6 Kết cấu của luận văn
2.2.2.1 Mẫu nghiên cứu
Bảng câu hỏi tự trả lời đã được sử dụng để thu thập thơng tin cần nghiên cứu trong đề tài này. Việc phát bảng câu hỏi được thực hiện bởi chính tác giả.
Xác định kích thước mẫu là cơng việc khá phức tạp bởi hiện tại cĩ quá nhiều quan điểm khác nhau. Nhiều nhà nghiên cứu địi hỏi cĩ kích thước mẫu lớn vì nĩ dựa vào lý thuyết phân phối mẫu lớn (Raykov & Widaman, 1995). Tuy nhiên, kích thước mẫu bao nhiêu là lớn thì hiện nay chưa xác định rõ ràng. Hơn nữa, kích thước mẫu cịn tùy thuộc phương pháp ước lượng sử dụng. Nếu sử dụng phương pháp ước lượng ML3 thì kích thước mẫu tối thiểu phải từ 100 đến 150 mẫu (Hair & ctg, 1983), hay ít nhất là 200 mẫu (Hoelter). Bollen (1989) cho rằng kích thước mẫu tối thiểu là 5 mẫu cho một tham số ước lượng (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007) hay 15 mẫu cho một biến (Phạm Đức Kỳ và Bùi Nguyên Hùng, 2007). Tuy nhiên, số lượng mẫu cũng xác định trên số lượng tổng thể nghiên cứu (bằng 1/10 qui mơ mẫu) (Nguyễn Viết Lâm, 2007).
Theo kinh nghiệm, nguyên tắc chọn mẫu là = số biến * 5 là số mẫu tối thiểu. Như vậy cỡ mẫu của nghiên cứu này là 235 (47 biến * 5). Tuy nhiên, vì tình hình thực tế của siêu thị Big C Vinh, Nghệ An do số khách hàng đi siêu thị mua sắm tương đối lớn. Vì vậy, trong thời gian tháng 3 – tháng 4 năm 2013, tác giả đã phát ra 275 bảng câu hỏi, thu về 264 bảng câu hỏi nhưng cĩ 14 phiếu khơng hợp lệ do cĩ nhiều ơ trống. Như vậy, cuối cùng tác giả thu được 250 mẫu đạt yêu cầu đạt 90,9%.
2.2.2.2 Phương pháp thu thập số liệu
Phương pháp chọn mẫu được áp dụng là phương pháp thuận tiện theo hạn ngạch (phi xác suất). Tuy nhiên, vì tỷ lệ mẫu/tổng thể cao (250/275 tương đương với 90,9%), nên cĩ thể nĩi rằng tính đại diện của tổng thể tương đối cao. Bảng câu hỏi được phát trực tiếp cho các khách hàng để họ trả lời và gửi lại cho tác giả sau vài tiếng. Người được hỏi khơng cần để lại danh tính trên bảng câu hỏi, đảm bảo rằng các câu trả lời là thẳng thắn, khách quan và cĩ độ tin cậy cao.
2.2.2.3 Phương pháp phân tích số liệu
2.2.2.3.1. Phương pháp phân tích độ tin cậy của thang đo
Những mục hỏi đo lường cùng một khái niệm tiềm ẩn thì phải cĩ mối liên quan với những cái cịn lại trong nhĩm đĩ. Hệ số của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Cơng thức của hệ số Cronbach Alpha là: = N/[1 + (N – 1)]
Trong đĩ: là hệ số tương quan trung bình giữa các mục hỏi.
