2.2 PHƯƠNG PHÁP NGHIÊN CỨU
2.2.3 Phương pháp phân tích
Đề tài đƣợc sử dụng phần mềm SPSS 16.0 để hỗ trợ trong việc phân tích số liệu sơ cấp thu thập thông qua bảng câu hỏi được soạn sẵn. Phương pháp phân tích được chọn tương ứng với từng mục tiêu cụ thể:
- Mục tiêu 1: Phân tích thực trạng sử dụng dịch vụ truyền hình trả tiền trên địa bàn Huyện Lai vung-Tỉnh Đồng Tháp.
Tác giả sử dụng phương pháp thống kê mô tả với các tiêu chí như tần suất, tỷ lệ, số trung bình nhằm phản ánh thực trạng sử dụng dịch vụ truyền hình trả tiền của khách hàng trên địa bàn Huyện Lai Vung- Tỉnh Đồng Tháp.
Thống kê mô tả là tổng hợp các phương pháp đo lường, mô tả và trình bày số liệu đƣợc ứng dụng vào lĩnh vực kinh tế; bao gồm giá trị trung bình, giá trị nhỏ nhất, giá trị lớn nhất và mốt; và phân tích tần số xuất hiện của các đối tƣợng nghiên cứu.
Các đại lượng thống kê mô tả
Các đại lƣợng thống kê mô tả chỉ đƣợc tính đối với các biến định lƣợng.
Nếu tính các đại lƣợng này đối với các biến định tính thì kết quả sẽ không có ý nghĩa. Các đại lượng thống kê mô tả thường được dùng là:
- Mean: trung bình cộng của tổng số mẫu quan sát.
- Sum (tổng cộng): Cộng tất cả các dữ liệu trong tập quan sát.
- Std. Deviation (độ lệch chuẩn): Cho biết mức độ phân tán của các giá trị quanh giá trị trung bình.
- Minimum (giá trị nhỏ nhất): Biểu hiện giá trị nhỏ nhất của biến trong mẫu khảo sát đƣợc.
- Maximum (giá trị lớn nhất): Biểu hiện giá trị lớn nhất của biến trong các mẫu quan sát đƣợc.
- SE mean: Sai số chuẩn khi ƣớc lƣợng trị trung bình.
Phân phối tần số
Bước đầu tiên để mô tả và tìm hiểu về đặc tính phân phối của một mẫu số liệu thô là lập bảng phân phối tần số.
Ý nghĩa:
Bảng phân phối tần số là bảng tóm tắt các dữ liệu đƣợc sắp xếp các dữ liệu theo một thứ tự nào đó – tăng dần hoặc giảm dần. Sau đó, thực hiện các bước sau:
22
Bước 1: Xác định số tổ của dãy số phân phối (Number of classes) Số tổ = [ (2) x số quan sát (n) ] 0.333
Chú ý: Số tổ chỉ nhận giá trị nguyên dương
Bước 2: Xác định khoảng cách tổ (k) (Class interval) m
X K (Xmax min)
Trong đó: Xmax: Lƣợng biến lớn nhất của dãy phân phối Xmin: Lƣợng biến nhỏ nhất của dãy phân phối m: Số tổ
Bước 3: Xác định giới hạn trên và giới hạn dưới của mỗi tổ (Class bounderies)
Một cách tổng quát, giới hạn dưới của tổ đầu tiên sẽ là lượng biến nhỏ nhất của dãy số phân phối, sau đó lấy giới hạn dưới cộng với khoảng cách tổ của giới hạn trên, lần lƣợt nhƣ vậy cho đến tổ cuối cùng. Giới hạn trên của tổ cuối cùng thường là lượng biến lớn nhất của dãy số phân phối.
Bước 4: Xác định tần số của mỗi tổ bằng cách đếm số quan sát rơi vào giới hạn của tổ đó. Cuối cùng, trình bày kết quả trên biểu bảng, sơ đồ.
Phân phối tần số tích lũy (Cumulative frequency distribution)
Ý nghĩa: phân phối tần số ở trên là việc lập, tóm tắt các dữ liệu và trình bày các dữ liệu thanh bảng hoặc biểu đồ, phân phối tần số tích lũy (hay tần số cộng dồn) đáp ứng một mục đích khác của phân tích thống kê là khi thông tin đƣợc đòi hỏi muốn biết số quan sát mà giá trị của nó ít hơn một giá trị cho sẵn nào đó.
- Mục tiêu 2: Phân tích các yếu tố ảnh hưởng đến chất lượng dịch vụ truyền hình trả tiền của khách hàng trên địa bàn huyện Lai Vung- Tỉnh Đồng Tháp.
Ở mục tiêu này trước tiên tác giả sử dụng phương pháp kiểm định hệ số Cronbach’s Alpha để xây dựng và kiểm định độ phù hợp của thang đo trong mô hình nghiên cứu. Tiếp theo, sử dụng phân tích nhân tố khám phá (EFA) để thu nhỏ và tóm tắt các dữ liệu, qua đó ta sẽ biết đƣợc những nhân tố nào ảnh hưởng đến chất lượng dịch vụ truyền hình trả tiền được nghiên cứu. Sau đó, sử dụng phân tích hồi quy tuyến tính đa biến để biết mức độ ảnh hưởng của từng nhân tố đến chất lƣợng dịch vụ nhƣ thế nào.
