3.3.1 Thiết kế mẫu nghiên cứu
Trong nghiên cứu này tác giả sử dụng kỹ thuật phân tích nhân tố khám phá (EFA), vì thế tác giả xác định kích thước mẫu nghiên cứu được chọn theo quy tắc
thực nghiệm của Hair và ctg (1998), đó là tối thiểu là 5 quan sát/biến đo lường. Mơ hình lý thuyết gồm 7 khái niệm nghiên cứu (06 biến độc lập và 01 biến phụ thuộc)
được đo lường bằng 29 biến đo lường, vì thế theo quy tắc thực nghiệm của Hair và
cộng sự (1998), kích thước mẫu tối thiểu là 145 (29 x 5). Ngoài ra, để bù đắp một tỉ lệ thông tin bị loại bỏ (các bảng câu hỏi có nhiều ơ thiếu thơng tin, hoặc nhiều hơn một ô trả lời, hoặc có cơ sở để xác định không đáng tin cậy), tác giả quyết định
phỏng vấn 280 người đang sử dụng mạng điện thoại di động tại thành phố Hồ Chí Minh.
3.3.2 Thu thập dữ liệu
Mẫu nghiên cứu được chọn theo phương pháp lấy mẫu thuận tiện bằng bảng câu hỏi thông qua việc phỏng vấn trực tiếp kết hợp với gửi qua thư điện tử đường dẫn liên kết để khảo sát. Danh sách phỏng vấn có được từ danh sách khách hàng của chính bản thân, bạn bè, đồng nghiệp cung cấp.
Phạm vi khảo sát: Phạm vi khảo sát của đề tài tập trung chủ yếu vào các
khách hàng hiện tại đang sinh sống và làm việc tại địa bàn thành phố Hồ Chí Minh có sử dụng dịch vụ mạng điện thoại di động của các nhà mạng bao gồm: Mobifone, Vinaphone, Viettel, Vietnamobile. Bên cạnh đó, do nguồn nhân lực, quỹ thời gian
và điều kiện tài chính nên tác giả sẽ chỉ thu thập tại một số địa điểm thuộc thành
phồ Hồ Chí Minh, và sẽ tiến hành bằng phương pháp chọn mẫu ngẫu nhiên thuận tiện.
Kết quả phỏng vấn, sau khi làm sạch (loại bỏ các bảng câu hỏi có nhiều ơ thiếu thông tin, hoặc nhiều hơn một ô trả lời, hoặc có cơ sở để xác định khơng đáng tin cậy) được nhập vào ma trận dữ liệu trên phần mềm SPSS 20.0
3.3.3 Phương pháp phân tích dữ liệu
Q trình phân tích dữ liệu nghiên cứu được thực hiện qua các giai đoạn:
Đánh giá độ tin cậy và giá trị thang đo
Việc đánh giá độ tin cậy và giá trị của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá (EFA) thơng qua phần mềm xử lý SPSS 20.0 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn độ tin cậy (biến rác). Trong đó:
- Tiêu chuẩn Cronbach’s Alpha được nhiều nhà nghiên cứu (Nunally,1978; Peterson, 1994; Slater,1995) đề nghị là hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể chấp nhận được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới
đối với người trả lời trong bối cảnh nghiên cứu. Tuy nhiên, theo Nunnally và cộng
sự (1994), hệ số Cronbach’s Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach’s Alpha, người ta còn sử dụng hệ số tương quan biến tổng (iterm - total correlation) và những biến nào có tương quan biến tổng < 0,4 sẽ bị loại bỏ.
- Tiêu chuẩn phân tích nhân tố khám phá (EFA) bao gồm:
+ Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết Ho (các biến khơng có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05
(Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr.262).
- Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thốt). Trong đó, Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥
50%.
- Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và
> 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực
tiễn. Ngồi ra, trường hợp các biến có Factor loading được trích vào các nhân tố
khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp nhận < 0,3), tức không tạo nên sự khác biệt để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến cịn lại sẽ được nhóm vào nhân tố tương ứng đã được rút
trích trên ma trận mẫu (Pattern Matrix).
Tuy nhiên, cũng như trong phân tích Cronbach’s Alpha, việc loại bỏ hay không một biến quan sát không chỉ đơn thuần nhìn vào con số thống kê mà còn phải xem xét giá trị nội dung của biến đó. Trường hợp biến có trọng số Factor loading thấp hoặc được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ,
nhưng có đóng góp quan trọng vào giá trị nội dung của khái niệm mà nó đo lường
thì khơng nhất thiết loại bỏ biến đó (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011, tr.402, 403).
Trong quá trình Cronbach’s Alpha, tác giả sẽ giữ lại các thang đo có trị số
Cronbach’s Alpha ≥ 0,6 và loại các biến quan sát có tương quan biến-tổng < 0,4.
Trong quá trình EFA, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax; loại bỏ các biến quan sát có trị số Factor loading ≤ 0,5 hoặc
trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố ≤ 0,3
Phân tích hồi qui tuyến tính bội
Q trình phân tích hồi qui tuyến tính được thực hiện qua các bước:
Bước 1: Kiểm tra tương quan giữa các biến độc lập với nhau và với biến phụ
thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo John và Benet - Martinez (2000), khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trị của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng
tuyến (một biến độc lập này có được giải thích bằng một biến khác).
- Lựa chọn các biến đưa vào mơ hình hồi qui.
- Đánh giá độ phù hợp của mơ hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mơ hình, mặc
dù khơng phải mơ hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm không phụ thuộc vào số
lượng biến đưa thêm vào mơ hình được sử dụng thay thế R2 để đánh giá mức độ
phù hợp của mơ hình hồi qui bội.
- Kiểm định độ phù hợp của mơ hình để lựa chọn mơ hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết R2: (khơng có
mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập. Nếu trị
thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết Ho bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mơ hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mơ hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.
- Xác định các hệ số của phương trình hồi qui, đó là các hệ số hồi qui riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk
thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so
sánh trực tiếp chúng với nhau là khơng có ý nghĩa. Do đó, để có thể so sánh các hệ
số hồi qui với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến
độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập
bằng đơn vị đo lường độ lệnh chuẩn beta.
Bước 3: Kiểm tra vi phạm các giả định hồi qui
Mơ hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải
kiểm tra các vi phạm giả định cần thiết sau đây:
- Có liên hệ tuyến tính gữa các biến độc lập với biến phụ thuộc - Phần dư của biến phụ thuộc có phân phối chuẩn
- Khơng có tương quan giữa các phần dư (tính độc lập của các sai số)
- Khơng có tương quan giữa các biến độc lập (khơng có hiện tượng đa cộng tuyến).
Trong đó:
- Cơng cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đốn chuẩn hóa (Standardized Pridicted
Value).
- Công cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số
Histogram, hoặc đồ thị tần số P-P plot.
- Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai
khơng đổi là đồ thị phân tán của phần dư và giá trị dự đoán hoặc kiểm định
Spearman’s rho.
- Công cụ được sử dụng để kiểm tra giả định khơng có tương quan giữa các
phần dư là đại lượng thống kê d (Durbin - Watson), hoặc đồ thị phân tán phần dư chuẩn hóa (Scatter).
- Cơng cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ
chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance
inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr.217, 218), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, tr.497), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.
