6. Kết cấu của đề tài
2.1.2. Các công cụ phân tích trên phần mềm SPSS
2.1.2.1. Phân tích thống kê mô tả[6]
Bước đầu tiên để mô tả và tìm hiểu về đặc tính phân phối của một bảng số liệu thô là lập bảng phân phối tần số. Sau đó, sử dụng một số hàm để làm rõ đặc tính của mẫu phân tích.
Sử dụng bảng phân phối tần số: Bảng phân phối tần sốlà bảng tóm tắt dữ liệu được sắp xếp thành từng tổ khác nhau. Để lập một bảng phân phối tần sổ trứơc hết ta phải sắp xếp dữ liệu theo một thứ tự nào đó tăng dần lên hoặc giảm dần.
Sử dụng đồ thị thống kê: Đồ thị thống kê là những hình vẽ, đường nét hình học dùng để miêu tả có tính chất quy ước các tài liệu thống kê.
Hệ thống hóa lý thuyết , các công trình nghiên cứu ở các tài liệu thứ cấp về hành vi người tiêu dùng Xác định các yếu tố ảnh hưởng đến hành vi và sự thỏa mãn người tiêu dùng Tìm hiểu tình hình công ty về vấn đề khách hàng Thiết kế lần 1
Tham khảo ý kiến
Thiết kế bảng câu hỏi để
phỏng vấn
Lấy thông tin vào bảng câu hỏi
Nhập số liệu và xử lý số liệu trên phần mềm SPSS 15.0 Nhận xét, kết luận từ phân tích, xử lý số liệu Đề xuất các ý kiến Chỉnh sửa, bổ sung để hoànchỉnh
Nội dung xử lý số liệu: - Kiểm định thang đo - Kiểm định mô hình - Đo lường về sự thõa mãn
Sử dụng các đại lượng thống kê mô tả:
Giá trị trung bình:Mean,Average:Bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát
Số trung vị:(Median,KH,Me) là giá trị của biến đứng ở giữa của một dãy số được sắp xếp theo một thứ tự tăng dần hặc giảm dần. Số trung vị chia dãy số làm hai phần, mỗi phần có số quan sát bằng nhau.
Mode(KH:Mo) : Là giá trị có tần số xuất hiện cao nhất trong tổng dãy số hay trong một dãy số phân phối.
Phương sai:(2) là trung bình giữa bình phương các độ lệch giữa các biến và giá trị trung bình của các biến đó.
Độ lệch chuẩn(): là căn bậc hai của phương sai.
2.1.2.2. Phương pháp đánh giá độ tin cậy thang đo Cronbach’s Alpha[7]
Những mục hỏi đo lường một khái niệm tìm ẩn thì phải có mối liên quan với những cái còn lại trong nhóm đó. Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau.
Công thức của hệ số Cronbach α là: α = Nρ/[1+ρ(N-1)]
Trong đó ρ là hệ số tương quan trung bình giữa các mục hỏi. Ký tự Hy Lạp ρ (đọc là prô) trong công thức tượng trưng cho tương quan trung bình giữa tất cả các cặp mục hỏi được kiểm tra.
Vì hệ số Cronbach α chỉ là giới hạn dưới của độ tin cậy của thang đo (Theo GS.TS Nguyễn Đình Thọ), và còn nhiều đại lượng tin cậy, độ hiệu lực của thang đo, nên ở giai đoạn đầu khi xây dựng bảng câu hỏi, hệ số này nằm trong phạm vi từ 0,6 đến 0,8 là chấp nhận được.
2.1.2.3. Phương pháp phân tích nhân tố[8]
Khái niệm và ứng dụng:
Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu, chúng ta có thể thu thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số
lượng của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta có thể sử dụng được.
Liên hệ giữa các nhóm biến có liên quan qua lại lẫn nhau được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản.
