CHƢƠNG 2 THIẾT KẾ NGHIÊN CỨU
2.5.3. Phƣơng pháp phân tích dữ liệu
- Phƣơng pháp thống kê mô tả: mô tả mẫu thu thập đƣợc theo các thuộc tính của đối tƣợng và thống kê mô tả về các nhân tố trong mơ hình.
- Phƣơng pháp đánh giá độ tin cậy thang đo bằng hệ số Cronbach’s Alpha: cho phép tác giả loại bỏ các biến quan sát không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha. Những biến quan sát có hệ số tƣơng quan biến tổng (Corrected Item – Total Correlation) nhỏ hơn 0.3 sẽ bị loại bỏ và tiêu chuẩn để chọn thang đo là hệ số Cronbach’s Alpha của nó tối thiểu là 0.6. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0.8 trở lên đến gần 1 thì thang đo lƣờng là tốt, từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995).
- Phƣơng pháp phân tích nhân tố khám phá (EFA): để thu gọn và tóm tắt dữ liệu, giúp ta rút gọn nhiều biến số. Phƣơng pháp này giúp cho việc tập hợp biến cần thiết cho vấn đề cần nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau.
+ Trị số KMO (Kaiser – Meyer – 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, cịn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
+ Bartlett’s test of sphericity: là một đại lƣợng thống kê dùng để xem xét giả thuyết các biến khơng có tƣơng quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau (các biến đo lƣờng phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). Do đó, nếu kiểm định cho thấy khơng có ý nghĩa thống kê thì khơng nên áp dụng phân tích nhân tố cho các biến đang xem xét. Mức ý nghĩa của kiểm định Bartlett phải căn cứ trên giá trị Sig. ≤ 0.05.
+ Đại lƣợng Eigenvalue phải lớn hơn 1 thì nhân tố đó mới đƣợc giữ lại trong mơ hình phân tích. Đại lƣợng Eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc, vì sau khi chuẩn hóa mỗi biến gốc có phƣơng sai là 1.
+ Hệ số tải nhân tố Factor loadings: nhỏ hơn 0.5 thì biến đó sẽ bị loại, điểm dừng khi Eigenvalue >1 và tổng phƣơng sai trích > 50%.
+ Phép trích Principal Component với phép quay Varimax đƣợc sử dụng trong phân tích nhân tố thang đo các thành phần độc lập.
- Phƣơng pháp hồi quy bội tuyến tính: để định lƣợng mối quan hệ giữa các thành phần trong mơ hình nghiên cứu và xây dựng mơ hình hồi quy. Sau đó đánh giá và kiểm định độ phù hợp của mơ hình và mức độ ảnh hƣởng của biến độc lập lên biến phụ thuộc. Kiểm tra hiện tƣợng tự tƣơng quan, đa cộng tuyến và kiểm định các giả thuyết đã đặt ra ở phần đầu.
Phƣơng trình hồi qui bội tuyến tính có dạng:
Các tham số quan trọng trong phân tích hồi qui bội tuyến tính bao gồm:
+ Hệ số góc βi: là hệ số đo lƣờng sự thay đổi trong giá trị trung bình Y khi Xi thay đổi một đơn vị, trong khi mọi yếu tố khác không đổi.
+Hệ số xác định R2: là hệ số xác định tỷ lệ biến thiên của biến phụ thuộc
đƣợc giải thích bởi biến độc lập trong mơ hình hồi qui. R2 càng lớn thì mơ hình hồi qui tuyến tính đã xây dựng đƣợc xem là càng thích hợp và càng có ý nghĩa trong việc giải thích sự biến thiên.
+ Hệ số R2 điều chỉnh: là chỉ tiêu để quyết định có nên thêm biến độc lập mới vào mơ hình hồi qui khơng.
+ Giá trị Sig. của kiểm định F trong phân tích phƣơng sai ANOVA. Giá trị này nhỏ hơn 0.05, thì có thể kết luận tồn tại mối quan hệ giữa biến phụ thuộc và biến độc lập.
+ Giá trị Sig. của kiểm định t. Giá trị này nhỏ hơn 0.05 thì hệ số hồi qui có ý nghĩa thống kê.
- Hệ số Durbin - Watson dùng để kiểm tra hiện tƣợng tự tƣơng quan của mơ hình.
- Hệ số phóng đại phƣơng sai VIF (Variance inslation factor) dùng để kiểm tra hiện tƣợng đa cộng tuyến. Hệ số VIF của các biến số nhỏ hơn 10 thì mơ hình khơng có hiện tƣợng đa cộng tuyến.
- Phân tích phƣơng sai Anova nhằm mục đích so sánh trị trung bình của nhiều nhóm tổng thể độc lập, kiểm định giả thuyết về sự bằng nhau của trung bình nhiều tổng thể.
KẾT LUẬN CHƢƠNG 2
Chƣơng 2 của luận văn trình bày giới thiệu tổng quan về siêu thị Co.opmart thành phố Tam Kỳ, tỉnh Quảng Nam và đƣa ra quy trình nghiên cứu cụ thể. Từ những cơ sở lý luận và các mơ hình tham khảo đã trình bày ở chƣơng 1, tác giả xây dựng mơ hình nghiên cứu đề xuất. Sau đó tiến hành nghiên cứu định tính bằng phƣơng pháp thảo luận nhóm, từ kết quả thảo luận nhóm đã cho ra mơ hình nghiên cứu chính thức gồm 5 yếu tố tác động đến sự hài lòng của khách hàng nhƣ sau:
- Khía cạnh vật lý. - Độ tin vậy.
- Nhân viên dịch vụ. - Sản phẩm.
- Mua sắm tiện lợi.
Từ mơ hình nghiên cứu trên, tác giả đã xây dựng bảng câu hỏi phục vụ cho việc điều tra định lƣợng. Bảng câu hỏi sử dụng thang đo Likert với 5 mức độ: 1. Hồn tồn khơng đồng ý; 2. Khơng đồng ý; 3. Khơng ý kiến; 4. Đồng ý; 5. Hồn tồn đồng ý.
Chƣơng này cũng trình bày các phƣơng pháp phân tích dữ liệu bằng phần mềm SPSS mà sẽ đƣợc sử dụng để phục vụ cho việc phân tích định lƣợng sau này.