4. Phương pháp luận nghiên cứu
3.2.5.4. Mô hình điều chỉnh
Từ kết quả phân tích nhân tố khám phá, các biến quan sát hội tụ thành 7 nhân tố với các trọng số đều lớn hơn 0.4 và các biến đều cùng đo lường các nhân tố theo như giả thuyết xây dựng ban đầu. Vì vậy có 7 nhân tố ảnh hưởng đến chất lượng dịch vụ
của Maximark với các đối thủ cạnh tranh trên địa bàn thành phố Nha Trang (Metro và Coopmart).
Việc giải thích các nhân tố được thực hiện trên cơ sở nhận ra các biến quan sát có hệ số tải nhân tố (factor loading) lớn nằm trong cùng một nhân tố. Vì vậy, tất cả các biến quan sát trên đều được giữ lại cho bước phân tích tiếp theo. Các nhóm nhân tố được đặt tên và tính toán như sau:
1. "Sự thuận tiện mua sắm" gồm 9 biến STT1, STT2, STT3, STT4, STT5, STT6, STT7, STT8, STT9.
STT = (STT1 + STT2 + STT3 + STT4 + STT5 + STT6 + STT7 + STT8 + STT9)/9
2. "Nhân viên phục vụ" gồm 4 biến NV1, NV2, NV3, NV4. NV= (NV1 + NV2 + NV3 + NV4)/4 3. "Hàng hóa" gồm 6 biến HH1, HH2, HH3, HH4, HH5, HH6. HH = (HH1 + HH2 + HH3 + HH4 + HH5 + HH6)/6 4. "Chính sách phục vụ" gồm 6 biến CSPV2, CSPV3, CSPV4, CSPV5, CSPV6, CSPV7. CSPV = (CSPV2 + CSPV3 + CSPV4 + CSPV5 + CSPV6 + CSPV7)/6 5. "Các giá trị tăng thêm" gồm 4 biến GTTT1, GTTT2, GTTT3, GTTT4 GTTT = (GTTT1 + GTTT2 + GTTT3 + GTTT4)/4
6. "Năng lực phục vụ” gồm 3 biến NLPV2, NLPV3, NLPV4 NLPV = (NLPV2 + NLPV3 + NLPV4)/3
7. "Giá cả" gồm 3 biến GIA1, GIA2, GIA3. GIA = (GIA1 + GIA2 + GIA3)/3
8. "Sự hài lòng" gồm 8 biến HL1, HL2, HL3, HL4, HL5, HL6, HL7, HL8. HL = (HL1 + HL2 + HL3 + HL4 + HL5 + HL6 + HL7 + HL8)/8
Hình 3.9: Mô hình nghiên cứu sau khi phân tích nhân tố khám phá 3.2.5.5. Phân tích tương quan
Bước đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội cũng là xem xét các mối tương quan tuyến tính giữa tất cả các biến. Với mô hình hồi quy tuyến tính bội ta phải xem xét tổng quát mối quan hệ giữa từng biến độc lập với biến phụ thuộc và chính giữa các biến độc lập với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, Tr.203)
Kết quả tính toán ma trận hệ số tương quan giữa các biến như ở PL10 cho thấy biến phụ thuộc (HL – Sự hài lòng) có mối quan hệ tương quan tuyến tính với cả 7 biến độc lập, hệ số tương quan lớn hơn 0.45, mức ý nghĩa Sig.<0.01. Trong đó hệ số tương quan giữa “HL - Sự hài lòng” với "STT - Sự thuận tiện mua sắm" là cao nhất (0.720), hệ số tương quan giữa biến “HL - Sự hài lòng” với "GIA - giá cả" là thấp nhất (0.458). Hệ số tương quan giữa các biến độc lập với nhau hầu hết không quá lớn (từ dưới 0.5 đến 0.295), tuy nhiên có một số hệ số tương quan cũng lớn hơn 0.5 (cao nhất là 0.638).
3.2.5.6. Phân tích hồi quy tuyến tính
Phân tích hồi quy tuyến tính giúp ta xác định mức độ ảnh hưởng của biến độc lập lên biến phụ thuộc.
