2.5. NGHIÊN CỨU CHÍNH THỨC
2.5.5. Phân tích dữ liệu thu thập đƣợc bằng phần mềm SPSS
Bước 1: Mô tả đặc điểm của mẫu điều tra
Lập bảng tần suất để mô tả mẫu thu thập theo các thuộc tính nhƣ : giới tính, độ tuổi, trình độ học vấn, nghề nghiệp và thu nhập hàng tháng.
Bước 2: Xác định các nhân tố tác động đến sự hài lòng của khách hàng đối với dịch vụ thẻ của DAB – CN Đà Nẵng
Phân tích độ tin cậy của các thang đo bằng hệ số Cronbach’s alpha.
Hệ số Cronbach’s alpha là một phép kiểm tra thống kê dùng để kiểm tra sự chặt chẽ và tương quan giữa các biến quan sát. Điều này liên quan đến hai khía cạnh là tương quan giữa bản thân các biến với điểm số toàn bộ các biến của mỗi người trả lời.
Phương pháp này cho phép người phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu vì nếu không chúng ta không thể biết đƣợc chính xác độ biến thiên cũng nhƣ độ lỗi của các biến: Sau khi thu dữ liệu, bước đầu tiên, tác giả kiểm định thang đo bằng hệ số tin cậy Cronbach’s alpha để loại các biến rác trước. Các biến có hệ số tương quan biến-tổng (Corrected Item-Total Correclation) 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) . Cũng theo nhiều nhà nghiên cứu, nếu Cronbach’s alpha đạt từ 0.8 trở lên thì thang đo lường là tốt và mức độ tương quan sẽ càng cao hơn.
Kết thúc bước này, sẽ có thể có một số biến quan sát bị loại khỏi thang đo, các biến còn lại đƣợc tiếp tục đƣa vào để phân tích nhân tố khám phá EFA.
Phân tích nhân tố khám phá (Exploratory Factor Analysis-EFA) Phân tích nhan tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998).
Một tiêu chuẩn quan trọng đối với Factor Loading lớn nhất cần đƣợc quan tâm: nó phải lớn hơn hoặc bằng 0.5: Factor Loading là chỉ tiêu để đảm bảo ý nghĩa thiết thực của EFA, Factor Loading > 0.3 đƣợc xem là đạt đƣợc mức tối thiểu, Factor Loading > 0.4 đƣợc xem là quan trọng, Factor Loading
> 0.5 đƣợc xem là có ý nghĩa thực tiễn. Hair & ctg (1998, tr 111) cũng khuyên bạn đọc nhƣ sau: nếu chọn tiêu chuẩn Factor Loading > 0.3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn Factor Loading > 0.55, nễu cỡ mẫu của bạn khoảng 50 thì Factor Loading phải > 0.75.
Tác giả kiểm định thang đo bằng phân tích nhân tố khám phá EFA để loại dần các biến có trọng số (Factor Loading) nhỏ hơn 0.5 thang đo đƣợc chấp nhận khi giá trị số KMO lớn hơn hoặc bằng 0.5 và nhỏ hơn hoặc bằng 1 (Othman & Owen, 2002), Eigenvalue lớn hơn 1 và tổng phương sai trích bằng hoặc lớn hơn 50% (Gerbing & Anderson 1988).
Ngoài ra còn phải quan tâm đến kiểm định Barlett: Kiểm định Barleet xem xét giả thiết Ho: Độ tương phản giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa trong thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể.
Phân tích nhân tố còn dựa vào Eigenvalue để xác định số lƣợng nhân tố.
Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mô hình. Đại lƣợng Eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tố hơn một biến gốc.
Ƣớc lƣợng mô hình hồi quy: Sau khi rút ra đƣợc các nhân tố từ phân tích khám phá EFA, dò tìm cá vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội nhƣ sau:
+ Kiểm định đa cộng tuyến: Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tự tương quan khá chặt chẽ giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t trong kiểm định ý nghĩa của chúng, nên các hệ số có khuynh hướng kém ý nghĩa hơn trong khi hệ số xác định R2 vẫn khá cao . Trong phân tích hồi quy bội, đa cộng tuyến đƣợc SPSS chuẩn hóa bằng tiêu chí Collinearity diagnostics VIF
(Varian inflation factor) của các biến độc lập trong mô hình. Nếu VIF đều nhỏ hơn 10 tức là mô hình có đa cộng tuyến.
+ Kiểm định tự tương quan: Tự tương quan được hiểu là sự tương quan giữa các thành phần của dãy số thời gian hoặc không gian . Tuy nhiên trong thực tế xảy ra hiện tƣợng mà thành phần nhiễu của các biến có thể phụ thuộc lẫn nhau. Hậu quả của tự tương quan có thể kể đến như là các ước lượng trung bình bé nhất không phải là ước lượng hiệu quả, phương sai ước lượng được các ước lượng bình phương bé nhất thường là chệch, kiểm định t và f không đáng tin cậy, giá trị ƣớc lƣợng R2 có thể không tin cậy khi dùng để thay thế cho giá trị thật của R2, phương sai và độ lệch chuẩn của giá trị dự đoán đã tính đƣợc không hiệu quả. Đại lƣợng thống kê Durbin – Watson đƣợc dùng để kiểm định tự tương quan.
Phân tích phương sai một yếu tố (Oneway Anova)
Sau cùng tác giả sử dụng phân tích Oneway Anova để kiểm định có sự khác biệt hay không về mức độ hài lòng của khách hàng đối với chất lƣợng dịch vụ thẻ theo đặc điểm giới tính, thu nhập, số năm sử dụng dịch vụ, độ tuổi, trình độ văn hóa... Kết quả thu đƣợc sau những phân tích này sẽ là căn cứ nhận diện để tác giả đề xuất giải pháp nâng cao sự hài lòng của khách hàng sử dụng dịch vụ thẻ theo từng nhóm khách hàng đƣợc phân loại theo đặc điểm.
KẾT LUẬNCHƯƠNG 2
đã trình bày quá trình nghiên cứu của đề tài thông qua hai bước chính là nghiên cứu sơ bộ và nghiên cứu chính thức.
Thông qua quá trình nghiên cứu n
làm cơ sở để đƣa ra kết quả nghiên cứu của đề tài.
CHƯƠNG3