CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.1.3. Đo lƣờng sự hài lòng của khách hàng
Kết quả điều tra (Bảng 4.6) cho thấy mức độ hài lòng củ hách h ng đối với CH khá cao, trong đó 3 biến quan sát củ th ng đo sự hài lòng củ hách h ng đều có GTTB <2.50, KH khẳng định sẽ tiếp tục mua sắm tại CH trong tƣơng l i (GTTB: 1.2) và có thể giới thiệu thêm cho CH những KH mới, nhƣ vậy dự đoán trong tƣơng l i CH sẽ có thêm nhiều KH trung thành và KH mới góp phần tăng do nh thu cũng nhƣ lợi nhuận cho hệ thống CH. Đâ l một tín hiệu đáng mừng cho kết quả hoạt động cũng nhƣ u tín của hệ thống cửa hàng Vissan trong nhiều năm qu . Điều n cũng địi hỏi cơng ty Vissan cần phải nỗ lực nhiều hơn để hồn thiện hệ thống cửa hàng và giữ gìn sự hài lòng của khách hàng.
Bảng 4.6: Thống kê mơ tả sự hài lịng của khách hàng
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Statistic Statistic Statistic Statistic Std. Error Statistic
tiep tuc mua sam tai CH 126 1 4 1.20 .053 .594
gioi thieu cong ty 126 1 4 2.45 .076 .854
anh chi co hai long khi
mua sam tai CH 126 1 3 2.02 .048 .544
4.2. Phân tích thang đo:
Để đánh giá sơ bộ các th ng đo lƣờng nghiên cứu sử dụng phân tích nhân tố khám phá (EFA), nó cho phép rút gọn một tập hợp nhiều biến phụ thuộc lẫn nh u, có th ng đo định lƣợng, thành một tập hợp ít biến hơn để thuận tiện cho việc đƣ v o phân tích s u n . Tính giá trị Cronb ch Alph để đánh giá độ tin cậy củ các th ng đo (α >0.6) v trọng số (factor loading) của các biến qu n sát bé hơn 0.3 sẽ bị loại. S u đó, t tiến hành kiểm định mơ hình giả thuyết bằng hồi qui tuyến tính.
4.2.1. Cronbach’s alpha
Hệ số Cronb ch’s lph l một phép kiểm định thống dùng để kiểm tra sự chặt chẽ v tƣơng qu n giữa các biến qu n sát. Điều n li n qu n đến hai khía cạnh l tƣơng qu n giữa bản thân các biến v tƣơng qu n củ các điểm số của từng biến với điểm số toàn bộ các biến của mỗi ngƣời trả lời. Phƣơng pháp n cho phép ngƣời phân tích loại bỏ những biến không 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 thi n cũng nhƣ độ lỗi của các biến. Theo đó, chỉ những biến có Hệ số tƣơng qu n tổng biến phù hợp (Corrected Item-Total Correlation) lớn hơn 0.3 v có Hệ số Alpha lớn hơn 0.6 mới đƣợc xem là chấp nhận đƣợc và thích hợp đƣ v o phân tích những bƣớc tiếp theo (Nunnally và BernStein, 1994). Cũng theo nhiều nhà nghiên cứu, nếu Cronb ch’s lph đạt từ 0.8 trở l n thì th ng đo lƣờng là tốt và mức độ tƣơng qu n sẽ c ng c o hơn. Nhìn v o Bảng 4.7, chúng ta có thể thấ đƣợc kết quả phân tích độ tin cậ nhƣ s u:
Về nhân tố CHẤT LƢỢNG DỊCH VỤ, Hệ số Cronb ch Alph đạt 0.889 cả 10 biến qu n sát đều có Hệ số tƣơng qu n tổng biến phù hợp >0.3 n n đƣợc lựa chọn.
Về nhân tố GIÁ CẢ, các biến đo lƣờng đều thỏ điều kiện về phân tích độ tin cậy (Hệ số tƣơng qu n tổng biến phù hợp >0.3 và Hệ số Cronb ch Alph đạt 0.818) n n đƣợc lựa chọn.
Về nhân tố QUẢNG CÁO KHUYẾN MÃI, Hệ số Cronbach Alph đạt 0.861 cả 7 biến qu n sát đều có Hệ số tƣơng qu n tổng biến phù hợp > 0.3 n n đƣợc lựa chọn.
Về nhân tố HÌNH ẢNH DOANH NGHIỆP, các biến đều đạt yêu cầu về Hệ số tƣơng quan tổng biến phù hợp >0.3 và Hệ số Alpha 0.818 nên phù hợp.
