3.5.1 Kiểm định độ tin cậy của thang đo
Hệ số Cronbach’s Alpha là thông số để kiểm tra độ tin cậy của các biến quan sát trong mô hình nghiên cứu gồm một bộ dữ liệu của các khái niệm. Kết quả phân tích dựa trên hệ số Cronbach’s Alpha là xác định độ phù hợp thang đo các biến, hệ số tƣơng quan biến- tổng (cho biết sự tƣơng quan của biến quan sát đối với các biến còn lại trong bộ thang đo) của chúng. Chỉ giữ lại những thành phần thang đo có hệ số Cronbach Alpha > 0.6, nhận định này đƣợc nhiều nhà nghiên cứu sử dụng (Nguyễn Đình Thọ, 2011). Nuanally và Berstein (1994) cho rằng: hệ số Cronbach’s Alpha từ 0.8 đến 1 thì thang đo là rất tốt, từ 0.7 đến 0.8 là sử dụng đƣợc; cũng có nhiều nhà nghiên cứu cho rằng hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm nghiên cứu còn mới đối với ngƣời trả lời. Hệ số tƣơng quan biến- tổng của các biến quan sát >0.3 đƣợc xem là biến thích hợp cho nghiên cứu.
38
Phƣơng pháp Principle Component cùng với phép xoay Varimax đƣợc áp dụng cho nghiên cứu này để giúp phân biệt rõ hơn các nhân tố và khả năng giải thích các nhân tố. Một vài thông số cần lƣu ý:
-Các thông số điều kiện để phân tích EFA
Mức ý nghĩa của kiểm định Bartlett: Kiểm định Bartlett đƣợc dùng để xem xét giả thuyết các biến không có tƣơng quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Nếu phép kiểm định Bartlett có p< 5% ta bác bỏ giả thuyết các biến không có tƣơng quan với nhau, nghĩa là các biến có quan hệ với nhau (Nguyễn Đình Thọ, 2011). Nhƣ vậy, điều kiện cần để phân tích nhân tố là giá trị p của kiểm định Bartlett phải < 5%.
Thông số KMO (Kaiser – Meyer – Olkin): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (nằm giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không phù hợp với tập dữ liệu đang khảo sát (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
-Các thông số dùng để đánh giá thang đo và số lƣợng nhân tố:
Hệ số tải nhân tố (Factor Loading): là những hệ số tƣơng quan đơn giữa các biến và các nhân tố. Hệ số này là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Theo Hair và ctg (2006), factor loading >0.3 đƣợc xem là đạt đƣợc mức tối thiểu, factor loading >0.4 đƣợc xem là quan trọng >0.5 đƣợc xem là có ý nghĩa thực tiễn. Hair và ctg (2006) cũng khuyên nhƣ sau: nếu cỡ mẫu là 50 thì factor loading phải > 0.75, nếu cỡ mẫu khoảng 100 thì factor
39
loading phải > 0.55. Nhƣ vậy, nghiên cứu này dùng 207 mẫu, vì vậy factor loading > 0.55 là có ý nghĩa thực tiễn.
Thông số Eigenvalue: là một tiêu chí sử dụng phổ biến trong xác định số lƣợng nhân tố trong phân tích EFA. Với tiêu chí này số lƣợng nhân tố đƣợc xác định ở nhân tố có Eigenvalue ≥ 1 (Nguyễn Đình Thọ, 2011).
Thông số phần trăm tổng phƣơng sai trích: biểu thị sự biến thiên đƣợc giải thích bởi các nhân tố, thang đo đƣợc chấp nhận khi tổng phƣơng sai trích của tất cả các nhân tố > 50%.
3.5.3 Mô hình PATH
Mô hình PATH là mô hình nghiên cứu trong đó có nhiều biến độc lập định tính hay định lƣợng, có nhiều biến trung gian định lƣợng và nhiều biến phụ thuộc định lƣợng (Nguyễn Đình Thọ, 2011).Trong đó:
Biến phụ thuộc: biến bị tác động bởi các biến khác, có thể có một hay nhiều biến phụ thuộc trong một mô hình nghiên cứu.
Biến độc lập: biến tác động (giải thích biến thiên) của các biến khác (trung gian hoặc phụ thuộc). Một mô hình nghiên cứu có thể có một hay nhiều biến độc lập.
Biến trung gian: biến đóng vai trò trung gian, làm cầu nối giữa biến độc lập và phụ thuộc. Một mô hình có thể có một hay nhiều biến trung gian và có thể có một hay nhiều cấp trung gian (Nguyễn Đình Thọ, 2011).