SỰ HÀI LÒNG CHÍNH SÁCH PHỤC VỤ NHÂN VIÊN GIÁ CẢ NĂNG LỰC PHỤC VỤ HÀNG HÓA CÁC GIÁ TRỊ TĂNG THÊM SỰ THUẬN TIỆN MUA SẮM
Phương trình tổng quát được xây dựng:
HL= β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 +β8X8+ ei
Trong đó: - HL: Biến phụ thuộc (Sự hài lòng về chất lượng dịch vụ siêu thị) - X1: Sự thuận tiện mua sắm
- X2: Nhân viên - X3: Hàng hóa
- X4: Chính sách phục vụ - X5: Các giá trị tăng thêm - X6: Năng lực phục vụ - X7: Giá cả
- ei : Sai số
3.2.5.6.1. Xây dựng phương trình hồi quy tuyến tính
Phương trình hồi quy tuyến tính được xây dựng bằng công cụ là phần mềm SPSS 18 với phương pháp Enter, trong đó các biến độc lập và phụ thuộc được đưa tất cả vào phân tích.
Sau khi có kết quả phân tích hồi quy theo phương pháp Enter lần 1, ta cần kiểm định ý nghĩa của các hệ số hồi quy riêng từng phần trong mô hình hồi quy thông qua kiểm định giả thuyết H0: βk=0. Qua bảng PL11, với hệ số xác định R2 = 0.683, biến NLPV có mức ý nghĩa Sig. = 0.341 > 0.05 nên không có căn cứ bác bỏ giả thiết hệ số β6=0. Có nghĩa biến độc lập NLPV hoàn toàn không ảnh hưởng đến biến phụ thuộc HL với độ tin cậy là 95%. Vì vậy, ta loại bỏ biến NLPV ra khỏi phân tích hồi quy theo phương pháp Enter lần 1.
Kết quả phân tích hồi quy theo phương pháp Enter lần 2 qua bảng PL12 cho thấy hệ số hồi quy riêng từng phần của các biến độc lập có mức ý nghĩa Sig. <0.05. Như vậy, với giả thuyết H0 hệ số hồi quy của các biến độc lập βk = 0, và với độ tin cậy 95% thì ta có thể bác bỏ giả thuyết H0 đối với tất cả các βk. Điều này có nghĩa 6 biến độc lập trên đều có mối liên hệ tuyến tính với biến phụ thuộc.
3.2.5.6.2. Dò tìm sự vi phạm các giả định cần thiết trong mô hình hồi quy
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời
các giả định cần thiết và những chẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng được không đáng tin cậy nữa. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Vì vậy, ta cần thực hiện kiểm định các giả định cần thiết trong mô hình hồi quy có vi phạm hay không, cụ thể như sau:
- Giả định liên hệ tuyến tính: Phương pháp được sử dụng là đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự báo chuẩn hóa trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nhận xét đồ thị phân tán Scatterplot (Hình 3.10), ta nhận thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Như vậy, giả định liên hệ tuyến tính của mô hình không bị vi phạm.
Hình 3.10: Đồ thị phân tán Scatterplot
- Giả định phương sai của sai số không đổi: Nhận xét đồ thị phân tán Scatterplot (Hình 3.10) trên đây ta nhận thấy phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.
Ngoài ra, để thực hiện việc kiểm định phương sai của sai số không đổi bằng việc phân tích hồi quy giữa biến phụ thuộc là bình phương phần dư (ee = RES_1*
RES_1) và biến độc lập là giá trị dự báo sự hài lòng (PRE_1). Các giá trị PRE_1, ee được tạo từ phần mềm SPSS 18. Kết quả tại PL13 cho thấy: R2 = 0.006, t = -2.364, F = 5.588, nên giả thiết R2≠0 là không phù hợp. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm.
- Giả định về phân phối chuẩn của phần dư: Để khảo sát sự vi phạm về giả định phân phối chuẩn của phần dư, tác giả sử dụng biểu đồ Histogram và đồ thị P-P plot trong phân tích SPSS 18.
Biểu đồ Histogram (Hình 3.11) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn hóa (trung bình Mean gần bằng 0 và độ lệch chuẩn Std.Dev = 0.997 tức là gần bằng 1).
Hình 3.11: Biểu đồ tần số Histogram
Ngoài ra, nhìn vào đồ thị P-P plot (Hình 3.12), kết quả cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
Hình 3.12: Đồ thị P-P Plot phần dư chuẩn hóa hồi quy
- Giả định về tính độc lập của sai số (hay không có tương quan giữa các phần dư): “độc lập” ở đây là ẩn ý rằng giữa các phần dư không có mối tương quan (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, Tr.198).
Đại lượng thống kê Durbin-Watson được dùng để thực hiện kiểm định tương quan của các sai số kề nhau. Kết quả phân tích tại bảng 3.18 cho thấy giá trị thống kê Durbin-Watson = 2.009 xấp xỉ 2.0 nên có thể nhận định rằng hiện tượng tương quan giữa các phần dư là không xảy ra.
