CHƯƠNG 2: THIẾT KẾ NGHIÊN CỨU
2.2. THIẾT KẾ NGHIÊN CỨU
2.2.3. Nghiên cứu chính thức (Nghiên cứu định lượng)
Đối tượng nghiên cứu là khách hàng có sử dụng dịch vụ thông tin di động Viettel trên địa bàn Tỉnh Quảng Ngãi, bao gồm cả thuê bao trả trước và trả sau.
b. Phương tiện nghiên cứu
Sử dụng phần mềm SPSS 16.0 để xử lý và phân tích dữ liệu theo trình tự các bước sau:
Bước 1: Mã hóa dữ liệu và nhập liệu thông qua bảng câu hỏi Bước 2: Làm sạch dữ liệu
Trước khi tiến hành phỏng vấn thì phỏng vấn viên cần phỏng vấn sơ bộ và gạt bỏ những đối tượng không đủ tiêu chuẩn của phỏng vấn sâu. Trong đề tài này thì phỏng vấn viên cần phỏng vấn khách hàng đã và đang sử dụng mạng viễn thông di động Viettel chưa, nếu khách hàng trả lời có thì tiếp tục phỏng vấn sâu hơn. Mục đích của bước này là nhằm thu thập dữ liệu một cách chính xác và không mất thời gian của người phỏng vấn cũng như người được phỏng vấn.
Phỏng vấn viên có nhiệm vụ giải thích kỹ lưỡng những gì đối tượng phỏng vấn chưa hiểu hay hiểu chưa chính xác về bảng câu hỏi, sau khi phỏng vấn xong, phỏng vấn viên phải kiểm tra thật nhanh bảng trả lời, nếu phát hiện câu hỏi nào bị sót thì nhanh chóng phỏng vấn lại để đảm bảo không có dữ liệu nào bị khuyết.
Bước 3: Phân tích thống kê mô tả
Nhằm mục đích mô tả những thông tin cơ bản của mẫu điều tra như:
giới tính, nghề nghiệp, thu nhập bình quân hàng tháng, cước phí sử dụng, loại thuê bao. Dựa vào kết quả phân tích này, công ty đưa ra được điểm mạnh, điểm yếu trong từng phân khúc thị trường và có chiến lược phát triển ở từng phân khúc đó.
Bước 4: Phân tích độ tin cậy của các thang đo bằng hệ số Cronbach’s Alpha
Công cụ Cronbach’s Alpha dùng để kiểm định mối tương quan giữa các biến. Nếu biến nào mà sự tồn tại của nó làm giảm Cronbach’s Alpha thì sẽ được loại bỏ để Cronbach’s Alpha tăng lên, các biến còn lại giải thích rõ hơn về bản chất của khái niệm chung đó. Vì thế sau khi thu thập dữ liệu, bước đầu tiên, tác giả kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha để loại bỏ các biến không phù hợp và hạn chế các biến rác. Các biến có hệ số tương quan biến tổng (Corrected Item – Total Correlation) nhỏ hơn 0.3 sẽ bị
loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy Cronbach’s Alpha từ 0.6 trở lên (theo Nunnally& Burnstein 1994). Thông thường thang đo có Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
Bước 5: Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA).
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy, các biến còn lại tiếp tục được đưa vào để phân tích nhân tố khám phá. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu chúng ta thu thập lượng biến khá lớn nhưng các biến có liên hệ với nhau nên chúng ta gộp chúng thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng một số ít nhân tố cơ bản có tác động đến mức độ hài lòng của khách hàng.
Cần chú ý trị số KMO (Kaiser - Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị từ 0.5 đến 1 thì phân tích nhân tố 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.
Ngoài trị số KMO, chúng ta cần quan tâm đến kiểm định Bartlett:
Kiểm định xem xét giả thuyết Ho: Độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có Sig nhỏ hơn hay bằng 0.05 là có ý nghĩa trong thống kê và các biến quan sát có tương quan nhau trong tổng thể.
Ngoài ra phân tích nhân tố cần dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi các nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không
có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng phân tích nhân tố là ma trận nhân tố ( Component matrix) hay ma trận nhân tố khi các nhân tố được xoay (roatated 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): là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA, việc lựa chọn giá trị của EFA phụ thuộc vào cỡ mẫu quan sát và mục đích của nghiên cứu. Nếu FA>= 0.3 là đạt được mức tối thiểu với cỡ mẫu khoảng 350, nếu FA >= 0.4 được xem là quan trọng và FA>= 0.5 được xem như là có ý nghĩa trong thực tiễn. Hệ số tải nhân tố này biểu diễn mối tương quan giữa các biến và các nhân tố.
Bước 6: Phân tích hồi quy.
Sau khi đánh giá các thang đo ảnh hưởng đến sự hài lòng của khách hàng, ta tiến hành lập phương trình hồi quy gồm 1 biến phụ thuộc là sự hài lòng của khách hàng và nhiều biến độc lập là các thang đo sau khi đã phân tích ở bước 5. Phân tích hồi quy để thấy được mức độ ảnh hưởng của từng nhân tố đến sự hài lòng khách hàng là như thế nào.
Phương trình hồi quy có dạng như sau:
Y = β1 + β2 X2 + β2 X3 + β4 X4+ β5 X5 + β6 X6 + β7 X7 + β8 X8 + Ui Biến phụ thuộc Y: sự hài lòng của khách hàng đối với dịch vụ viễn thông di động.
X2, X3, X4, X5, X6, X7, X8 : biến độc lập bao gồm các nhân tố như : Chất lượng cuộc gọi; cấu trúc giá; hình ảnh thương hiệu; quảng cáo và khuyến mãi;
dịch vụ khách hàng, dịch vụ gia tăng và sự thuận tiện. Sau khi phân tích hồi quy thì sự có mặt của các biến độc lập trong mô hình chính là các nhân tố tác động đến sự hài lòng của khách hàng về dịch vụ viễn thông di động.
β1, β2, β3, β4, β5, β6 là các hệ số beta hay hệ số hồi quy ứng với từng biến
độc lập. Hệ số hồi quy cho biết ảnh hưởng riêng của một biến độc lập đến giá trị trung bình của biến sự hài lòng của khách hàng khi các biến độc lập còn lại không thay đổi. Với biến độc lập nào có hệ số beta càng lớn thì mức độ tác động đến sự hài lòng càng nhiều.
Phân tích hồi quy để xác định mức ý nghĩa Sig và hệ số xác định R2 để chứng tỏ sự phù hợp của mô hình, xem xét giá trị sig đối với từng nhân tố và nếu sig>= 0.05 thì loại nhân tố đó ra khỏi mô hình. Tiếp theo tiến hành các kiểm định các giả thuyết và kiểm định khắc phục các hiện tượng như đa cộng tuyến, tự tương quan.
Bước 7: Phân tích phương sai một yếu tố (Oneway Anova).
Kiểm định Oneway Anova được dùng để so sánh mối quan hệ giữa một biến định tính và một biến định lượng. Cụ thể với đề tài này là so sánh sự khác biệt về mức độ hài lòng của khách hàng đối với chất lượng dịch vụ viễn thông di động Viettel Quảng Ngãi theo các đặc điểm về thu nhập, giới tính, nghề nghiệp...Kết quả của phân tích này cũng giúp tác giả đề xuất những giải pháp nâng cao sự hài lòng của khách hàng đối với dịch vụ viễn thông di động Viettel chi nhánh Quảng Ngãi.