Chương 2 : THIẾT KẾ NGHIÊN CỨU
2.1 PHƢƠNG PHÁP NGHIÊN CỨU
2.1.2.2 Phương pháp phân tích dữ liệu
Vấn đề nghiên cứu đã được xác định rõ là “Các nhân tố tác động đến định hướng khách hàng của nhân viên phục vụ một số khách sạn – nhà hàng Tp.HCM”. Mơ hình được kiểm định bao gồm 5 biến độc lập và 5 giả thuyết, do đĩ nĩ địi hỏi phải sử dụng phương pháp phân tích hồi qui đa biến2. Sử dụng phương pháp phân tích nhân tố (phân tích nhân tố khám phá EFA) bằng phần mềm SPSS 15.0 để phân tích dữ liệu nhằm tổng hợp thơng tin từ nhiều biến của mơ hình thành số lượng nhỏ hơn các nhân tố3.
Sau khi điều tra, các bản phỏng vấn được sắp xếp và loại đi những bản phỏng vấn khơng đạt yêu cầu như: khơng đúng bộ phận tiếp xúc trực tiếp khách hàng, thiếu dữ liệu thơng tin cá nhân, các câu đánh dấu một cách chủ quan,…; sau đĩ tác giả tiến hành nhập liệu và mã hố dữ liệu bằng phần mềm SPSS for Windows 15.0. Tác giả sử dụng phần mềm chủ đạo để phân tích dữ liệu là SPSS for Windows 15.0. Vì thế, quá trình phân tích dữ liệu cho phép tính tốn một số thống kê mơ tả, bảng tần số, xác định mối quan hệ giữa 2 hay nhiều biến, phân tích nhân tố, kiểm định thang đo, xây dựng mơ hình hồi quy.
a. Đánh giá thang đo
Một thang đo được coi là cĩ giá trị khi nĩ đo lường đúng cái cần đo, cĩ nghĩa là phương pháp đo lường đĩ khơng cĩ sự sai lệch mang tính hệ thống và sai lệch ngẫu nhiên. Điều kiện đầu tiên cần phải cĩ là thang đo áp dụng phải đạt độ tin cậy.
2 Hair, J. F, Bush, R.P. & Ortinau, D.J. 2000, Marketing Research: A Practical Approach for the New
Độ tin cậy của thang đo được đánh giá thơng qua hệ số Cronbach’s Alpha và hệ số tương quan biến tổng (Item-total correlation)
Thang đo cĩ độ tin cậy đáng kể khi hệ số Cronbach’s Alpha lớn hơn 0,6
Hệ số tương quan biến tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đĩ hệ số này càng cao, sự tương quan của biến với các biến khác trong nhĩm càng cao, theo Nunally & Burnstein (1994) thì các biến cĩ hệ số tương quan biến tổng nhỏ hơn 0,3 được xem là biến rác và đương nhiên là bị loại khỏi thang đo.
b. Độ giá trị
Độ giá trị hội tụ (convergent validity) và độ phân biệt (discriminant validity) của thang đo được đánh giá sơ bộ thơng qua phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis). Các tham số thống kê trong phân tích nhân tố khám phá bao gồm:
Kiểm định sự thích hợp của phân tích nhân tố với dữ liệu của mẫu thơng qua giá trị thống kê Kaiser-Meyer-Olkin (KMO). Theo đĩ, trị số của KMO lớn hơn 0,5 thì phân tích nhân tố là thích hợp (Garson, 2003)4, ngược lại nếu trị số KMO nhỏ hơn 0,5 thì áp dụng phương pháp phân tích nhân tố khơng thích hợp với dữ liệu đang cĩ.
Số lượng nhân tố: Số lượng nhân tố được xác định dựa vào chỉ số eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố cĩ eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình nghiên cứu (Garson, 2003)
Phương sai trích (variance explained criteria): Tổng phương sai trích phải lớn hơn 50%.