Bảng 3.18: Mô hình tóm tắt kiểm định tính độc lập của sai số
Model R R Square Adjusted R Square Std. Error of the
Estimate Durbin-Watson
1 .826a .683 .681 .36862 2.009
a. Predictors: (Constant), GIA, GTTT, HH, NV, CSPV, STT b. Dependent Variable: HL
Đồ thị tại hình 3.13 thể hiện tuần tự phần dư theo thứ tự quan sát cũng khẳng định điều này vì chúng không mô tả một quy luật nào trong mối quan hệ giữa các phần dư
Hình 3.13: Đồ thị phân tán phần dư chuẩn hóa theo thứ tự quan sát
- Giả định không có mối tương quan giữa các biến độc lập (Đo lường đa cộng tuyến): Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Kết quả phân tích tại bảng PL14 cho thấy hệ số VIF đều nhỏ hơn 2, nhỏ hơn mức chấp nhận được 8.0 rất nhiều (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) nên ta kết luận hiện tượng đa cộng tuyến không nghiêm trọng giữa các biến độc lập.
Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình hồi qui ở trên không vi phạm các giả định cần thiết về hồi quy tuyến tính.
3.2.5.6.3. Đánh giá độ phù hợp của mô hình và kiểm định các giả thiết - Đánh giá độ phù hợp của mô hình: - Đánh giá độ phù hợp của mô hình:
Để đánh giá độ phù hợp của mô hình ta sử dụng hệ số xác định R2 điều chỉnh (Adjusted R Square). Qua PL12.2 cho thấy hệ số xác định điều chỉnh của mô hình là 0.681. Điều này nói rằng, 6 biến độc lập trong mô hình giải thích được 68.1% biến thiên của sự hài lòng về chất lượng dịch vụ của Maximark với các đối thủ cạnh tranh (Metro và coopmart) trên địa bàn thành phố Nha Trang trong mẫu điều tra. Với giá trị này thì độ phù hợp của mô hình là khá cao.
- Kiểm định sự phù hợp của mô hình:
Để kiểm định giả thiết về độ phù hợp của mô hình ta kiểm định giả thuyết H0: hệ số hồi quy của các biến độc lập βk=0 (không có mối liên hệ tuyến tính giữa các biến
độc lập và biến phụ thuộc) thông qua kiểm định F trong bảng phân tích phương sai. Kết quả tại bảng PL12.3, trị thống kê F=325.724 với mức ý nghĩa Sig. rất nhỏ (<0.05) nên ta có thể bác bỏ giả thiết H0 cho rằng tất cả các hệ số hồi quy bằng 0 (ngoại trừ hằng số). Như vậy, mô hình hồi qui tuyến tính bội đang xét phù hợp với tập dữ liệu và có thể sử dụng được.
- Ý nghĩa các hệ số hồi quy riêng phần trong mô hình:
Để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t . Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0 với độ tin cậy 95% thì ta có thể bác bỏ giả thuyết H0 đối với tất cả các βk. Theo kết quả trong bảng PL12.4, giá trị t của các biến βk đều lớn hơn 2.9 với mức ý nghĩa < 0.05. Như vậy, ta có thể bác bỏ giả thiết H0 (βk = 0). Điều này có nghĩa là 6 nhân tố trong phương trình đều có ảnh hưởng đến sự hài lòng về chất lượng dịch vụ của Maximark và các đối thủ cạnh tranh (Metro và Coopmart) trên địa bàn thành phố Nha Trang.
3.2.5.6.4. Mô hình nghiên cứu điều chỉnh
Sau khi thực hiện phân tích hồi quy tuyến tính, biến số bị loại bỏ là "NLPV – Năng lực phục vụ". Mô hình nghiên cứu được điều chỉnh lại như sau:
Hình 3.14: Mô hình nghiên cứu điều chỉnh sau phân tích hồi quy Phương trình hồi quy tuyến tính chuẩn hóa có dạng:
HL = 0.276STT + 0.187NV + 0.243CSPV + 0.105HH + 0.192GTTT + 0.066GIA SỰ HÀI LÒNG CHÍNH SÁCH PHỤC VỤ NHÂN VIÊN GIÁ CẢ HÀNG HÓA CÁC GIÁ TRỊ TĂNG THÊM SỰ THUẬN TIỆN MUA SẮM
Trong đó:
- HL: Sự hài lòng về chất lượng dịch vụ siêu thị. - STT: Sự thuận tiện mua sắm.
- NV: Nhân viên phục vụ. - CSPV: Chính sách phục vụ. - HH: Hàng hóa.
- GTTT: Các giá trị tăng thêm. - GIA: Giá cả.
