3.3.4.1 Phương pháp phân tích
Phân tích nhân tố khám phá (Exploratory Factor Analysis) là kỹ thuật được
sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser – Meyer – Olkin) là chỉ sốdùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị
số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ
liệu.
Kiểm định Bartlett xem xét giả thuyết Ho: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig
≤ 0.05) thì các biến quan sát có tương quan trong tổng thể.
Ngoài ra, phân tích nhân tố còn dựa vào Eigenvalue để xác định số lượng
nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 và tổng phương sai trích lớn hơn 50% thì mới được giữ lại trong mô hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigevalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân
tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated
component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa
bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân
tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Cỡ mẫu trong nghiên cứu này là 300, như vậy có thể giữ lại các biến có hệ số tải nhân tố ≥ 0.4 để hạn chế
loại biến. Ngoài ra, tác giả khi thực hiện loại các biến không phù hợp khi phân tích nhân tố khám phá EFA theo thứ tự: loại các biến cùng giải thích cho nhiều
nhân tố có hệ số tải nhân tố gần nhau (khoảng cách ước lượng 0.30) trước, sau đó
loại tiếp các biến có hệ số tải nhân tố bé hơn 0.4.
Tác giả phân tích nhân tố khám phá EFA riêng biệt cho biến độc lập và biến phụ thuộc nhằm tránh trường hợp khi phân tích hồi quy tuyến tính sẽ không
có ý nghĩa vì hiện tượng các biến độc lập và phụ thuộc giải thích qua lại cho
3.3.4.2 Kết quả EFA cho biến độc lập
Bảng 3.8: Bảng kết quả kiểm định KMO và Bartlett biến độc lập
KMO 0.901
Sig 0.000
Eigen-value 1.112
Phương sai trích 51,721%
KMO = 0.901 > 0.5 nên mô hình phân tích là rất phù hợp.
Sig = 0.000 nên kiểm định này có ý nghĩa thống kê và các biến có tương
quan nhau trong tổng thể. Đồng thời phương sai trích = 51,721% > 50%, Eigen- value = 1.112 > 1 nên mô hình đủ điều kiện để phân tích nhân tố.
Sau khi dùng SPSS 16.0 chạy kết quả phân tích ma trận nhân tố đã xoay
đến lần thứ 3 với phương thức loại từng biến một theo thứ tự : V18,V19 với lý do
có hệ số tải nhân tố ≤ 0.4 và cùng giải thích cho nhiều thành phần với mức độ
ngang nhau. Các biến còn lại có hệ số tải nhân tố đạt tiêu chuẩn nghiên cứu, giá
trị nhỏ nhất 0.584 > 0.4.
Như vậy với 27 biến quan sát trong 5 thành phần (biến độc lập) sau khi đã kiểm tra độ tin cậy, qua bước phân tích nhân tố còn lại 25 biến quan sát. Đồng
thời được nhóm lại trong 4 thành phần chính. Dựa trên các biến mới sau khi phân tích nhân tố khám phá, tác giảđặt lại tên mới cho các thành phần trong nhóm biến độc lập. Kết qua phân tích nhân tố khám phá được thể hiện tại hình 3.9 và các tên gọi của các thanh phần mới như sau:
Thành phần năng lực phục vụ nhân viên: bao gồm các biến: V11, V8,
V7, V13, V10, V9, V12, V23, V6, V22, V24. Tất cả các biến cùng biểu hiện cho
những điểm nổi bật của nhân viên trong dịch vụ phân phối dược phẩm: kiến thức,
Bảng 3.9 : Kết quả EFA thành phần biến độc lập
Biến
Diễn giải các biến Hệ số tải nhân tố
1 2 3 4
V11 Nhân viên luôn giải quyết khiếu nại của khách hàng
một cách thỏa đáng .731
V7 Nhân viên thể hiện sự quan tâm đến khách hàng. .729 V8 Nhân viên hiểu được nhu cầu đặt biệt của khách
hàng .711
V13 Nhân viên bao giờ cũng tỏ ra lịch sự, thân thiện với
khách hàng .691
