4.5 THIẾT KẾ NGHIÊN CỨU ĐỊNH LƢỢNG
4.5.4 Phân tích định lƣợng
Sau khi dữ liệu đƣợc thu thập về, tác giả tiến hành lọc dự liệu (loại bỏ những dữ liệu khơng phù hợp có thể ảnh hƣởng đến kết quả phân tích). Số lƣợng mẫu phù hợp sẽ đƣợc mã hóa và nhập vào phần mềm spss 13.0. Tiếp tục tác giả sẽ tiến hành phân tích dữ liệu nhƣ sau:
4.5.4.1 Thống kê mô tả
Mô tả về các dữ liệu thu thập đƣợc gồm mô tả các biến định danh và mô tả các biến trong thang đo độ tiện lợi, chất lƣợng dịch vụ và sự thỏa mãn.
Đối với các biến định danh, xem xét số lần đƣợc chọn và phần trăm đƣợc chọn. Còn những biến quan sát trong thang đo độ tiện lợi, chất lƣợng dịch vụ và sự thỏa mãn. Tác giả xem xét nhiều giá trị nhƣ: giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình, đặc biệt là hai hệ số skewness và kurtosis. Nếu hai hệ số này nằm trong [-1,+1] thì phân phối của các biến quan sát trong thang đo gần giống với phân phối chuẩn.
4.5.4.2 Phân tích độ tin cậy
Trong phân tích này tác giả dựa vào hệ số Cronbach’s Alpha, hệ số này là một phép
kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tƣơng quan giữa các biến quan sát. Điều này liên quan đến hai khía cạnh là tƣơng quan giữa bản thân các biến và tƣơng quan của các điểm số của từng biến với điểm số toàn bộ các biến của mỗi ngƣời trả lời. Phƣơng pháp này cho phép ngƣời phân tích loại bỏ những biến khơng phù hợp và hạn chế các biến rác trong mơ hình nghiên cứu. Vì nếu khơng chúng ta khơng thể biết đƣợc chính xác độ biến thiên cũng nhƣ độ lỗi của các biến. Theo đó các biến khơng phù hợp sẽ bị loại nếu hệ số tƣơng quan tổng biến (Corrected Item - Total Correlation) <0.3 và
thang đo sẽ đƣợc chấp nhận khi hệ số Cronbach’s alpha >0.6(3). Sau khi loại bỏ những
biến khơng phù hợp, những biến cịn lại đƣợc đem vào để phân tích nhân tố.
4.5.4.3 Phân tích nhân tố
Phân tích nhân tố nhằm xác định các nhân tố từ các phát biểu của từng thuộc tính và nhóm các phát biểu này thành các nhân tố mới. Mục đích của phân tích nhân tố nhằm gom các biến có mối tƣơng quan lại với nhau thành những biến mới. Tác giả sử dụng những biến mới này để đi phân tích hồi quy, từ đó xem xét sự ảnh hƣởng của các yếu tố đó lên sự thỏa mãn. Các tiêu chuẩn mà tác giả đã áp dụng để phân tích nhân tố bao gồm:
- Hệ số KMO (Kaiser – Mayer – Olkin) ≥ 0.5, mức ý nghĩa kiểm định Bartlett ≤
0.05. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau (các biến đo lƣờng phản ánh những khía cạnh khác nhau của cùng một yếu tố chung), kiểm định Bartlett xem xét giả thuyết về độ tƣơng quan giữa các biến quan sát bằng khơng trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tƣơng quan với nhau trong tổng thể. Còn hệ số Kaiser – Mayer – Olkin là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích
nhân tố là thích hợp(4)
- Tiêu chuẩn Kaiser (Kaiser criterion): loại bỏ những nhân tố kém quan trọng. Chỉ
giữ lại những nhân tố quan trọng có eigenvalue khơng nhỏ hơn 1.0(5)
(Garson,2003), eigenvalue đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố.