Mô hình phân tích nhân tố:
Lượng biến thiên của một biến được giải thích bởi những nhân tố chung trong phân tích được gọi là communality. Biến thiên chung của các biến được mô tả bằng một số ít các nhân tố chung (common factor) cộng với một nhân tố đặc trưng (unique factor) cho mỗi biến. Những nhân tố này không bộc lộ rõ ràng. Nếu các biến được chuẩn hóa thì mô hình nhân tố được thể hiện bằng phương trình:
Xi = Ai1F1+Ai2F2+Ai3F3+…+AimFm+ViUi Trong đó:
Xi: biến thứ i chuẩn hóa
Aij: hệ số hồi quy bội chuẩn hóa F: các nhân tố chung
Vi: hệ số hồi quy chuẩn hóa các nhân tố đặc trưng i đối với biến i Ui: nhân tố đặc trưng của biến i
m: số nhân tố chung
Các nhân tố đặc trưng có tương quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng có thể được diễn tả như những kết hợp tuyến tính của các biến quan sát:
Fi = Wi1X1+Wi2X2+Wi3X3+…+WikXk Trong đó:
Fi: ước lượng trị số của nhân tố i Wt: quyền số hay trọng số của nhân tố k: số biến
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích được phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau đó ta chọn một tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn biến thiên còn lại và không có tương quan với nhân tố thứ nhất. Nguyên tắc này
được áp dụng như vậy để tiếp tục chọn các quyền số cho các nhân tố tiếp theo. Do vậy các nhân tố được ước lượng sao cho các quyền số của chúng, không giống như các giá trị của các biến gốc, là không có tương quan với nhau. Hơn nữa, nhân tố thứ nhất giải thích được nhiều biến nhất biến thiên của dữ liệu, nhân tố thứ hai giải thích được nhiều thứ nhì…
2.1.2.4. Phương pháp hồi quy bội[9]
Nếu kết luận được hai biến có liên hệ chặt chẽ với nhau, đồng thời giả định rằng đã cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa hai biến, và xem như đã xác định đúng hướng của mối quan hệ nhân quả có thật giữa chúng thì ta có thể mô hình hóa mối quan hệ nhân quả của chúng bằng mô hình hồi quy tuyến tính trong đó một biến được gọi là biến phụ thuộc (hay biến được giải thích – Y) và biến kia là biến độc lập (hay biến giải thích – X). Mô hình này sẽ mô tả hình thức của mối liên hệ và qua đó giúp ta dự đoán được mức độ của biến phụ thuộc (với độ chính xác trong phạm vi giới hạn) khi biết trước giá trị của biến độc lập.
Mô hình hồi quy tuyến tính bội:
Mô hình hồi quy bội mở rộng mô hình hồi quy hai biến bằng cách thêm vào một số biến độc lập để giải thích tốt hơn cho biến phụ thuộc.
Mô hình có dạng như sau:
Yi = β0+ β1X1i+ β2X2i+…+ βpXpi+ei Trong đó:
Xpi: giá trị của biến độc lập thứ p tại quan sát thứ i βk: hệ số hồi quy riêng phần thứ p
ei: biến độc lập ngẫu nhiên (có phân phối chuẩn với trung bình là 0 và phương sai không đổi α2)
Mô hình hồi quy tuyến tính bội giả định rằng biến phụ thuộc có phân phối chuẩn đối với bất kỳ kết hợp nào của các biến độc lập trong mô hình.
Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội:
Hệ số xác định R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, càng đưa thêm nhiều biến độc lập vào mô hình thì R2
càng tăng, tuy nhiên điều này cũng không được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu (tức tốt hơn).
Kiểm định độ phù hợp của mô hình:
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ở đây, biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Giả thuyết H0 là β1=β2=β3=β4.
Nếu giả thuyết H0 bị bác bỏ thì kết luận là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của Y, điều này có nghĩa là mô hình ta xây dựng phù hợp với tập dữ liệu.
Xác định tầm quan trọng của các biến trong mô hình:
Trong hồi quy bội có nhiều biến độc lập ta có thể muốn xác định với các biến đã đưa vào mô hình, biến nào có vai trò quan trọng hơn trong việc dự đoán giá trị lý thuyết của Y hay chúng quan trọng như nhau.
2.1.2.5. Phân tích Crosstab[10]
Định nghĩa:
Cross-Tabulation là một kỹ thuật thống kê mô tả hai hay ba biến cùng lúc và bảng kết quả phản ánh sự kết hợp hai hay ba biến có số lượng hạn chế trong phân tích hoặc trong giá trị khác biệt.