V10 Nhân viên kịp thời giải quyết vấn đề cho khách hàng .681 V9 Hành vi của nhân viên tạo sự tin tưởng đối với khách
hàng .680
V12 Nhân viên có kiến thức chuyên môn để trả lời các
câu hỏi của khách hàng .672 V23 Khách hàng luôn được sự giúp đỡ .655 V6 Nhân viên luôn sẵn sàng đáp ứng các yêu cầu của
khách hàng .642
V22 Khách hàng được phục vụ nhanh chóng, đúng hạn .630 V24 Khi cần đơn hàng là được xử lý ngay và kịp thời .610 V16 Có hình thức thanh toán đáp ứng nhu cầu .614 V14 Sản phẩm của công ty có giá hợp lý, cạnh tranh .604 V15 Giá cả linh hoạt cho từng chương trình bán hàng .584 V1 Sản phẩm OTC (thuốc điều trị không kê toa) rất đầy
đủ .767
V3 Công ty thường xuyên ra nhiều sản phẩm mới .741 V2 Công ty có đa dạng các mặt hàng để khách hàng lựa
chọn .705
V4 Sản phẩm phù hợp nhu cầu .692 V5 Sản phẩm rất cạnh tranh trên thị trường .589 V17 Chính sách kinh doanh dành cho các nhà thuốc là
giống nhau . .791
V26 Giao dịch được thực hiện đúng như những gì khách
hàng yêu cầu .735
V20 Sản phẩm sản xuất bằng quy trình hiện đại và an
toàn .616
V27 Công ty có sẵn nhiều chương trình cho khách lựa
chọn .598
V21 Không có sai sót khi tính tiền, hàng .577 V25 Giao dịch được thực hiện nhanh chóng sau khi ký
Thành phần giá cả và thanh toán: gồm các biến V14, V15, V16, các biến cùng thể hiện những đặc thù về giá cả và phương thức thanh toán của công
ty.
Thành phần sản phẩm dược: gồm các biến: V1, V2, V3, V4, V5. Các
biến giải thích cho thành phần sản phẩm được giữ nguyên theo cơ sở lý thuyết.
Thể hiện các yếu tố liên quan đến sản phẩm dược như sự đa dạng, tính cạnh tranh,
công thức dược, mực độ phù hợp mà khách hàng quan tâm để phân phối ra thị trường một cách thuận lợi nhất.
Thành phần độ đápứng và tin cậy: gồm các biến :V17, V26, V20, V27, V21, V25. Các biến thể hiện mức độ đáp ứng nhanh chóng đối với nhu cầu của
khách hàng và sự tin tưởng đối với công ty.
3.3.4.3 Kết quả phân tích nhân tố biến phụ thuộc
Bảng 3.10: Bảng kết quả kiểm định KMO và Bartlett biến phụ thuộc
KMO 0.819
Sig 0.00
Eigen-value 2.16
Phương sai trích 75.345%
KMO = 0.819 nên mô hình phù hợp cho việc phân tích. Sig = 0.000 nên kiểm định này có ý nghĩa thống kê và các biến có tương quan nhau trong tổng thể. Đồng thời phương sai trích = 75.345% > 50% ; Eigen-value = 2.16 > 1 nên mô hình đủ điều kiện để phân tích nhân tố khám phá.
Các biến còn lại có hệ số tải nhân tố đạt tiêu chuẩn nghiên cứu, giá trị nhỏ
nhất 0.850 > 0.4. Do vẫn giữ được các biến và giữ tên gọi là Thành phần Sự hài lòng khách hàng, tiếp tục được dùng để phân tích hồi quy tuyến tính.
Bảng 3.11: Kết quả EFA biến phụ thuộc
Biến Diễn giải các biến Hệ số tải nhân tố
V28 Lợi ích của khách hàng nhận được cao hơn những
công ty dược phẩm khác trên thị trường .878
V29 Pymepharco đáp ứng những kỳ vọng của khách
hàng .895
V30 Khách hàng hài lòng với dịch vụ phân phối dược
phẩm của Pymepharco .850
3.3.4.3 Mô hình nghiên cứu điều chỉnh
Sau khi phân tích EFA, các nhóm được đặt lại tên cho phù hợp với các
biến trong các thành phần. Mô hình chất lượng dịch vụ phân phối dược phẩm được điều còn lại 04 thành phần trong mô hình như sau:
Hình 3.2: Mô hình nghiên cứu ảnh hưởng của chất lượng dịch vụ phân phối dược phẩm của Pymepharco đến sự hài lòng của khách hàng (hiệu chỉnh từ
Hình 3.1)
Một số giả thiết thay đổi sau đợt hiệu chỉnh cho phù hợp với mô hình như sau:
H1: Năng lực phục vụ nhân viên có mối quan hệ dương với sự hài lòng của
khách hàng.