Như vậy, cả 6 biến trong mô hình hồi quy đều có ý nghĩa thống kê và có sự tác động cùng chiều đối với sự hài lòng về chất lượng dịch vụ của Maximark so với các đối thủ cạnh tranh trên địa bàn thành phố Nha Trang. Tính theo mức độ ảnh hưởng đến sự hài lòng về chất lượng dịch vụ, biến “STT - Sự thuận tiện mua sắm” là ảnh hưởng lớn nhất (β = 0.276), rồi đến biến “CSPV - Chính sách phục vụ” (β = 0.243), tiếp theo là biến “GTTT - Các giá trị tăng thêm” (β = 0.192), kế đến là biến “NV - Nhân viên phục vụ” (β = 0.187), sau đó là biến “HH - Hàng hóa” (β = 0.105), nhỏ nhất là biến “GIA - Giá cả” (β = 0.066).
3.2.6. Đánh giá so sánh chất lượng dịch vụ của Maximark so với các đối thủ cạnh tranh: Metro và Coopmart. cạnh tranh: Metro và Coopmart.
Sau khi xây dựng được mô hình hồi quy chuẩn hóa chung để đánh giá so sánh chất lượng dịch vụ của Maximark với các đối thủ cạnh tranh trên địa bàn thành phố Nha Trang (Metro và Coopmart), tác giả hồi quy riêng mô hình từng siêu thị trên cơ sở các biến quan sát và nhân tố đã được xây dựng và kiểm định.
Bảng 3.19: Các thông số hồi quy đối với từng siêu thị Phân tích mô hình hồi quy Các nhân tố
Maximark Metro Coopmart
1.Hệ số xác định R2 điều chỉnh 0.704 0.760 0.654
2.ANOVA
a.Trị thống kê F 121.598 88.995 83.112
b.Sig. <0.05 <0.05 <0.05
3.Các hệ số hồi quy chuẩn hóa a.Giá trị βk
- STT (Sự thuận tiện mua sắm) 0.313 0.219 0.297
- NV (Nhân viên) 0.173 0.165 0.196
- CSPV (Chính sách phục vụ) 0.296 0.263 0.223
- HH (Hàng hóa) 0.117 0.085 0.133
- GTTT (Các giá trị tăng thêm) 0.105 0.256 0.167
- GIA (Giá cả) 0.077 0.066 0.100 b.Sig. Tất cả đều < 0.05 Chỉ có Sig. GIA >0.05 Tất cả đều < 0.05 Phương trình hồi quy chuẩn hóa của từng siêu thị:
- Maximark: HLMaximark = 0.313STT + 0.173NV + 0.296CSPV + 0.117HH + 0.105GTTT + 0.077GIA - Metro: HLMetro = 0.219STT + 0.165NV + 0.263CSPV + 0.085HH + 0.256GTTT - Coopmart: HLCoopmart = 0.297STT + 0.196NV + 0.223CSPV + 0.133HH + 0.167GTTT + 0.100GIA
3.2.6.1.Xác định tầm quan trọng của các biến trong mô hình
Sau khi xây dựng hàm hồi quy với 6 biến độc lập, ta cần xác định với các biến đã đưa vào mô hình, biến nào có vai trò quan trọng hơn trong việc dự đoán sự hài lòng về chất lượng dịch vụ siêu thị, ứng với từng siêu thị như thế nào. Kết quả phân tích tại PL15, PL16, PL17 cho thấy:
- Biến "STT - Sự thuận tiện mua sắm" là biến có ảnh hưởng lớn nhất đến sự hài lòng chất lượng dịch vụ siêu thị đối với Maximark và Metro (hệ số hồi quy lớn nhất lần lượt là 0,313 và 0,297), nhưng là biến có ảnh hưởng lớn nhì sau biến “CSPV- Chính sách phục vụ” đối với Coopmart.
Hệ số Beta >0 cho thấy mối quan hệ giữa "STT- Sự thuận tiện mua sắm" và "HL - Sự hài lòng" là mối quan hệ cùng chiều. Khi sự thuận tiện mua sắm càng cao thì khách hàng hài lòng chất lượng dịch vụ siêu thị càng cao. “STT - Sự thuận tiện mua sắm” có ảnh hưởng đến chất lượng dịch vụ cả 3 siêu thị trong đó ảnh hưởng mạnh nhất đối với Maximark (0,313).
- Biến "NV - Nhân viên phục vụ" có quan hệ cùng chiều với “HL - Sự hài lòng” đối với cả 3 siêu thị vì hệ số Beta đều lớn hơn 0. Hệ số này cho thấy nếu nhân viên phục vụ càng tốt thì khách hàng hài lòng chất lượng dịch vụ siêu thị càng cao. Yếu tố