- Tiêu chuẩn phƣơng sai trích (Varance explained criteria): tổng phƣơng sai trích
khơng nhỏ hơn 50%(6)
(Gerbing & Anderson, 1988).
- Hệ số tải nhân tố (factor loading) của biến quan sát nào nhỏ hơn 0.4 sẽ bị loại.
Theo Hair & ctg (1998, 111), factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance), factor loading > 0.3 đƣợc xem là đạt đƣợc mức tối thiểu, factor loading > 0.4 đƣợc xem là quan trọng, > 0.5 đƣợc xem là có ý nghĩa thực tiễn.
- Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm
bảo giá trị phân biệt giữa các nhân tố(7)
- Sử dụng phép trích Principal Axis Factoring với phép quay Promax đối với các
biến độ tiện lợi và chất lƣợng dịch vụ vì nó phản ánh cấu trúc dữ liệu chính xác
hơn phƣơng phép trích Principle Component với phép quay Varimax8
(Gerbing & Anderson, 1998). Đối với các biến trong thành phần sự thỏa mãn, tác giả sử
4
Hoàng Trọng - Mộng Ngọc, Phân tích dữ liệu nghiên cứu với SPSS tập 2 5
Hair et al (1998), Multivariate Data Analysis, Prentice-Hall International, Inc
6 Gerbing & Anderson (1988), “An Update Paradigm for Scale Development Incorporing
Unidimensionality and Its Assessments”, Journal of Marketing Research, Vol.25, 186-192 7
Các phƣơng pháp phân tích, Chương trình giảng dạy kinh tế Fulbright trích từ Jabnoun & Al-Tamimi (2003) “Measuring perceived service quality at UAE commercial banks”, International Journal of Quality and Reliability Management, (20), 4).
8
Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, Chất lượng dịch vụ siêu thị, dẫn từ Gerbing & Anderson, 1998
Chương 4: Thiết kế nghiên cứu
dụng phép trích Principle Component với phép quay Varimax, vì đây là các biến đơn hƣớng nên sử dụng phép trích và phép quay này phù hợp hơn.
Sau khi chạy nhân tố, thỏa các điều kiện KMO nằm giữa 0.5 và 1, Phƣơng sai trích lớn hơn 50%, hệ số eigenvalue khơng nhỏ hơn một. Nhƣng các biến có hệ số tải nhân tố không đạt độ phân biệt cao giữa các nhân tố (factor loading <0.4 và load trên 2, 3 nhân tố) sẽ bị loại. Sau đó, phân tích đƣợc lặp lại cho đến khi khơng cịn biến nào load trên 2, 3 nhân tố và > 0.4 thì kết quả đó sẽ đƣợc kiểm tra một lần nữa xem độ tin cậy có thỏa khơng, nếu độ tin cậy chấp nhận thì nhân tố mới đó sẽ đƣợc lƣu lại và đem vào phân tích hồi quy.
4.5.4.4 Phân tích hồi quy
Xem xét hệ số tương quan: Sau khi phân tích nhân tố sẽ có sự tạo thành các nhân tố độc lập. Từ đây ta phân tích tƣơng quan để kiểm định mức độ tƣơng quan của các nhân tố độc lập này. Nếu các nhân tố này tƣơng quan yếu sẽ là điều kiện để phân tích hồi qui. Vì kiểm định tƣơng quan giữa các biến định lƣợng (thang metric) nên ta sẽ thực hiện tƣơng quan hệ số Pearson với ý nghĩa của hệ số tƣơng quan r nhƣ sau:
- Nếu trị tuyệt đối của r > 0.8: tƣơng quan giữa 2 biến rất mạnh.
- Nếu trị tuyệt đối của r = 0.6 - 0.8: tƣơng quan giữa 2 biến mạnh.
- Nếu trị tuyệt đối của r =0.4 - 0.6: tƣơng quan giữa 2 biến trung bình.
- Nếu trị tuyệt đối của r =0.2 - 0.4: tƣơng quan giữa 2 biến yếu.