Về nhân tố SỰ HÀI LÒNG CỦA KHÁCH HÀNG, 3 biến quan sát thỏa yêu cầu về Hệ số tƣơng qu n tổng biến phù hợp >0.3 và có Hệ số Alph 0.626 n n cũng đƣợc lựa chọn. Nhƣ vậy, có tất cả 21 biến (Bảng 4.8) củ 4 th ng đo v 3 biến của SỰ HÀI LÒNG đƣợc đƣ v o phân hồi quy.
Bảng 4.7: Kết quả phân tích hệ số Cronbach’s Alpha
Reliability Statistics Cronbach's Alpha N of Items .889 10 Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Cronbach's Alpha if Item Deleted CLDV01 21.68 26.865 .705 .873 CLDV02 21.65 26.440 .755 .869 CLDV03 21.62 28.416 .520 .885 CLDV04 21.62 26.753 .652 .877 CLDV05 21.66 26.711 .732 .871 CLDV06 21.70 26.646 .765 .869 CLDV07 21.69 28.313 .502 .887 CLDV08 21.57 29.022 .424 .892 CLDV09 21.44 27.265 .585 .882 CLDV10 21.45 27.136 .643 .877 4.2.2. Phân tích nhân tố
đề nghiên cứu. Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser-Meyer – Olkin (KMO) phải có giá trị lớn (0.5<KMO<1) thể hiện phân tích nhân tố là thích hợp (Trọng và Ngọc, 2005), cịn nếu hệ số KMO <0.5 thì phân tích nhân tố có khả năng hơng thích hợp với các dữ liệu. Th m v o đó, hệ số tải nhân tố của từng biến quan sát phải có giá trị lớn hơn 0.5 đạt đƣợc giá trị hội tụ (đƣợc xem l có ý nghĩ thực tiễn) (Hair & ctg, 1998), điểm dừng Eigenv lue (đại diện cho phần biến thi n đƣợc giải thích bởi mỗi nhân tố) lớn hơn 1 (Garson, 2003) nhằm loại bỏ những nhận tố kém quan trọng, và tổng phƣơng s i trích (Tot l V ri nce Expl ined) phải lớn hơn 50% mới thỏa yêu cầu phần trăm giải thích của dữ liệu trong phân tích nhân tố (Anderson, 1998). Khi tiến hành phân tích nhân tố, nghiên cứu đ sử dụng phƣơng pháp trích (Extr ction method) l Princip l Axis factoring với phép xo (Rot tion) Prom x.v phƣơng pháp tính nhân tố l phƣơng pháp Regression. Q trình phân tích nhân tố đƣợc tiến h nh thông qu các bƣớc sau:
Bước 1: Tập hợp các biến quan sát đƣợc đƣ v o phân tích nhân tố (24 biến nghiên
cứu các nhân tố tác động đến sự hài lòng khách hàng và 3 biến qu n sát đo lƣờng mức độ hài lòng củ hách h ng). Quá trình n đƣợc gọi là phân tích nhân tố lần 1 (PHỤ LỤC 2) với kết quả nhƣ s u:
Về các nhân tố tác động đến sự hài lòng củ hách h ng: KMO đạt 0,876 và có 3 biến CLDV03, CLDV08 và CLDV09 bị loại (Hệ số tải nhân tố < 0.5) và tập hợp các biến quan sát cịn lại sẽ đƣợc đƣ v o phân tích nhân tố lần 2.
Về mức độ hài lòng củ hách h ng: KMO đạt đƣợc là 0.625, Eigenvalue > 1 và tổng phƣơng s i dùng để giải thích nhân tố > 50% (58.619%) thỏ điều kiện của phân tích nhân tố.
Nhƣ vậy, kết quả phân tích nhân tố về mức độ hài lòng của khách hàng (PHỤ LỤC 4) cho thấy 3 biến qu n sát SHL01, SHL02, v SHL03 đều có Hệ số tải nhân tố > 0.5 và dùng để giải thích th ng đo mức độ hài lịng khách hàng là hợp lý
Bước 2: Những biến quan sát trải qua phân tích nhân tố lần 1 thành công (21 biến)
KMO: 0,860
Eigenvalue: 1,640
Tổng phƣơng s i: 65,33%
Bảng 4.8: Kết quả phân tích nhân tố
Rotated Component Matrixa
Component 1 2 3 4 CLDV01 .801 CLDV02 .772 CLDV04 .650 CLDV05 .830 CLDV06 .877 CLDV07 .563 CLDV10 .550 GC01 .525 .664 GC02 .868 GC03 .849 QCKM01 .791 QCKM02 .721 QCKM03 .780 QCKM04 .676 QCKM05 .609 QCKM06 .679 QCKM07 .717 HADN01 .803 HADN02 .807 HADN03 .684 HADN04 .715
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
Số nhân tố: 4 nhân tố
- CLDV : gồm 7 biến của nhân tố CLDV - GC : gồm 3 biến của nhân tố GC - QCKM : gồm 7 biến của nhân tố QCKM - HADN : gồm 4 biến của nhân tố HADN
4.3. Kiểm định mơ hình nghiên cứu:
4.3.1 Phân tích tƣơng quan hệ số Pearson
Hệ số tƣơng qu n Pe rson đƣợc dùng để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng. Nếu giữa 2 biến có sự tƣơng quan chặt thì phải lƣu ý vấn đề đ cộng tuyến khi phân tích hồi qu . Trong phân tích tƣơng qu n Pe rson, hơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều đƣợc xem xét nhƣ nhau.