Phương pháp này cho phép người phân tích loại bỏ các biến khơng phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thơng qua hệ số Cronbach alpha. Những biến cĩ hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đo cĩ hệ số Cronbach alpha từ 0.6 trở lên là cĩ thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thơng thường, thang đo cĩ Cronbach alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo cĩ độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
2.2.2.3.2. Phương pháp thống kê mơ tả a. Khái niệm thống kê mơ tả
Thống kê mơ tả được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mơ tả cung cấp những tĩm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Bước đầu tiên để mơ tả và tìm hiểu về đặc tính phân phối của một bảng số liệu thơ là lập bảng phân phối tần số. Sau đĩ, sử dụng một số hàm để làm rõ đặc tính của mẫu phân tích. Để hiểu được các hiện tượng và ra quyết định đúng đắn, cần nắm được các phương pháp cơ bản của mơ tả dữ liệu. Cĩ rất nhiều kỹ thuật hay được sử dụng, cĩ thể phân loại các
kỹ thuật này như sau:
- Biểu diễn dữ liệu bằng đồ họa trong đĩ các đồ thị mơ tả dữ liệu hoặc giúp so sánh dữ liệu;
- Biểu diễn dữ liệu thành các bảng số liệu tĩm tắt về dữ liệu;
- Thống kê tĩm tắt (dưới dạng các giá trị thống kê đơn nhất) mơ tả dữ liệu.
b. Các đại lượng thống kê mơ tả
- Mean: Số trung bình cộng. - Sum: Tổng cộng.
- Std.deviation: Độ lệch chuẩn.
- Minimum, maximum: Giá trị nhỏ nhất, giá trị lớn nhất. - DF: Bậc tự do.
- Std error: Sai số chuẩn.
- Median: Là lượng biến của tiêu thức của đơn vị đứng ở vị trí giữa trong dãy số lượng biến, chia số lượng biến thành hai phần (phần trên và phần dưới) mỗi phần cĩ cùng một số đơn vị bằng nhau.
- Mode: Là biểu hiện của tiêu thức được gặp nhiều nhất trong tổng thể hay trong dãy phân phối. Trong dãy lượng biến, mode là lượng biến cĩ tần số lớn nhất.
2.2.2.3.3. Phương pháp phân tích nhân tố khám phá EFA a.. Khái niệm
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tĩm tắt các dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến khơng đảm bảo độ tin cậy. Trong nghiên cứu, chúng ta cĩ thể thu thập được một số lượng biến khá lớn và hầu hết các biến này cĩ liên hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta cĩ thể sử dụng được. Liên hệ giữa các nhĩm biến cĩ liên hệ qua lại lẫn nhau được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản. Vì vậy, phương pháp này rất cĩ ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
b. Mơ hình phân tích nhân tố
Về mặt tính tốn, phân tích nhân tố hơi giống phân tích hồi quy bội ở chỗ mỗi biến được biểu diễn như là một kết hợp tuyến tính của các nhân tố cơ bản. Lượng biến thiên của một biến được giải thích bởi những nhân tố chung trong phân tích gọi là
communality. Biến thiên chung của các biến được mơ tả bằng một số ít các nhân tố chung cộng với một nhân tố đặc trưng cho mỗi biến. Những nhân tố này khơng bộc lộ rõ ràng.
Nếu các biến được chuẩn hĩa thì mơ hình nhân tố được thể hiện bằng phương trình:
Xi = Ai1F1 + Ai2F2 + Ai3F3 + … + AimFm+ViUi
Trong đĩ:
Xi: biến thứ i được chuẩn hĩa.
Aim: Hệ số hồi quy bội chuẩn hĩa của nhân tố m đối với biến i. Fi: Nhân tố chung.
Vi: Các hệ số hồi quy chuẩn hĩa của nhân tố đặc trưng i đối với biến i. Ui : Nhân tố đặc trưng của biến i.
m: Số nhân tố chung.
Các nhân tố đặc trưng cĩ tương quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng cĩ thể diễn tả như những kết hợp tuyến tính của các biến quan sát:
Fi = Wi1X1+ Wi2X2+ Wi3X3+…+ WikXk
Trong đĩ:
Fi: Ước lượng trị số của nhân tố thứ i. Wi : Quyền số hay trọng số nhân tố. k: Số biến.
