CHƯƠNG 4. PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.2. Giá trị các chỉ báo quan sát
Tác giả tiến hành phân tích tiếp các bước thống kê mô tả đánh giá tổng quát về giá trị các chỉ báo quan sát. Một trong những nghiên cứu của SEM là yêu cầu các biến quan sát phải có phân phối chuẩn. Tuy nhiên giả thuyết này trong thực tế rất khó đạt
được. Theo TS Nguyễn Đình Thọ và TS Lê Nguyễn Hậu (bài giảng 2005), nếu sử dụng phương pháp áp dụng ước lượng hợp lý tối đa (maximum likelihood – ML) và các biến quan sát có giá trị thống kê liên quan đến hai thông số Skewness và Kurtosis nhỏ hơn 1 thì kết quả ước lượng vẫn là tốt nhất trong các phương pháp ước lượng (Trích từ Hồ Huy Tựu, 2007).
Bảng 4.8: Bảng phân bố mẫu mô tả nhân tố chất lượng cảm nhận
N Minimum Maximum Mean
Std.
Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic Std.
Error Statistic Std.
Error
CLDT1 250 1 5 3,66 1,045 -,474 ,154 -,641 ,307
CLDT2 250 1 5 3,62 1,081 -,409 ,154 -,843 ,307
CLDT3 250 1 5 3,59 1,058 -,387 ,154 -,790 ,307
Theo dữ liệu phân tích trên cho thấy các chỉ báo có giá trị trung bình là hơn 3 và khá tương đồng nhau. Các tham số Kurtosis và Knewness đều trong phạm vi cho phép. Vậy có thể sử dụng thủ tục ML để phân tích mô hình SEM.
Bảng 4.9: Bảng phân bố mẫu mô tả nhân tố danh tiếng
N Minimum Maximum Mean
Std.
Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic Std.
Error Statistic Std.
Error
DT1 250 2 5 3,71 ,800 -,336 ,154 -,239 ,307
DT2 250 2 5 3,97 ,725 -,723 ,154 ,941 ,307
DT3 250 2 5 3,25 ,678 ,271 ,154 ,109 ,307
DT4 250 1 5 2,95 ,687 ,287 ,154 ,308 ,307
Theo dữ liệu phân tích trên cho thấy các chỉ báo có giá trị trung bình là hơn 3 và khá tương đồng nhau. Các tham số Kurtosis và Knewness đều trong phạm vi cho phép. Vậy có thể sử dụng thủ tục ML để phân tích mô hình SEM.
Bảng 4.10: Bảng phân bố mẫu mô tả nhân tố giá
N Minimum Maximum Mean
Std.
Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic Std.
Error Statistic Std.
Error
G1 250 2 5 3,34 ,653 ,043 ,154 -,180 ,307
G2 250 1 5 3,82 ,671 -,901 ,154 1,892 ,307
G3 250 1 5 3,25 ,678 ,271 ,154 ,109 ,307
G4 250 1 5 2,95 ,687 ,287 ,154 ,308 ,307
Theo dữ liệu phân tích trên cho thấy các chỉ báo có giá trị trung bình là hơn 3 và khá tương đồng nhau. Các tham số Kurtosis và Knewness đều trong phạm vi cho phép. Tuy nhiên ở mức độ vượt qua là rất nhỏ và không đáng kể. Vậy có thể sử dụng thủ tục ML để phân tích mô hình SEM.
Bảng 4.11: Bảng phân bố mẫu mô tả nhân tố dịch vụ khách hàng
N Minimum Maximum Mean
Std.
Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic Std.
Error Statistic Std.
Error
DV1 250 1 5 3,25 1,102 -,650 ,154 -,600 ,307
DV2 250 1 5 3,72 ,750 -,883 ,154 1,237 ,307
DV3 250 1 5 2,94 1,194 -,248 ,154 -,995 ,307
DV4 250 2 5 3,83 ,649 -1,064 ,154 1,913 ,307
DV5 250 2 5 3,83 ,649 -1,064 ,154 1,913 ,307
DV6 250 1 5 2,77 1,050 ,015 ,154 -,646 ,307
DV7 250 1 5 2,44 1,119 ,282 ,154 -,868 ,307
Theo dữ liệu phân tích trên cho thấy các chỉ báo có giá trị trung bình là hơn 3 và khá tương đồng nhau. Các tham số Kurtosis và Knewness đều trong phạm vi cho
phép. Tuy nhiên ở mức độ vượt qua là rất nhỏ và không đáng kể. Vậy có thể sử dụng thủ tục ML để phân tích mô hình SEM.
Bảng 4.12: Bảng phân bố mẫu mô tả biến giá trị cảm nhận
N Minimum Maximum Mean
Std.
Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic Std.
Error Statistic Std.
Error
CNC1 250 1 5 3,15 ,863 -,215 ,154 -,585 ,307
CNC2 250 1 5 3,02 ,836 -,155 ,154 -,244 ,307
CNC3 250 1 5 2,72 ,965 ,173 ,154 -,278 ,307
CNC4 250 1,00 5,00 3,01 ,92914 -,054 ,154 -,457 ,307 Theo dữ liệu phân tích trên cho thấy các chỉ báo có giá trị trung bình là hơn 3 và khá tương đồng nhau. Các tham số Kurtosis và Knewness đều trong phạm vi cho phép. Vậy có thể sử dụng thủ tục ML để phân tích mô hình SEM.
Bảng 4.13: Bảng phân bố mẫu mô tả biến sự hài lòng
N Minimum Maximum Mean
Std.
Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic Std.
Error Statistic Std.
Error
HL1 250 1 5 3,14 ,890 -,580 ,154 -,476 ,307
HL2 250 1 5 3,02 ,883 -,243 ,154 -,403 ,307
HL3 250 1 5 3,02 ,984 -,193 ,154 -,803 ,307
Theo dữ liệu phân tích trên cho thấy các chỉ báo có giá trị trung bình là hơn 3 và khá tương đồng nhau. Các tham số Kurtosis và Knewness đều trong phạm vi cho phép. Vậy có thể sử dụng thủ tục ML để phân tích mô hình SEM.
Bảng 4.14: Bảng phân bố mẫu mô tả biến lòng trung thành
N Minimum Maximum Mean
Std.
Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic
Std.
Error Statistic Std.
Error
TT1 250 1 5 3,30 ,782 -,725 ,154 ,552 ,307
TT2 250 1 5 2,73 ,926 -,167 ,154 -,193 ,307
TT3 250 1 5 2,23 ,966 ,247 ,154 -,833 ,307
TT4 250 1 5 3,01 ,869 -,608 ,154 ,422 ,307
TT5 250 1 5 3,43 ,703 -,405 ,154 ,001 ,307
TT6 250 1 5 3,28 ,828 -,358 ,154 -,451 ,307
Theo dữ liệu phân tích trên cho thấy các chỉ báo có giá trị trung bình là hơn 3 và khá tương đồng nhau. Các tham số Kurtosis và Knewness đều trong phạm vi cho phép. Vậy có thể sử dụng thủ tục ML để phân tích mô hình SEM.
Như vậy theo dữ liệu phân tích ở trên cho thấy các chỉ báo có giá trị trung bình là hơn 3 và khá tương đồng nhau. Các tham số Kurtosis và Knewness đều trong phạm vi cho phép. Tuy nhiên ở mức độ vượt qua là rất nhỏ và không đáng kể. Vậy có thể sử dụng thủ tục ML để phân tích mô hình SEM.