Kiểm định sự khác biệt
Công cụ sử dụng là phép kiểm định Independent - Sample T-Test, hoặc phân tích phương sai (ANOVA), hoặc kiểm định KRUSKAL - WALLIS. Trong đó:
- Independent - Sample T-Test được sử dụng trong trường hợp các yếu tố
nhân khẩu học có hai thuộc tính (chẳng hạn, giới tính bao gồm: giới tính nam và giới tính nữ), vì thế chia tổng thể mẫu nghiên cứu làm hai nhóm tổng thể riêng biệt;
- Phân tích phương sai (ANOVA) được sử dụng trong trường hợp các yếu tố nhân khẩu học có ba thuộc tính trở lên, vì thế chia tổng thể mẫu nghiên cứu làm ba nhóm tổng thể riêng biệt trở lên (chẳng hạn, trình độ học vấn của người trả lời, bao gồm: từ THPT trở xuống, cao đẳng, đại học, sau đại học). Điều kiện để thực hiện
ANOVA là các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên; các
nhóm so sánh phải có phân phối chuẩn hoặc cơ mẫu đủ lớn để tiệm cận với phân phối chuẩn; phương sai của các nhóm so sánh phải đồng nhất.
- Kiểm định KRUSKAL - WALLIS được sử dụng khi điều kiện để ANOVA khơng thỏa mãn, trong đó trường hợp phổ biến là khi phương sai của các nhóm so sánh khơng đồng nhất (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr. 113-
118; 122-133; 146 -154)
TÓM TẮT CHƯƠNG 3
Trong chương 3, tác giả đã trình bày quy trình nghiên cứu và các phương
pháp nghiên cứu. Trong đề tài, tác giả sử dụng 2 phương pháp nghiên cứu chính là phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng. Tác giả thực hiện nghiên cứu định tính dùng để điều chỉnh mơ hình và bổ sung thang đo sao cho phù hợp với nghiên cứu. Nghiên cứu được tiến hành nhằm kiểm tra mức độ rõ ràng của từ ngữ, khả năng hiểu các phát biểu của những người được phỏng vấn và tìm ra những phát biểu mới. Trong nghiên cứu định lượng tác giả thực hiện thiết kế mẫu nghiên cứu, thiết kế phiếu điều tra chính thức, thu thập thơng tin, kiểm định
thang đo, phân tích nhân tố khám phá, phương pháp hồi quy và kiểm định sự khác
biệt của đặc điểm khách hàng tại thành phố Hồ Chí Minh đến quyết định lựa chọn
CHƯƠNG 4
PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU 4.1 Mơ tả mẫu điều tra khảo sát
Từ 280 bản câu hỏi được phát ra, tác giả thu về 268 bản câu hỏi (đạt tỷ lệ
95,7%). Sau khi loại các bản câu hỏi không đạt yêu cầu (thiếu thông tin, chọn cùng một mức độ cho tất cả các câu hỏi, các bản câu hỏi trùng nhau) thì số lượng bản câu hỏi đáp ứng được yêu cầu còn lại là 250 (đạt tỷ lệ 89,3% số bản câu hỏi phát ra) và
được phân phối theo đặc điểm nhân khẩu học như sau:
Bảng 4.1 Mô tả mẫu nghiên cứu
Đặc điểm Tần số Tần suất Mạng di động đang dùng chính Mobifone 91 36.40% Viettel 105 42.00% Vinaphone 44 17.60% Vietnamobile 10 4.00% Tổng 250 100.00% Giới tính Nam 132 52.80% Nữ 118 47.20% Tổng 250 100.00% Độ tuổi Dưới 18 22 8.80% Từ 18 – 30 74 29.60% Từ 31 – 45 72 28.80% Từ 46 – 60 51 20.40% Trên 60 tuổi 31 12.40% Tổng 250 100.00% Nghề nghiệp Nội trợ 75 30.00%
Học sinh, sinh viên 26 10.40%
Nhân viên văn phòng 13 5.20%
Cán bộ viên chức, giảng viên 19 7.60%
Kinh doanh, buôn bán 53 21.20%
Công nhân 54 21.60% Khác 10 4.00% Tổng 250 100.00% Mức thu nhập hàng tháng Dưới 5 triệu đồng 43 17.20%
Từ 5 triệu – dưới 9 triệu đồng 111 44.40% Từ 9 triệu – dưới 15 triệu đồng 72 28.80% Từ 15 triệu – dưới 30 triệu đồng 16 6.40%
Trên 30 triệu đồng 8 3.20%
Tổng 250 100.00%
(Nguồn: kết quả phân tích SPSS) Nhận xét:
Nhìn chung mẫu nhiên cứu đã đáp ứng kích thước và cỡ mẫu nghiên cứu được xác định ở chương 3.
