Thang đo Số biến quan sát Hệ số Alpha
1. Thang đo của các biến độc lập
Chất lƣợng sản phẩm – Lần 1 5 .875 Chất lƣợng sản phẩm – Lần 2 4 .897 Giá cả sản phẩm 3 .798 Chủng loại sản phẩm 4 .829 Thái độ phục vụ 4 .833 Môi trƣờng mua sắm – Lần 1 4 .725 Môi trƣờng mua sắm – Lần 2 3 .807
Chƣơng trình khuyến mãi 3 .856
Giá trị gia tăng 3 .923
2. Thang đo của các biến phụ thuộc
Mức độ thỏa mãn của khách hàng 4 .780
- Phân tích nhân tố
Ta tiến hành phân tích nhân tố để kiểm tra các nhóm biến quan sát trên có riêng biệt hay khơng, từ đó rút gọn tập hợp các biến quan sát trên thành các nhân tố có ý nghĩa hơn.
Phân tích nhân tố (Exploratory Factor Analysis) là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau đƣợc xem xét dƣới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ đƣợc tính một tỷ số gọi là Hệ số tải nhân tố (factor loading). Hệ số này cho ngƣời nghiên cứu biết đƣợc mỗi biến đo lƣờng sẽ “thuộc về” những nhân tố nào.
Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser-Meyer – Olkin) phải có giá trị lớn (nằm trong khoảng 0.5 và 1) có nghĩa là phân tích nhân tố là thích hợp, cịn nếu hệ số KMO < 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Thêm vào đó, hệ số tải nhân tố của từng biến quan sát phải có giá trị lớn hơn 0.45, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố) lớn hơn 1 (mặc định của chƣơng trình SPSS), và tổng phƣơng sai dùng để giải thích bởi từng nhân tố lớn hơn 50% mới thỏa yêu cầu của phân tích
nhân tố. Khi tiến hành phân tích nhân tố, tác giả đã sử dụng phƣơng pháp trích (Extraction method) là Principal component Analysis với phép xoay (Rotation) Varimax và phƣơng pháp tính nhân tố là phƣơng pháp Data reduction.
Kết quả phân tích thể hiện ở Phụ lục 4.
Về các nhân tố tác động tới sự thỏa mãn của khách hàng:
Tập hợp 24 biến quan sát đƣợc đƣa vào phân tích, kết quả nhƣ sau:
KMO: 0.800
Eigenvalue: 1.107 Total % of variance: 78.066% Componant extracted: 7
Tất cả các biến đều có hệ số tải nhân tố > 0.45.
Về các nhân tố đo lƣờng sự thỏa mãn của khách hàng
Tập hợp 4 biến quan sát đƣợc đƣa vào phân tích, kết quả nhƣ sau:
KMO: 0.750
Eigenvalue: 2.421 Total % of variance: 60.536% Componant extracted: 1
Tất cả các biến đều có hệ số tải nhân tố > 0.45.
Nhƣ vậy, kết quả phân tích nhân tố đều thỏa tất cả các điều kiện và dùng để giải thích thang đo mức độ thỏa mãn của khách hàng là hợp lý.
2.2.4. Kiểm định giả thiết
2.2.3.1. Phân tích tƣơng quan hệ số Pearson
Ngƣời ta sử dụng một số thống kê có tên là Hệ số tƣơng quan Pearson để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng. Trong phân tích tƣơng quan Pearson, khơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều đƣợc xem xét nhƣ nhau.
Xem xét ma trận tƣơng quan giữa các biến độc lập, ta thấy hệ số tƣơng quan nhân tố giữa các nhân tố đều bằng 0, chứng tỏ các nhân tố là độc lập nhau có thể đƣa vào phân tích hồi quy. Ngồi ra, nhân tố Sự thỏa mãn có tƣơng quan với tất cả 7 biến độc lập với hệ số Pearson từ 0.241 trở lên (Phụ lục 5).
Việc đo lƣờng mức độ thỏa mãn của khách hàng chỉ có 4 biến quan sát nhƣng nhìn vào Phụ lục 5, chúng ta thấy rằng chúng cũng có sự tƣơng quan chặt chẽ với nhau với hệ số Pearson ở tất cả các biến đều lớn hơn 0.4 khơng thích hợp để phân tích hồi quy, trong đó sự thỏa mãn của khách hàng luôn gắn liền với khả năng tiếp tục mua sắm tại siêu thị (0.824) và giới thiệu cho ngƣời khác (0.714).
2.2.3.2. Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (SỰ
THỎA MÃN) và các biến độc lập (CHẤT LƢỢNG SẢN PHẨM, THÁI ĐỘ PHỤC VỤ, CHỦNG LOẠI SẢN PHẨM, GIÁ TRỊ GIA TĂNG, MƠI TRƢỜNG MUA SẮM, CHƢƠNG TRÌNH KHUYẾN MÃI VÀ GIÁ CẢ SẢN PHẨM), trong đó, 7 khái niệm
độc lập đƣợc giả định là các nhân tố tác động đến sự thỏa mãn của khách hàng khi mua sắm tại siêu thị.
Việc kiểm định mơ hình lý thuyết với phƣơng pháp đƣa vào một lƣợt (Enter), đây là phƣơng pháp mặc định của chƣơng trình và các biến trong khối sẽ đƣợc đƣa vào mơ hình cùng một lúc. Kiểm định F sử dụng trong phân tích phƣơng sai là một phép kiểm định giả thiết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp của các biến độc lập. Nhìn vào Bảng 2.8 ta thấy rằng trị thống kê F đƣợc tính từ giá trị R2 đầy đủ khác 0, giá trị sig. bằng 0 cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt đƣợc tiêu chuẩn chấp nhận.
Mơ hình phân tích hồi quy sẽ mơ tả hình thức của mối liên hệ và qua đó giúp ta dự đốn đƣợc mức độ của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.