H2: Giá cả và thanh toán có mối quan hệdương với sự hài lòng của khách
hàng.
Năng lực phục vụ
nhân viên
Giá cả và thanh toán
Sản phẩm dược
Đáp ứng và Tin cậy
Sự hài lòng của
H3: Sản phẩm dược có mối quan hệ dương với sự hài lòng của khách hàng.
H4: Đáp ứng và Tin cậy có mối quan hệ dương với sự hài lòng của khách
hàng.
3.3.5 Phân tích hồi quy tuyến tính
Để kiểm định vai trò quan trọng của các nhân tố trong việc đánh giá mối
quan hệ giữa các thành phần chất lượng dịch vụ phân phối và sự ảnh hưởng của chúng đến sự hài lòng của các nhà thuốc: Năng lực phục vụ nhân viên; Giá cả và Thanh toán; Sản phẩm dược, Đáp ứng và Tin cậy. Mô hình hồi quyđược sử dụng
với biến độc lập là 04 thành phần chất lượng dịch vụ, biến phụ thuộc là sự hài lòng của khách hàng. Trước khi tiến hành phân tích hồi quy tuyến tính, tác giả
phải xem xét mối tương quan tuyến tính giữa các biến. Giá trị các yếu tố được dùng để chạy hồi quy là giá trị trung bình của các biến quan sát đã được kiểm định. Phân tích hồi quy được thực hiện bằng phương pháp hồi quy tổng thể các
biến (phương pháp Enter) với phần mềm SPS 16.
3.3.5.1 Kiểm tra ma trận tương quan giữa các biến
Trong phần này, tác giả sử dụng hệ số tương quan tuyến tính r (Pearson Correlation Coefficient) để kiểm định sự tương quan giữa 04 thành phần chất lượng dịch vụ phân phối và sự hài lòng khách hàng.
Phụ lục 9 cho thấy mối tương quan giữa 4 nhân tố cấu thành thang đo chất lượng dịch vụ phân phối dược phẩm và sự hài lòng khách hàng. Các giá trị Sig. đều nhỏ hơn 0.05, do đó chúng đều có ý nghĩa về mặt thống kê, đồng thời những
mối quan hệ này đều cùng chiều và có tương quan giữa các thành phần chất lượng
dịch vụ cũng như có sự tương quan giữa các thành phần chất lượng dịch vụ với sự
hài lòng của khách hàng.
Hệ số tương quan giữa các biến đều lớn hơn 0.4 nên mối quan hệ giữa các
biến này cần phải được xem xét kỹ trong phần phân tích hồi quy tuyến tính bội
3.3.5.2 Đánh giá độ phù hợp của mô hình
Để đánh giá sự phù hợp của mô hình giữa các thành phần chất lượng dịch
vụ phân phối dược phẩm và sự hài lòng của các nhà thuốc, tác giả sử dụng hàm hồi quy tuyến tính bội, 4 thành phần chất lượng dịch vụ là biến độc lập và sự hài lòng là biến phụ thuộc sẽ đưa vào chạy hồi quy cùng một lúc. Đánh giá chung
chất lượng DV = β0+ β1* năng lực nhân viên+ β2* giá cả và thanh toán + β3* sản
phẩm dược+ β4* độ đáp ứng và tin cậy. Với β1, β2, β3, β4, là các hệ số hồi quy
riêng phần.