- Số lượng khách hàng sử dụng Mobifone làm mạng di động sử dụng chính là 91
người (chiếm 36,4%), Viettel là 105 người (chiếm 42%), Vinaphone là 44 người (chiếm 17,6%), và chỉ có 10 người sử dụng mạng Vietnamobile làm mạng di động sử dụng chính (chiếm 4%).
- Theo giới tính, mẫu nghiên cứu có số lượng khách hàng nam là 132, chiếm tỉ lệ 52,8% so với mẫu nghiên cứu, và nữ chiếm 47,2%.
- Theo độ tuổi, người nghiên cứu đã đưa ra 5 nhóm tuổi: Dưới 18 tuổi có 22 người (chiếm 8,8%); từ 18 tuổi đến 30 tuổi có 74 người (chiếm 29,6%); từ 31 đến 45 tuổi có 72 người (chiếm 28,8%); từ 46 đến 60 tuổi có 51 người (chiếm 20,4%) và trên 60 tuổi có 31 người (chiếm 12,4%).
- Về nghề nghiệp: Nội trợ có 75 người (chiếm 30%), học sinh sinh viên có 26 người (chiếm 10,4%), nhân viên văn phịng có 13 người (chiếm 5,2%), cán bộ viên chức, giảng viên có 19 người (chiếm 7,6%), kinh doanh bn bán có 53 người (chiếm 21,2%), cơng nhân có 54 người (chiếm 21,6%), các ngành nghề khác có 10 người (chiếm 4%).
- Về thu nhập hàng tháng: Được chia thành 5 nhóm dựa theo mức thu nhập của
khách hàng. Mức dưới 5 triệu đồng/tháng có 43 người (chiếm 17,2%), mức từ 5 – dưới 9 triệu đồng/tháng có 111 người (chiếm 44,4%), mức từ 9 – dưới 15 triệu đồng/tháng có 72 người (chiếm 28,8%), mức từ 15 – dưới 30 triệu đồng/tháng có 16
người (chiếm 6,4%), và mức trên 30 triệu đồng/tháng có 8 người (chiếm 3,2%). Dựa trên những thông tin từ số liệu thu thập được từ điều tra xã hội học
khách hàng sử dụng mạng điện thoại di động tại TP.Hồ Chí Minh, người nghiên cứu cho rằng cơ cấu mẫu như trên là phù hợp với thực tế. Kết quả thu được, về kích
4.2 Đánh giá độ tin cậy của thang đo
Sau khi chạy Cronbach’s Alpha từng yếu tố được kết quả như trong bảng 4.2.
Bảng 4.2 Kết quả kiểm định Cronbach’s Alpha
Biến đo lường
Trung bình thang đo nếu
lọai biến
Phương sai thang đo nếu
loại biến
Hệ số tương quan biến –
tổng
Cronbach‘s alpha nếu loại
biến
Yếu tố Chất lượng mạng (CLM) Cronbach’s Alpha: 0,911
CLM1 12,22 21,078 0,883 0,866
CLM2 12,22 23,506 0,728 0,900
CLM3 12,15 22,595 0,744 0,897
CLM4 12,28 22,654 0,765 0,892
CLM5 12,28 23,335 0,748 0,896
Yếu tố Chi phí sử dụng (CP) Cronbach’s Alpha: 0,885
CP1 8,96 12,774 0,822 0,824
CP2 8,89 13,888 0,712 0,867