40
Hình 3.3 Mô hình Path
Để phân tích mô hình PATH ta dùng phƣơng pháp hồi quy. Mô hình PATH là tổng hợp của 2 mô hình hồi quy đa biến (MLR) và đơn biến (SLR) nhƣ sau:
E(Y)= β0 + β1 X1 + β2 X2 (1) E(Z)= γ0+ γ1Y (2)
Dựa vào phƣơng pháp phân tích hồi quy ta sẽ tìm đƣợc các hệ số β0, β1, β2, γ0, γ1 và hệ số R² của từng mô hình. Để đánh giá mức độ phù hợp của mô hình PATH ta dùng hệ số phù hợp tổng hợp
= 1 – (1 - )(1 - ) (Nguyễn Đình Thọ, 2011)
3.5.4 Hồi qui tuyến tính bội
Hồi qui tuyến tính bội là một phƣơng pháp phân tích dùng kĩ thuật thống kê đƣợc sử dụng để phân tích mối quan hệ của nhiều biến độc lập với một biến phụ thuộc. Khi sử dụng hồi qui tuyến tính bội, các tham số thống kê cần đƣợc quan tâm là:
Hệ số R² hiệu chỉnh (Adjusted coefficient of determination): đo lƣờng phần phƣơng sai của biến phụ thuộc đƣợc giải thích bởi các biến độc lập có tính đến số lƣợng biến phụ thuộc và cỡ mẫu. Hệ số này càng cao, độ chính xác của mô hình càng lớn và khả năng dự báo của biến độc lập càng lớn.
41
Kiểm định độ phù hợp của mô hình: sử dụng trị thông kê F để kiểm định mức ý nghĩa thống kê của mô hình. Giả thuyết Ho cho là các hệ số β trong mô hình đều bằng 0. Nếu mức ý nghĩa kiểm định nhỏ hơn 0.05, ta có thể an toàn bác bỏ giả thuyết Ho hay nói cách khác, mô hình phù hợp với tập dữ liệu đang khảo sát.
Hệ số β (Standardized Beta Coefficent): hệ số hồi quy chuẩn hóa cho phép so sánh một cách trực tiếp về mức độ ảnh hƣởng của biến độc lập lên biến phụ thuộc.
Kiểm định mức ý nghĩa của hệ số β: sử dụng trị thống kê t để kiểm định mức ý nghĩa của hệ số β. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0.05, ta có thể kết luận hệ số β có ý nghĩa về mặt thống kê.
Kiểm tra đa cộng tuyến: là hiện tƣợng các biến độc lập có tƣơng quan chặt chẽ với nhau, khó tách rời ảnh hƣởng của từng biến đến biến phụ thuộc, làm tăng độ lệch chuẩn của các hệ số hồi quy, làm giảm giá trị thống kê t của kiểm định ý nghĩa các hệ số hồi quy. Khi phân tích Collinearity Diagnotics, hệ số tolerance càng gần 1 càng tốt, hệ số phóng đại phƣơng sai VIF càng gần 1 càng tốt và không quá 10 thì không có hiện tƣợng đa công tuyến.
3.5.5 Biến điều tiết
Biến điều tiết là biến làm thay đổi độ mạnh và dạng của mối quan hệ giữa biến độc lập và phụ thuộc. Một mô hình nghiên cứu có thể có thể có một hay nhiều biến điều tiết và một biến điều tiết có thể làm thay đổi một hay nhiều tác động của các cặp biến. Biến điều tiết có thể là biến định tính hay định lƣợng. Tuy nhiên, thƣờng các biến này là biến định tính (Nguyễn Đình Thọ, 2011).
Sharma & ctg (1981) phân loại các biến cần xem xét thành bốn nhóm dựa vào: (1)mối quan hệ giữa biến xem xét với biến phụ thuộc (DV) và biến độc lập (IV);(2) quan hệ hỗ tƣơng với biến độc lập (IV). (Hình 3.4)
42
Hình 3.4: Các dạng biến điều tiết (Nguồn: Sharma & ctg, 1981)
Sharma & ctg (1981) đƣa ra quy trình bốn bƣớc để khám phá các dạng biến điều tiết nhƣ sau:
Bƣớc 1: Xem xét có mối quan hệ hỗ tƣơng ZX giữa biến giả thuyết là biến điều tiết Z với biến độc lập X không? Nếu mối quan hệ hỗ tƣơng này (XZ) có ý nghĩa (δ≠0), tiến hành bƣớc 2. Nếu không (δ=0), chuyển sang Bƣớc 3.