Độ giá trị hội tụ: Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0,4 trong một nhân tố (Garbing & Anderson, 1988)5
Độ giá trị phân biệt: Để đạt độ giá trị phân biệt thì khác biệt giữa các hệ số chuyển tải factor loading phải lớn hơn hoặc bằng 0,3 (Jabnoun, 2003)
466 Huỳnh T. Kim Quyên, (2006), “Các yếu tố ảnh hưởng đến xu hướng tiêu dùng bột dinh dưỡng trẻ em,
Nghiên cứu này tác giả sử dụng phương pháp trích Principal component với phép quay Varimax sẽ cho ta kết quả là số lượng nhân tố là ít nhất để giải thích phương sai chung của tập hợp các biến quan sát trong sự tác động qua lại giữa chúng.
c. Hồi qui tuyến tính
Sau khi thang đo của các yếu tố khảo sát đã được kiểm định thì sẽ được xử lí chạy hồi quy tuyến tính với mơ hình cơ bản ban đầu là:
Y= 0 + 1X1 +2X2 + 3X3 + 4X4 + 5X5 + Y: Định hướng khách hàng
0: hằng số, 1……..5: hệ số tương quan X1: kinh nghiệm làm việc
X2: sự hài lịng về thu nhập, đánh giá nhân viên X3: mơi truờng doanh nghiệp
X4: Tính tự chủ trong cơng việc X5: Khả năng làm việc nhĩm
: Sai số
d. Kiểm định giả thuyết
Thơng thường chúng ta khơng thể biết trước mơ hình sau khi phân tích hồi quy cĩ phù hợp hay khơng, mơ hình chưa thể kết luận được là tốt nếu chưa kiểm định việc vi phạm các giả thuyết để ước lượng các hệ số hồi quy là khơng thiên lệch, nhất quán và hiệu quả nhất.
Hiện tượng đa cộng tuyến:
Đa cộng tuyến là một hiện tượng trong đĩ các biến độc lập cĩ tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mơ hình những thơng tin giống nhau và rất khĩ tách ảnh hưởng của từng biến một. Đối với hiện tượng đa cộng tuyến, độ sai lệch cho phép (tolerance) hoặc hệ số phĩng đại phương sai VIF (variance inflation factor) được sử dụng. Theo Hồng Trọng & Mộng Ngọc (2005), khi VIF nhỏ hơn hoặc bằng 10 nghĩa là các biến độc lập khơng cĩ tương quan tuyến tính với nhau.
Phương sai của sai số thay đổi:
Phương sai thay đổi là hiện tượng phương sai của các số hạng này khơng giống nhau. Khi phương sai của các sai số thay đổi thì các ước lượng của các hệ số hồi quy khơng hiệu quả, các kiểm định t và F khơng cịn đáng tin cậy. Nếu độ lớn của phần dư chuẩn hĩa tăng hoặc giảm theo giá trị dự đốn thì cĩ khả năng giả thuyết phương sai khơng đổi bị vi phạm.
Tương quan chuỗi:
Đây là một dạng vi phạm các giả thuyết cơ bản số hạng nhiễu, hệ quả khi bỏ qua sự tự tương quan là các dự báo và ước lượng vẫn khơng thiên lệch và nhất quán nhưng khơng hiệu quả. Trong trường hợp đĩ, kiểm định Durbin-Watson là kiểm định phổ biến nhất cho tương quan chuỗi bậc nhất.
Sau khi kiểm tra kết quả cho thấy các giả thuyết khơng bị vi phạm thì cĩ thể kết luận ước lượng các hệ số hồi quy là khơng thiên lệch, nhất quán và hiệu quả. Các kết luận rút ra từ phân tích hồi quy là đáng tin cậy.
Kết quả của mơ hình hồi quy sẽ giúp xác định được mức độ ảnh hưởng của các yếu tố đến định hướng khách hàng trong Khách sạn nhà hàng Tp.HCM. Yếu tố nào cĩ hệ số β lớn thì mức độ ảnh hưởng của yếu tố đĩ đối với định hướng khách hàng càng lớn.