- Nếu trị tuyệt đối của r <0.2: khơng có tƣơng quan giữa 2 biến, hoặc có thì rất
yếu(9)
Phân tích hồi quy nhằm xác định các yếu tố ảnh hƣởng giữa biến độc lập lên biến phụ thuộc. Trong phân tích hồi quy tác giả xem xét các điều kiện sau:
- Các biến độc lập có tƣơng quan tuyến tính với nhau hay khơng, thơng qua quan sát hệ số Tolerance hoặc VIF. Nếu hệ số VIF <= 2 thì khơng xảy ra hiện tƣợng đa cộng tuyến.
- Kiểm định tính phân phối chuẩn của phần dƣ và các biến thông qua 2 hệ số: Skewness và Kurtosis.
- Phƣơng sai không đổi (Homoscedasticity): kiểm định phƣơng sai của sai số không đổi thông qua quan sát phần dƣ.
- Kiểm định tự tƣơng quan, yêu cầu các phân dƣ khơng có quan hệ với nhau, dùng thống kê kiểm định Durbin - Watson.
Sau khi xem xét các điều kiện trên. Dựa vào bảng kiểm định hệ số hồi quy nếu hệ số sig. <0.05 thì hệ số beta tƣơng ứng sẽ đƣợc chọn để xem xét sự ảnh hƣởng của các biến độc lập lên biến phụ thuộc.
4.5.4.5 So sánh hai mơ hình
Để so sánh hai mơ hình ta sử dụng giá trị R2hiệu chỉnh để đánh giá mức độ phù hợp
của mơ hình hồi quy tuyến tính đa biến. Mơ hình nào có R2 hiệu chỉnh càng lớn thì
mức độ phù hợp của mơ hình càng cao. Sau khi chọn đƣợc mơ hình có R2hiệu chỉnh
9
cao. Tác giả tiếp tục đi phân tích các yếu tố ảnh hƣởng trong hai mơ hình, thỏa mãn điều kiện (hệ số sig. > 0.05) bằng cách: xem xét giá trị trung bình của các thành phần độc lập so với giá trị trung bình của thành phần thỏa mãn. Nếu các thành phần ảnh hƣởng mạnh lên sự thỏa mãn mà có giá trị trung bình nhỏ hơn giá trị trung bình của thành phần thỏa mãn. Tác giả sẽ xem xét những thành phần này và đƣa ra những kiến nghị phù hợp.
Tóm tắt chƣơng 4
Trong phần này tác giả sử dụng phƣơng pháp nghiên cứu định tính để xác định thơng tin. Kết quả của nghiên cứu định tính, tác giả đã đƣa ra bản câu hỏi với 49 biến. Tác giả còn sử dụng phƣơng pháp nghiên cứu định lƣợng để xác định cỡ mẫu là 245 và để đảm bảo tỉ lệ hồi đáp tác giả đã phát ra 378 bảng câu hỏi. Cuối chƣơng tác giả đƣa ra những trƣờng hợp sẽ phân tích trong chƣơng 5.
Chương 5: Kết quả nghiên cứu
CHƢƠNG 5
KẾT QUẢ NGHIÊN CỨU
Chƣơng 4 đã trình bày phần thiết kế nghiên cứu. Với việc đƣa ra quy trình nghiên cứu gồm hai phần chính là nghiên cứu định tính và nghiên cứu định lƣợng. Kết quả của nghiên cứu định tính là bản câu hỏi, bản này dùng cho nghiên cứu định lƣợng thông qua việc thu thập thông tin và đánh giá của khách hàng. Sau khi thu thập xong, dữ liệu đƣợc xử lý bằng phần mềm SPSS 13.0. Trong chƣơng này, tác giả sẽ trình bày phần kết quả nghiên cứu bao gồm: thống kê mơ tả, phân tích độ tin cậy, phân tích nhân tố khám phá, phân tích hồi quy và so sánh hai mơ hình.