Chúng ta cĩ thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích được phần biến thiên nhiều nhất trong tồn bộ biến thiên. Sau đĩ ta chọn một tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn biến thiên cịn lại và khơng cĩ tương quan với nhân tố thứ nhất.
Nguyên tắc này được áp dụng như vậy để tiếp tục chọn quyền số cho các nhân tố tiếp theo. Do vậy, các nhân tố được ước lượng sao cho các quyền số của chúng, khơng giống như các giá trị của các biến gốc, là khơng tương quan với nhau. Hơn nữa, nhân tố thứ nhất giải thích được nhiều nhất biến thiên của dữ liệu, nhân tố thứ hai giải thích được nhiều thứ nhì…
c. Các tham số trong phân tích nhân tố:
- Barlett' test of sphericity: Đại lượng Bartlett là một đại lượng thống kê dùng để xem xét giả thiết các biến khơng cĩ tương quan trong tổng thể. Nĩi cách khác, ma trận tương quan tổng thể là một ma trận đồng nhất, mỗi biến tương quan hồn tồn với chính nĩ nhưng khơng tương quan với các biến khác.
- Correlation matrix: Cho biết hệ số tương quan giữa tất cả các cặp biến trong phân tích.
- Communality: Là lượng biến thiên của một biến được giải thích chung với các biến khác được xem xét trong phân tích.
- Eigenvalue: Đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Chỉ những nhân tố cĩ eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố .Những nhân tố cĩ eigenvalue nhỏ hơn 1 sẽ khơng cĩ tác dụng tĩm tắt thơng tin tốt hơn một biến gốc.
- Factorloading: Là những hệ số tương quan đơn giữa các biến và các nhân tố.
- Factor matrix: Chứa các hệ số tải nhân tố của tất cả các biến đối với các nhân tố được rút ra.
- Kaiser- Meyer-Olkin (KMO): Trong phân tích nhân tố, trị số KMO là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải cĩ giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố cĩ khả năng khơng thích hợp với các dữ liệu.
- Percentage of variance: phần trăm phương sai tồn bộ được giải thích bởi từng nhân tố. Nghĩa là coi biến thiên là 100% thì giá trị trị này cho biết phân tích nhân tố cơ đọng được bao nhiêu phần trăm.
2.2.2.3.4. Phân tích hồi quy a. Định nghĩa
Phân tích hồi quy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc hay biến được giải thích) vào một hay nhiều biến khác (biến độc lập hay biến giải thích) với ý tưởng cơ bản là ước lượng hay dự đốn giá trị trung bình của biến phụ thuộc trên cơ sở đã biết của biến độc lập.
b. Các giả định khi xây dựng mơ hình hồi quy
Mơ hình hồi quy cĩ dạng:
Các giả định quan trọng khi phân tích hồi quy tuyến tính
- Giả thiết 1: Giả định liên hệ tuyến tính.
- Giả thiết 2: Phương sai cĩ điều kiện khơng đổi của các phần dư. - Giả thiết 3: Khơng cĩ sự tương quan giữa các phần dư.
- Giả thiết 4: Khơng xảy ra hiện tượng đa cộng tuyến. - Giả thiết 5: Giả thiết về phân phối chuẩn của phần dư.
c. Xây dựng mơ hình hồi quy
Các bước xây dựng mơ hình:
Bước 1: Xem xét ma trận hệ số tương quan
Để xem xét mối quan hệ giữa biến phụ thuộc và các biến độc lập thơng qua xây dựng ma trận tương quan. Đồng thời ma trận tương quan là cơng cụ xem xét mối quan hệ giữa các biến độc lập với nhau nếu các biến này cĩ tương quan chặt thì nguy cơ xảy ra hiện tượng đa cộng tuyến cao dẫn đến việc vi phạm giả định của mơ hình.
Bước 2: Đánh giá độ phù hợp của mơ hình
Thơng qua hệ số R2 ta đánh giá độ phù hợp của mơ hình xem mơ hình trên giải thích bao nhiêu % sự biến thiên của biến phụ thuộc.