Với giả thuyết Ho là β1= β2= β3= β4 = 0, kết quả phân tích hồi qui có hệ số xác định R2là 0.567, như vậy mô hình nghiên cứu là phù hợp (0 ≤ R2≤ 1), nói lên mô hình hồi quy tuyến tính phù hợp đến mức 56.7%. Ngoài ra kết quả cũng cho
thấy R2 điều chỉnh (Adjusted R Square) bằng 0.549 nhỏ hơn R2 và dùng nó để đánh giá độ phù hợp của mô hình nghiên cứu sẽ an toàn hơn vì nó không thổi
phồng mức độ phù hợp của mô hình. R2điều chỉnh là 0.549 nghĩa là mức độ phù hợp của mô hình là 54,9% hay 54,9% là biến thiên của sự hài lòng được giải thích
bởi quan hệ tuyến tính với 4 biến độc lập nói trên, còn lại 45,1% biến thiên do
ảnh hưởng bởi các yếu tố khác chưa được giải thích trong mô hình. Có thể nói các
thành phần biến được đưa vào mô hình đạt kết quả giải thích khá tốt và bát bỏ giả
thuyết Ho. Bảng 3.12: Bảng tóm tắt các hệ số về mức độ phù hợp mô hình Model R2 R2 điều chỉnh Kiểm định F Sig. Durbin- Watson 1 .567 .549 95.810 0.000 1.999 3.3.5.3 Kiểm định độ phù hợp của mô hình
Kết quả nhận được cho thấy trị thống kê F là 95.810, được tính từ giá trị R
square của mô hình với giá trị Sig. rất nhỏ (= 0.000 < 0.05) cho thấy sẽ an toàn bác bỏ giả thiết Ho. Như vậy, có thể kết luận rằng mô hình hồi quy tuyến tính bội
Với hệ số phóng đại phương sai VIF = 1 < 10 (Phụ lục 9). Mặt khác trong ma trận hệ số tương quan, hệ số tương quan giữa các biến độc lập đều nhỏ hơn 0.7. Điều này cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau
nên không có hiện tương đa cộng tuyến xảy ra.
Ngoài ra, đại lượng thống kê Durbin-Watson dùng để kiểm định tương quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sử dụngphương pháp hồi quy bội vì giá trị Durbin-Watson đạtđược là 1.999 (gần bằng 2) n ên chấp
nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình. Như
vậy, mô hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
3.3.5.4 Kết quả phân tích hồi quy
Hệ số Beta (chuẩn hóa) dùng để đánh giá mức độ quan trọng của các nhân
tố chất lượng dịch vụ phân phối dược phẩm ảnh hưởngđến sự hài lòng của khách
hàng. Hệ số Beta chuẩn hóa của nhân tố nào càng cao thì mức độ quan trọng của
nhân tố đó ảnh hưởngđến đánh giá chất lượng dịch vụ càng cao.
Bảng 3.13: Bảng kết quả hồi quy với biến phụ thuộc
Mô hình Hệ số Hệ số chuẩn t Sig. VIF Beta Sai số chuẩn Beta 1 Hằng số - 2.652E- 19 .028 .000 1.000
Năng lực phục vụ nhân viên .401 .028 .401 12.178 0.000 1.000 Giá cả và Thanh toán .319 .028 .319 7.543 0.000 1.000 Sản phẩm dược .311 .028 .311 7.467 0.000 1.000
Đáp ứng và tin cậy .270 .028 .027 7.323 0.000 1.000
Kết quả phân tích hồi quy cho thấy các biến trong thang đo chất lượng dịch
hình hồi quy ảnh hưởng tỷ lệ thuận đến sự hài lòng của khách hàng. 04 thành phần với mức ý nghĩa quan sát Sig. = 0.000 < 0.05 là có ý nghĩa thống kê. Như
vậy, các giả thiết H1, H2, H3, H4 trong mô hình nghiên cứu(Hình 3.2) được chấp
nhận.
Dựa trên hệ số chuẩn hóa của kết quả phân tích hồi quy về mức độ ảnh hưởng của các thành phần trong thang đo đến sự hài lòng của khách hàng được
thể hiện theo phương trình sau:
Sự hài lòng các nhà thuốc= 0.401* Năng lực phục vụ nhân viên + 0.319 *Giá cả và thanh toán + 0.311 * Sản phẩm + 0.270 * Đáp ứng và Tin cậy
Qua phương trình trên, hệ số β của thành phần năng lực phục vụ nhân viên là cao nhất. Điều này có nghĩa là, đối với dịch vụ phân phối dược phẩm thì thành phần năng lực phục vụ của nhân viên có ảnh hưởng đến mức độ hài lòng của các
nhà thuốc là lớn nhất. Khi điểm đánh giá về năng lực phục vụ nhân viên của Pymepharco tăng lên 1 thì sự hài lòng của các nhà thuốc tăng lên 0.401 điểm, tương tự với các thành phần giá cả và thanh toán; sản phẩm;đáp ứng và tin cậy.