Đ cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng qu n chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau, và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tƣơng qu n há chặt giữa các biến độc lập l nó l m tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩ của chúng nên các hệ số có hu nh hƣớng ém ý nghĩ hơn hi hơng có đ cộng tuyến trong khi hệ số xác định R square vẫn khá cao. Trong q trình phân tích hồi quy bội, đ cộng tuyến đƣợc SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
Xem xét ma trận tƣơng qu n giữa các biến độc lập (Bảng 4.9), cho thấy nhân tố CHẤT LƢỢNG DỊCH VỤ có tƣơng qu n mạnh nhất với nhân tố HÌNH ẢNH DOANH NGHIỆP (0.482). Ngồi ra, nhân tố SỰ HÀI LỊNG cũng có sự tƣơng qu n tu ến tính rất chặt chẽ với 3 biến độc lập (CHẤT LƢỢNG DỊCH VỤ, GIÁ CẢ, HÌNH ẢNH DOANH NGHIỆP). Biến độc lập QUẢNG CÁO KHUYẾN MÃI có hệ số Pearson <0.3 (0.163) do đó hơng thỏ điều kiện để đƣ v o phân tích hồi quy. Điều này phù hợp với thực tế tại cử h ng, chƣơng trình quảng cáo dành riêng cho cửa hàng khơng nhiều, chƣơng trình
khuyến mãi tại cửa hàng khơng thể phong phú và ấn tƣợng bằng các chƣơng trình hu ến mãi tại các siêu thị lớn, qua kết quả thống kê mô tả cho thấy yếu tố mong đợi nhất của khách hàng khi mua sắm tại cửa hàng là mua sắm nhanh chóng, thủ tục đơn giản tức tính tiện lợi của cửa hàng.
Bảng 4.9: Kết quả phân tích Pearson về Các nhân tố tác động đến Sự Hài Lòng của Khách Hàng Correlations SHL CLDV GC QCKM HADN Pearson Correlation SHL 1.000 .426 .417 .163 .396 CLDV .426 1.000 .437 .454 .482 GC .417 .437 1.000 .163 .336 QCKM .163 .454 .163 1.000 .360 HADN .396 .482 .336 .360 1.000 Sig. (1-tailed) SHL . .000 .000 .034 .000 CLDV .000 . .000 .000 .000 GC .000 .000 . .034 .000 QCKM .034 .000 .034 . .000 HADN .000 .000 .000 .000 . N SHL 126 126 126 126 126 CLDV 126 126 126 126 126 GC 126 126 126 126 126 QCKM 126 126 126 126 126 HADN 126 126 126 126 126
4.3.2 Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (SỰ HÀI LÒNG) và các biến độc lập (CHẤT LƢỢNG DỊCH VỤ, GIÁ CẢ, HÌNH ẢNH DOANH NGHIỆP). Mơ hình phân tích hồi quy sẽ mơ tả hình thức của mối liên hệ v qu đó giúp dự đốn đƣợc mức độ của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.
Hệ số xác định R2 đ đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣ vào mơ hình. Tu nhi n, mơ hình thƣờng khơng phù hợp với dữ liệu thực tế nhƣ giá trị R2 (0,283) thể hiện. Trong tình huống n , R2 điều chỉnh từ R2 đƣợc sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi quy tuyến tính đ biến (0,259) vì nó khơng phụ thuộc v o độ lệch phóng đại của R2. So sánh 2 giá trị R2 và R2 điều chỉnh ở bảng 4.10 sẽ thấ R2 điều chỉnh nhỏ hơn v dùng nó đánh giá độ phù hợp của mơ hình sẽ n to n hơn vì nó hơng thổi phồng mức độ phù hợp của mơ hình.
Kiểm định F sử dụng trong phân tích phƣơng s i l một phép kiểm định giả thuyết 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 4.10 cho thấy rằng trị thống F đƣợc tính từ giá trị R2 đầ đủ khác 0, giá trị sig. rất nhỏ cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt đƣợc tiêu chuẩn chấp nhận (Tolerance > 0.0001). Th m v o đó, ti u chí Colline rit di gnostics (chuẩn đốn hiện tƣợng đ cộng tuyến) với hệ số phóng đại phƣơng s i VIF (V ri nce infl tion f ctor) của các biến độc lập trong mơ hình đều <2 thể hiện tính đ cộng tuyến của các biến độc lập l hông đáng ể và các biến trong mơ hình đƣợc chấp nhận.