TSS
R2 =
ESS Trong đĩ:
ESS: tổng bình phương tất cả các sai lệch giữa giá trị dự đốn của Yi và giá trị trung bình của chúng.
TSS: tổng bình phương sai lệch giữa giá trị Yi và giá trị trung bình của chúng. Khi đưa càng nhiều biến vào mơ hình thì hệ số này càng cao. Tuy nhiên, R2 ở hồi quy bội khơng phản ánh đúng sự phù hợp của mơ hình như trong mơ hình hồi quy đơn. Lúc này, ta phải sử dụng R2 điều chỉnh để đánh giá sự phù hợp của mơ hình.
Bước 3: Kiểm định sự phù hợp của mơ hình
Sử dụng kiểm định F để kiểm định với giả thiết Ho: B1 = B2 = Bn = 0
Nếu giả thiết này bị bác bỏ thì ta cĩ thể kết luận mơ hình ta xây dựng phù hợp với tập dữ liệu.
Ý tưởng đánh giá tầm quan trọng tương đối của các biến độc lập trong mơ hình thơng qua xem xét mức độ tăng của R2 khi một biến giải thích được đưa thêm vào mơ hình. Nếu mức độ thay đổi này mà lớn thì chứng tỏ biến này cung cấp thơng tin độc nhất về sự phụ thuộc mà các biến khác trong phương trình khơng cĩ được. Ta đánh giá tầm quan trọng của một biến thơng qua hai hệ số:
Hệ số tương quan từng phần: căn bậc hai của R2 change. Thể hiện mối tương quan giữa biến Y và X mới đưa vào. Tuy nhiên, sự thay đổi của R2 khơng thể hiện tỉ lệ phần biến thiên mà một mình biến đĩ cĩ thể giải thích. Lúc này, ta sử dụng hệ số tương quan riêng bằng căn bậc 2 của , với:
Bước 5: Lựa chọn biến cho mơ hình
Đưa nhiều biến độc lập vào mơ hình hồi quy khơng phải lúc nào cũng tốt vì những lý do sau (trừ khi chúng cĩ tương quan chặt với biến phụ thuộc):
- Mức độ tăng R2 quan sát khơng hẳn phản ảnh mơ hình hồi quy càng phù hợp hơn với tổng thể.
- Đưa vào các biến khơng thích đáng sẽ làm tăng sai số chuẩn của tất cả các ước lượng mà khơng cải thiện được khả năng dự đốn.
- Mơ hình nhiều biến thì khĩ giải thích và khĩ hiểu hơn mơ hình ít biến. Ta sử dụng SPSS để giải quyết vấn đề trên. Các thủ tục chọn biến trên SPSS: Phương pháp đưa vào dần, phương pháp loại trừ dần, phương pháp từng bước (là sự kết hợp của hai phương pháp loại trừ dần và đưa vào dần).
Bước 6: Dị tìm sự vi phạm các giả các giả thiết (đã nêu ở trên bằng các xử lý của SPSS).
Ngồi ra, sử dụng phân tích chi bình phương một mẫu để tìm ra quy luật phân phối của mẫu và đánh giá độ tin cậy của thang đo thơng qua hệ số Cronbach Alpha.
Chương 3. KẾT QUẢ NGHIÊN CỨU 3.1 Giới thiệu
Chương này giới thiệu tổng quan về đối tượng nghiên cứu, từ đĩ tiến hành các phân tích và đưa ra các kết quả về đối tượng nghiên cứu, kết quả đánh giá về độ tin cậy, độ giá trị của thang đo, kết quả kiểm định các giả thuyết nghiên cứu, kết quả đo lường mức độ hài lịng của khách hàng khi đi mua sắm tại siêu thị và cuối cùng là kết quả về cường độ ảnh hưởng của các yếu tố đến sự hài lịng của khách hàng đối với siêu thị.