Phân tích Crosstab hai biến:
Bảng phân tích Cross-Tabulation hai biến còn gọi là bảng tiếp liên (contingency table), mỗi ô trong bảng chứa đựng sự kết hợp phân loại của hai biến. Việc phân tích các biến theo cột hay hàng là tùy thuộc vào việc biến đó là biến độc lập hay biến phụ thuộc. Thông thường khi xử lý biến xếp cột là biến độc lập, biến hàng là biến phụ thuộc.
Sau đây là một số kiểm định hay dùng trong phân tích Crosstab:
Chi-square: hay còn gọi là Chi-bình phương, được sử dụng rất phổ biến. Kiểm định Chi-square sẽ cho ta biết có tồn tại mối liên hệ giữa hai biến trong tổng thể hay không. Tuy nhiên, Chi-square không cho biết độ mạnh của mối liên hệ giữa
hai biến. Kiểm định Chi-square được sử dụng phổ biến nhất trong kiểm định mối liên hệ giữa hai biến định tính (định danh – định danh hay định danh – thứ bậc).
Ta sử dụng χ2 (Chi-bình phương) để kiểm định giả thuyết H0 là: “Không có mối liên hệ giữa hai biến” (hay “hai biến độc lập với nhau”). Với thủ thuật dùng giả thuyết H0, ta sẽ cố gắng để chứng minh rằng ta đã sai lầm, sự thật là có tồn tại mối quan hệ giữa các yếu tố, tức là tìm cách để có thể bác bỏ H0.
Trong kiểm định giả thuyết H0, ta có thể sử dụng giá trị p-value. P-value là xác suất phạm sai lầm loại 1 – nghĩa là xác suất loại bỏ giả thuyết H0 với những thông tin tính toán được, như vậy nó có cùng ý nghĩa với mức ý nghĩa α. Xác suất này càng cao cho thấy hậu quả của việc phạm sai lầm khi loại bỏ giả thuyết H0 càng nghiêm trọng (và ngược lại), như vậy quy luật chung là không bác bỏ H0 nếu p- value quá lớn. Như vậy ta chỉ cần xem xét độ lớn của p-value rồi ra quyết định như sau:
Nếu p-value < 0,1 thì kiểm định có ý nghĩa với độ tin cậy 90%(khái niệm “có ý nghĩa” được hiểu là giả thuyết H0 có thể bị bác bỏ với độ tin cậy 90%).
Nếu p-value < 0,05 thì kiểm định có ý nghĩa với độ tin cậy 95%(khái niệm “có ý nghĩa” được hiểu là giả thuyết H0 có thể bị bác bỏ với độ tin cậy 95%). Đây là điều kiện thường được sử dụng.
Nếu p-value < 0,01 thì kiểm định có ý nghĩa với độ tin cậy 90%(khái niệm “có ý nghĩa” được hiểu là giả thuyết H0 có thể bị bác bỏ với độ tin cậy 90%).
Cramer V: được tính dựa trên Chi-bình phương và là một kiểm định trực tiếp mối liên hệ của 2 biến, cho biết độ mạnh của mối liên hệ giữa các biến định danh.
2.1.2.6. Phân tích phương sai (ANOVA)[11]
Nếu muốn so sánh hai trị trung bình của hai nhóm tổng thể riêng biệt, ta thực hiện phép kiểm định giả thuyết về sự bằng nhau của hai trung bình tổng thể dựa trên hai mẫu độc lập rút ra từ hai tổng thể này (kiểm định t). Trong trường hợp biến phân loại gồm nhiều nhóm, chúng ta vẫn có thể sử dụng được kiểm định t. Tuy nhiên, mỗi lần tiến hành kiểm định giả thuyết về trung bình bằng nhau cho từng cặp như vậy ta chấp nhận một khả năng phạm sai lầm là 5% (hoặc nhiều hơn hay ít hơn tùy
độ tin cậy ta mong muốn), như vậy khi làm kiểm định nhiều lần khả năng sai lầm sẽ tăng lên theo số lần làm kiểm định. Trong trường hợp này, phân tích phương sai (Analysis of variance – ANOVA) được sử dụng để tiến hành kiểm định cho tất cả các nhóm mẫu cùng một lúc với khả năng phạm sai lầm chỉ 5%.
Phân tích phương sai (ANOVA) cũng được sử dụng trong trường hợp sự so sánh cho trị trung bình của nhiều nhóm tổng thể độc lập.
