+ Hệ số tải nhân tố (Factor Loading) phải lớn hơn 0.4, nếu biến quan sát nào có hệ số tải nhân tố nhỏ hơn 0.4 sẽ bị loại.
+ Thang đo được chấp nhận khi tổng phương sai trích từ 50% trở lên + Hệ số Eigenvalue phải lớn hơn 1
-Theo Jabnoun và Al - Tamimi (2003):
+ Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố lớn hơn hoặc bằng 0.3 để tạo giá trị phân biệt giữa các nhân tố.
-Theo Hoàng Trọng và Mộng Ngọc (2005):
+ Hệ số KMO (Kaiser - Mayer - Olkin) là một chỉ tiêu để xem xét sự thích hợp của EFA khi phân tích nhân tố khám phá, KMO phải lớn hơn hoặc bằng 0.5 và nhỏ hơn 1. Kiểm định Bartlett nhằm xem xét giả thuyết về mức độ tương quan giữa các biến quan sát trong tổng thể, kiểm định này có ý nghĩa thống kê khi Sig phải nhỏ hơn hoặc bằng 0.05 thì các biến quan sát có liên quan với nhau trong tổng thể.
-Theo Hair & ctg (1988):
+ Hệ số tải nhân tố (Factor Loading) là hệ số tương quan giữa các yếu tố thành phần và các nhân tố. Hệ số tải nhân tố lớn hơn 0.3 là mức tối thiểu, lớn