CHƯƠNG 3: PHƯƠNG PHÁP VÀ KẾT QUẢ NGHIÊN CỨU
3.2.3. Phương pháp xử lý số liệu
Để đánh giá thực trạng sự hài lòng của khách hàng, tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA (Explore Factor Analysis), phương pháp
phân tích hồi quy tuyến tính bội và phương pháp kiểm định Cronbach’s Alpha với sự hỗ trợ của phần mềm SPSS 20.0
3.2.3.1. Nhập liệu
Nhập dữ liệu vào mã hóa các thuộc tính: Name, Type, Width, Decimal, Value… Dùng lệnh Frequency để phát hiện các dữ liệu lỗi, sau đó kiểm tra lại và điều chỉnh cho phù hợp.
3.2.3.2. Nghiên cứu mô tả dữ liệu
Sử dụng phương pháp thống kê tần số (số lần xuất hiện của một quan sát trong biến quan sát đó). Phương pháp này được sử dụng trong nghiên cứu để thống kê các nhân tố nhân khẩu học: độ tuổi, thu nhập, nơi ở hiện tại.
Phương pháp thống kê mô tả được sử dụng để phân tích thông tin về đối tượng trả lời phiếu khảo sát thông qua trị số Mean, giá trị Min – Max, giá trị khoảng cách.
3.2.3.3 Kiểm định độ tin cậy, giá trị của thang đo
Độ tin cậy của thang đo được đánh giá qua hệ số Cronbach Alpha:
–Hệ số Cronbach Alphadùng để tìm hiểu xem các biến quan sát có cùng đo lường cho một khái niệm cần đo hay không và giúp loại bớt các biến không phù hợp. Cronbach Alpha được đánh giá theo nguyên tắc như sau:
+ < 0,6: Thang đo nhân tố là không phù hợp (trong môi trường nghiên cứu đối tượng khảo sát không có cảm nhận về nhân tố được đề cập).
+ 0,6 – 0,7: Chấp nhận được trong trường hợp khái niệm đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
+ 0,7 – 0,8: Chấp nhận được.
+ 0,8 – 0,95: Tốt
+ ≥ 0,95: Chấp nhận được nhưng không tốt, nên xem xét các biến quan sát có hiện tượng “trùng biến”.
–Hệ số tương quan biến tổngcho biết mức độ “liên kết” giữa một biến quan sát trong nhân tố với các biến còn lại bằng việc lấy tương quan của biến đo lường xem xét với tổng biến còn lại của thang đo. Nó phản ánh mức độ đóng góp vào giá trị khái niệm của nhân tố của một biến quan sát cụ thể.
+ Hệ số tương quan biến – tổng> 0,3: chấp nhận biến.
+ Hệ số tương quan biến – tổng< 0,3:loại biến.
(Nguồn: Nunnally & cộng sự 1994, trích bởi Nguyễn Đình Thọ, 2013) 3.2.3.4. Kiểm định giá trị của thang đo
Kiểm định giá trị thang đo là kiểm tra giá trị hội tụ và giá trị phân biệt của từng khái niệm và giữa các khái niệm với nhau thông qua phân tích EFA (Nguyễn Đình Thọ, 2013). Phân tích nhân tố khám phá EFA dùng để rút gọn một tập biến quan sát thành một tập các nhân tố nhỏ có ý nghĩa hơn.
– Hệ số KMO (Kaiser – Meyer – Olkin)trong EFA là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số KMO được áp dụng như sau:
+0,5 ≤ KMO ≤ 1: đủ điều kiện để tiến hành phân tích nhân tố.
+KMO < 0,5: phân tích nhân tố không thích hợp với dữ liệu.
– Phép xoay Varimax và Hệ số tải nhân tố (Factor loadings): là những hệ số tương quan đơn giữa các biến và các nhân tố. Các hệ số này được thực hiện nhằm đánh giá giá trị hội tụ và phân biệt của thang đo
+Giá trị hội tụ: Các biến trong cùng 1 thang đo thể hiện cùng 1 khái niệm nghiên cứu. Hệ số tải nhân tố < 0,5 thì nên loại biến quan sát đó để đảm bảo giá trị hội tụ giữa các biến. Hệ số này phải thỏa điều kiện > 0,5 (Nguyễn Đình Thọ, 2013).
+Giá trị phân biệt: các biến trong cùng 1 thang đo có sự phân biệt với các biến trong cùng 1 thang đo khác, do đó đòi hỏi chênh lệch hệ số tải nhân tố giữa các biến đó phải tối thiểu là 0,3 (Nguyễn Đình Thọ, 2013) và ngược lại nên loại biến này tránh sự trùng lặp giữa các khái niệm nghiên cứu.
3.2.3.5 Phân tích hồi quy
Phân tích hồi quylà một phân tích thống kê để xác định xem các biến độc lập quy định các biến phụ thuộc như thế nào. Các hệ số cần lưu ý trong phân tích hồi quy:
– Giá trịR2 (R Square),R2 hiệu chỉnh (Adjusted R Square)phản ánh phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc trong mô hình hồi quy. R2 hiệu chỉnh phản ánh sát hơn so với R2. Mức giao động của 2 giá trị này từ 0 đến 1, tuy nhiên việc đạt được mức giá trị bằng 1 là gần như không tưởng dù mô hình đó tốt đến - nhường nào. Giá trị này nằm trong bảng Model Summary. Chúng ta chọn mức tương đối là 0.5 để làm giá trị phân ra 2 nhánh ý nghĩa mạnh yếu:
-Từ 0.5 đến 1thì mô hình là tốt -Be hon 0.5là mô hình chưa tốt.
Đây là con số nhắm chừng chứ không có tài liệu chính thức nào quy định hồi.