Sau cùng, hệ số Durbin W tson dùng để kiểm định tƣơng qu n chuỗi bậc nhất cho thấy mơ hình khơng vi phạm khi sử dụng phƣơng pháp hồi quy bội vì giá trị d đạt đƣợc là 1,693 và chấp nhận giả thuyết khơng có sự tƣơng qu n chuỗi bậc nhất trong mơ hình. Nhƣ vậy, mơ hình hồi quy bội thỏ các điều kiện đánh giá v iểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Bảng 4.10: Kết quả phân tích hồi quy Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 .532a .283 .259 .44131 .283 11.920 4 121 .000 1.693 a. Predictors: (Constant), HADN, GC, QCKM,
CLDV
b. Dependent Variable: SHL
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 9.286 4 2.321 11.920 .000a
Residual 23.565 121 .195
Total 32.851 125
a. Predictors: (Constant), HADN, GC, QCKM, CLDV b. Dependent Variable: SHL Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations Collinearity Statistics B Std. Error Beta Zero-order Partial Part Tolerance VIF 1 (Const ant) .802 .192 4.186 .000 CLDV .196 .081 .242 2.432 .016 .426 .216 .187 .600 1.666 GC .161 .056 .248 2.858 .005 .417 .251 .220 .784 1.275 QCKM -.042 .057 -.065 -.743 .459 .163 -.067 -.057 .764 1.309 HADN .167 .069 .219 2.417 .017 .396 .215 .186 .721 1.387 a. Dependent Variable: SHL
Từ bảng phân tích hồi quy (Bảng 4.10), ta thấy mối quan hệ giữa biến phụ thuộc Sự hài lòng của khách hàng và 3 biến độc lập đƣợc thể hiện trong phƣơng trình s u:
SHL = 0.242CLDV+0.248GC+0.219HADN Trong đó:
SHL : Sự hài lòng GC : Giá cả
HADN: Hình ảnh doanh nghiệp
Theo phƣơng trình hồi quy ở trên cho thấy Sự hài lịng của khách hàng có quan hệ tuyến tính với các nhân tố Giá cả (Hệ số Beta chuẩn hóa là 0.248), Chất lƣợng dịch vụ (Hệ số Beta chuẩn hóa 0.242), Hình ảnh doanh nghiệp (Hệ số Beta chuẩn hóa là 0.219), Cũng phải nói thêm rằng các hệ số Beta chuẩn hó đều >0 cho thấy các biến độc lập tác động thuận chiều với Sự hài lòng khách hàng. Kết quả n cũng hẳng định các giả thuyết nêu ra trong mơ hình nghiên cứu (H0, H1, H3) đƣợc chấp nhận v đƣợc kiểm định phù hợp. Nhƣ vậy, hệ thống cửa hàng phải nỗ lực cải tiến những nhân tố n để nâng cao sự hài lịng của khách hàng.
4.3.3 Phân tích ANOVA
Ở những phần trƣớc, chúng t đ iểm định các nhân tố tác động đến sự hài lòng hách h ng cũng nhƣ xác định mức độ hài lòng củ hách h ng đối với CH. Trong phần này, khi tiến h nh phân tích ANOVA để xem xét mối quan hệ giữa thời gian mua sắm tại cửa hàng, tần suất mua sắm tại CH và thu nhập của khách hàng có tác động nhƣ thế nào đối với Sự hài lòng của khách hàng:
Giả thuyết H0: Khơng có sự khác biệt về Sự hài lịng của khách hàng giữa các nhóm khách hàng có thời gian mua sắm khác nhau
Giả thuyết H1: Khơng có sự khác biệt về Sự hài lịng của khách hàng giữa các nhóm khách hàng có tần suất mua sắm khác nhau
Giả thuyết H2: Khơng có sự khác biệt về Sự hài lịng của khách hàng giữa các nhóm khách hàng có thu nhập khác nhau.
Kết quả phân tích ANOVA (PHỤ LỤC 6) cho thấy Giả thuyết H1 và H2 bị bác bỏ (sig. nhỏ và F giá trị há c o). Do đó, t có thể khẳng định có sự khác biệt về Sự hài lịng của khách hàng giữa các nhóm khách hàng có tần suất mua sắm khác nhau và có thu nhập khác nhau.
Đối với giả thuyết H0, ta thấy sig.>0.05 nên ta có thể khẳng định l phƣơng s i của các nhóm bằng nhau, thỏ m n điều kiện phận tích ANOVA, với F=0.516 và p-