23
Phân tích nhân tố (Factor Analysis)
Định nghĩa: Đƣợc sử dụng để rút gọn và tóm tắt dữ liệu. Trong nghiên cứu marketing, có thể có rất nhiều biến để khảo sát, đa phần chúng có tương quan với nhau và thường được rút gọn để dễ quản lý. Trong phân tích ANOVA hay hồi quy, tất cá các biến nghiên cứu thì có một biến phụ thuộc còn lại là các biến độc lập với nhau hoàn toàn, nhƣng đối với phân tích nhân tố thì không hề có sự phân biệt đó. Phân tích nhân tố tạo mối quan hệ phụ thuộc lẫn nhau giữa các biến, trong đó mối quan hệ này đƣợc xác định. Phân tích nhân tố được sử dụng trong các trường hợp sau:
Nhận dạng các nhân tố để giải thích các mối quan hệ giữa các biến số.
Nhận dạng biến mới thay thế cho các biến ban đầu trong phân tích đa biến.
Nhận dạng một bộ có số biến ít hơn cho việc sử dụng để phân tích đa biến.
Bước đầu cho sử dụng phân tích nhân tố EFA là kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s alpha và hệ số tương quan tổng biến của các biến.
+ Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ giữa các biến quan sát. Hệ số Alpha càng cao thể hiện tính đồng nhất của các biến càng cao tức là mức độ liên kết của các biến đo lường càng cao. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo là tốt; từ 0,7 đến gần 0,8 là sử dụng đƣợc; Cũng có nhà nghiên cứu đề nghị Cronbach alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu. (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008).
+ Hệ số tương quan tổng biến của các biến cho biết biến đo lường nào cần được bỏ đi và biến đo lường nào cần được giữ lại. Các biến có hệ số tương quan tổng biến nhỏ hơn 0,3 đƣợc coi là biến “rác” và sẽ loại khỏi thang đo.
Sau khi kiểm định độ tin cậy của thang đo tiếp theo ta sẽ tiến hành phân tích nhân tố khám phá (EFA). Phân tích nhân 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 và ctv, 1998)
24
Phân tích nhân tố EFA theo phương pháp Principal Componets với phép xoay Varimax. Các biến có hệ số tải nhân tố (Factor loading) nhỏ hơn 0.5 sẽ tiếp tục bị loại và mô hình EFA chỉ thích hợp khi 0.5 < KMO < 1 và sig.<0.05.
Mô hình phân tích nhân tố: Về mặt toán học, mô hình phân tích nhân tố giống như phương trình hồi quy nhiều chiều mà trong đó mỗi biến được đặc trƣng cho mỗi nhân tố. Những nhân tố này thì không đƣợc quan sát một cách riêng lẻ trong mô hình. Nếu các biến đƣợc chuẩn hóa mô hình nhân tố có dạng sau:
Xi = Ai1F1 + Ai2F2 + AimFm + ViUi
Trong đó: Xi: là biến đƣợc chuẩn hóa thứ i
Aij: hệ số hồi quy bội của biến chuẩn hóa thứ I trên nhân tố chung j F: nhân tố chung
VI: hệ số hồi quy bội của biến chuẩn hóa thứ I trên nhân tố chung i Ui: nhân tố duy nhất của biến
m: số nhân tố chung
Tiến hành phân tích nhân tố
25
Phương pháp hồi quy tuyến tính đa biến
Bản chất của phân tích hồi quy là nghiên cứu mối liên hệ giữa biến phụ thuộc với một hay nhiều biến độc lập. Mô hình hồi quy đa biến có biến phụ thuộc là Y, phụ thuộc vào nhiều biến độc lập X, có dạng nhƣ sau:
Yi = 0 +1 X1i + 2X2i +…+ pXpi + ei Trong đó:
Xpi: Biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i
0 : Là hệ số tự do (hệ số chặn), nó là giá trị trung bình của biến Y khi
p =0
Các hệ số p đƣợc gọi là hệ số hồi quy riêng phần.
Thành phần ei là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi.
Đánh giá độ phù hợp của mô hình: Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) đƣợc dùng để đánh giá độ phù hợp của mô hình. Vì R2 sẽ tăng khi đƣa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình, R2 hiệu chỉnh càng lớn càng thể hiện độ phù hợp của mô hình càng cao.
- Mục tiêu cụ thể 3: Đề xuất giải pháp nâng cao chất lƣợng dịch vụ nhằm đáp ứng ngày một tốt hơn nhu cầu của khách hàng về dịch vụ truyền hình trả tiền trên địa bàn huyện Lai Vung -Tỉnh Đồng Tháp.
Nghiên cứu tổng hợp những yếu kém và tồn tại của chất lƣợng dịch vụ truyền hình trả tiền, đồng thời căn cứ vào những phân tích tác động các yếu tố chất lƣợng dịch vụ đến cảm nhận của khách hàng để đề xuất một số giải pháp nhằm nâng cao chất lƣợng và phát triển hơn cho dịch vụ này trên địa bàn Huyện Lai Vung- Tỉnh Đồng Tháp.
26