Phân tích phương sai (ANOVA) bao gồm phân tích phương sai một yếu tố và phân tích phương sai nhiều yếu tố. Tuy nhiên, ta chỉ xem xét phân tích phương sai một yếu tố (One-Way ANOVA).
Có một số giả định sau đối với phân tích phương sai một yếu tố: Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
Phương sai của các nhóm so sánh phải đồng nhất.
Một cách tổng quát, giả sử từ một biến phân loại ta chia tổng thể mẫu thành k nhóm độc lập gồm n1, n2,…, nk quan sát tương ứng trong từng nhóm, n là số quan sát của tổng thể mẫu.
Giả thuyết H0 cần kiểm định là trung bình thực (trung bình tổng thể) – ký hiệu là µ – của k nhóm này phải bằng nhau:
H0: µ1 = µ2 =…= µk
(Nghĩa là không có sự khác biệt giữa các trung bình của các nhóm được phân loại theo biến định tính)
Bác bỏ H0 nếu:
MSW MGS
> Fk-1,n-k,a
Trong đó:
MSG: phương sai giữa các nhóm MSW: phương sai trong nội bộ nhóm
Fk-1,n-k,α là giá trị sao cho P(Fk-1,n-k > Fk-1,n-k,α) = α
Fk-1,n-k có phân phối F với bậc tự do của tử số là (k-1) và bậc tự do của mẫu số là (n-k).
Nếu kết quả kiểm định dẫn đến việc bác bỏ H0 thì ta phải làm tiếp phân tích sâu (thủ tục Post Hoc) để xác định trung bình của nhóm nào khác với nhóm nào, tức là tìm xem sự khác biệt xảy ra ở đâu, và xác định hướng cũng như độ lớn của khác biệt.
2.1.3. Nghiên cứu định lượng
Sau khi rút ra được những nhân tố cơ bản có ảnh hưởng đến hành vi và sự thỏa mãn của người tiêu dùng tại Siêu thị máy tính từ việc phân tích các cơ sở lý thuyết và các tài liệu thứ cấp, em tiến hành thiết kế bảng câu hỏi, điều tra gián tiếp khách hàng trong siêu thị máy tính. Mục đích của bước nghiên cứu này là đo lường các yếu tố tác động đến hành vi và sự thỏa mãn của người tiêu dùng, đồng thời kiểm tra mô hình lý thuyết đặt ra.
Mẫu nghiên cứu: mẫu được lựa chọn theo phương pháp thuận tiện, kích thước mẫu dự định là 250 phần tử. Kết quả thu được 243 bảng câu hỏi (95.33%), tiếp tục kiểm tra có 20 bảng bị loại vì lý do: có quá nhiều ô trống hoặc thông tin thiếu chính xác, trả lời mang tính chiếu lệ, không cần biết đúng hay sai (chỉ có một sự lựa chọn duy nhất cho tất cả các bảng câu hỏi), những bảng câu hỏi hoàn toàn giống nhau sẽ chỉ chọn một trong số đó. Với 223 bảng câu hỏi hoàn chỉnh được sử dụng, em tiến hành việc cập nhật và làm sạch dữ liệu thông qua phần mềm SPSS 15.0.
2.2. Xây dựng thang đo
Sử dụng ba loại thang đo là thang đo thứ tự, thang đo biểu danh và thang đo likert 5 điểm.
Chương 3
PHÂN TÍCH DỮ LIỆU
3.1. Tổng quan về siêu thị máy tính TH 3.1.1. Quá trình hình thành và phát triển 3.1.1. Quá trình hình thành và phát triển
Được thành lập vào năm 1993, với tên ban đầu là Đại lý vi tính T&H, hiện nay công ty TH Nha Trang đã trở thành một công ty hàng đầu tỉnh Khánh Hòa trong lĩnh vực Công nghệ thông tin (CNTT).
Hiện nay Công ty TH Nha Trang có một đội ngũ nhân viên hơn 30 người đã tốt nghiệp Đại học và Trung cấp chuyên ngành Kỹ thuật và Kinh tế. Với một đội ngũ nhân viên trẻ trung, năng động và chuyên nghiệp, Công ty TH Nha Trang luôn luôn cố gắng phục vụ khách hàng và góp phần vào sự nghiệp phát triển CNTT tại tỉnh Khánh Hòa. Phương châm hoạt động của Công ty là: “Chịu khó – Học hỏi –