4.5.1. Phân tích định lượng
Sau khi dữ liệu được thu thập về, tác giả tiến hành lọc dữ liệu (loại bỏ những dữ liệu không phù hợp có thể ảnh hưởng đến kết quả phân tích). Số lượng mẫu phù hợp sẽ được mã hóa và nhập vào phần mềm SPSS 13.0. Tiếp tục tác giả sẽ tiến hành phân tích dữ liệu như sau:
4.5.2. Thống kê mô tả
Mô tả về các dữ liệu thu thập được gồm mô tả các biến định danh và mô tả các biến trong thang đo chất lượng dịch vụ.
Đối với các biến định danh, xem xét số lần được chọn và phần trăm được chọn.Còn những biến quan sát trong thang đo chất lượng dịch vụ. Tác giả xem xét nhiều giá trị như: 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.
4.5.3. 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 tương quan giữa các biến quan sát. Điều này liên quan đến hai khía cạnh là tương quan giữa bản thân các biến và tương quan của các điểm số của từng biến với điểm số toàn bộ các biến của mỗi người trả lời. Phương pháp này cho phép người phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu.
Vì nếu không, chúng ta không thể biết được chính xác độ biến thiên cũng như độ lỗi của các biến, theo đó các biến không phù hợp sẽ bị loại nếu hệ số tương quan tổng biến (Corrected Item – Total Correlation) <0.3 và thang đo sẽ được chấp nhận khi hệ số
Cronbach’s Alpha >0.6. Sau khi loại bỏ những biến không phù hợp, những biến còn lại được đem vào để phân tích nhân tố.
4.5.4. Phân tích nhân tố
Định nghĩa: Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu.
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 tương 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 hưởng của các yếu tố đó lên sự hài lòng và lòng thành khách hàng. 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 tương quan với nhau (các biến đo lường phản ảnh những khía cạnh khác nhau của cùng một yếu tố chung), kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤
0.05) thì các biến quan sát có tương 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 thích hợp.
- Tiêu chuẩn Kaiser (Kaiser criterion): loại bỏ những nhân tố kém quan trọng. Chỉ giữ lại những nhân tố quan trọng có eigenvalue không nhỏ hơn 1.0 (Garson, 2003), Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.
- Tiêu chuẩn phương sai trích (Varance explained criteria): tổng phương sai trích không nhỏ hơn 50% (Gerbing & Anderson, 1988).
4.5.7. 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 tương quan để kiểm định mức độ tương quan của các nhân tố độc lập này. Nếu các nhân tố này tương quan yếu sẽ là điều kiện để phân tích hồi quy. Vì
kiểm định tương quan giữa các định lượng ( thang metric) nên ta sẽ thực hiện tương quan hệ số Pearson với ý nghĩa của hệ số tương quan r như sau:
- Nếu giá trị tuyệt đối của r >0.8: tương quan giữa 2 biến rất mạnh. - Nếu giá trị tuyệt đối của r = 0.6 – 0.8: tương quan giữa 2 biến mạnh. - Nếu giá trị tuyệt đối của r = 0.4 – 0.6: tương quan giữa 2 biến trung bình. - Nếu giá trị tuyệt đối của r = 0.2 – 0.4: tương quan giữa 2 biến yếu.
- Nếu giá trị tuyệt đối của r < 0.2: không có tương quan giữa 2 biến, hoặc có thì rất ít
Phân tích hồi quy nhằm xác định các yếu tố ảnh hưởng 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 tương quan tuyến tính với nhau hay không, thông qua quan sát hệ số Tolerance hoặc VIF, nếu hệ số VIF ≤ 2 thì không xảy ra hiện tượng đa cộng tuyến.
- Kiểm định tính phân phối chuẩn của phần dư và các biến thông qua 2 hệ số: Skewness và Kurtosis.
- Phương sai không đổi (Homoscedasticity): kiểm định phương sai của sai số không đổi thông qua quan sát phần dư.
- Kiểm định tự tương quan, yêu cầu các phần dư không 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 tương ứng sẽ được chọn để xem xét sự ảnh hưởng của các biến độc lập lên biến phụ thuộc.
CHƯƠNG V: KẾT QUẢ NGHIÊN CỨU
Với việc đưa ra quy trình nghiên cứu gồm hai phần chính là nghiên cứu định tính và nghiên cứu định lượng. Kết quả của nghiên cứu định tính là bảng câu hỏi, bảng này dùng cho nghiên cứu định lượng thông qua việc thu thập thông tin và đánh giá của khách hàng. Sau khi thu thập thông tin xong, dữ liệu được xử lý bằng phần mềm SPSS 13.0. Trong chương này, tác giả sẽ trình bày phần kết quả nghiên cứu bao gồm: thống kê mô tả, phân tích độ tin cậy, phân tích nhân tố khám phám, phân tích hồi quy.