Bƣớc 2: Xem xét xem Z có quan hệ với biến phụ thuộc Y không? Nếu có (γ≠0), Z là biến bán điều tiết. Nếu không (γ=0), Z là biến điều tiết thuần túy. Cả 2 trƣờng hợp này đều làm thay đổi dạng quan hệ của X->Y
Bƣớc 3: Xem xét Z có quan hệ với biến phụ thuộc hay độc lập không? Nếu có (γ≠0), Z không phải là biến điều tiết. Nếu không (γ=0), tiến hành bƣớc 4
Bƣớc 4: Chia mẫu thành nhiều nhóm đồng nhất dựa vào Z và xem xét tác động của X->Y có khác nhau cho từng nhóm không? Nếu có, Z là biến điều tiết theo nhóm. Nếu không, Z không phải là biến điều tiết.
43
- Nếu biến điều tiết là dạng biến điều tiết hỗn hợp và thuần túy ta sử dụng biến tích (tác động hỗ tƣơng giữa biến điều tiết và biến độc lập, Hình 3.5). Chiến lƣợc phân tích biến điều tiết dạng này là bằng mô hình hồi quy MMR (Moderated Multiple Regression): dùng phƣơng pháp hồi quy thứ bậc để ƣớc lƣợng theo thứ tự ba mô hình hồi quy sau:
E (Y)= β0 + β1*X (1) E(Y)= β0 + β1*X + γ*Z (2)
E(Y)= β0 + β1*X + γ*Z + δ*XZ (3)
Sau đó kiểm định (kiểm định F) mức gia tăng của R2 trong mô hình (2) và (3) chúng ta biết đƣợc Z có phải là biến điều tiết không. Giá trị thống kê của phép kiểm định cho mức gia tăng R2 có phân phối F với bậc tự do ở tử số là p3 –p2 và bậc tự do ở mẫu số là n-p2-1:
F = (3.2) (Nguyễn Đình Thọ, 2011)
Trong đó:
-n: kích thƣớc mẫu
-p3: số lƣợng biến độc lập trong mô hình (3) - p2:số lƣợng biến độc lập trong mô hình (2)
Nếu kiểm định F có ý nghĩa (p<0.05), mức gia tăng của R2 có ý nghĩa. Hay nói cách khác, Z là một biến điều tiết(Nguyễn Đình Thọ, 2011).
Hình 3.5: Mô hình phân tích biến điều tiết bằng hồi quy MMR (Nguyễn Đ nh Thọ, 2011)
-Nếu biến điều tiết là dạng biến điều tiết theo nhóm, ta chia dữ liệu ra thành từng nhóm sau đó dùng hồi quy cho từng nhóm rồi so sánh hệ số phù hợp R2 và trọng số hồi quy β
44
giữa các nhóm với nhau. Sau đó dùng kiểm định Chow (Chow,1960): Gọi q là số lƣợng tham số cần ƣớc lƣợng trong mô hình hồi quy với p biến độc lập (q=p+1 vì mô hình có thêm hằng số hồi quy β0); G là mô hình tổng quát; A là mô hình nhóm A, B là mô hình nhóm B. Giả thiết H0 của phép kiểm định Chow là không có sự khác biệt giữa hai mô hình hồi quy cho hai nhóm A và B. Giá trị thống kê của phép kiểm định này có phân phối F với bậc tự do q và n-2q (n là kích thƣớc mẫu)
F = ( ) (Nguyễn Đình Thọ, 2011)
Nếu kiểm định F là có ý nghĩa (p<0.05), chúng ta kết luận hai mô hình hồi quy cho nhóm A và B khác nhau. Điều này có nghĩa tách nhóm đã làm chức năng của biến điều tiết theo nhóm (Nguyễn Đình Thọ, 2011).
Tóm tắt
Chƣơng này đã trình bày chi tiết quá trình và phƣơng pháp nghiên cứu. Phƣơng pháp nghiên cứu đƣợc thực hiện qua 2 bƣớc: Nghiên cứu định tính sơ bộ và Nghiên cứu định lƣợng chính thức. Nghiên cứu định tính sơ bộ đƣợc thực hiện thông qua phƣơng pháp nghiên cứu chuyên sâu và phỏng vấn thử: nghiên cứu chuyên sâu đƣợc thực hiện với mẫu là 10 ngƣời -đại diện cho các công ty nhằm mục đích kiểm định lại mô hình nghiên cứu và kiểm định sơ bộ thang đo; phỏng vấn thử đƣợc thực hiện với mẫu là 20 mẫu nhằm mục đích kiểm tra lại bảng câu hỏi định lƣợng lần cuối trƣớc khi tiến hành nghiên cứu chính thức. Nghiên cứu định lƣợng đƣợc thực hiện thông qua bảng câu hỏi với 250 ngƣời nhằm đánh giá thang đo và kiểm định các giả thuyết đã nêu ra. Chƣơng tiếp theo sẽ trình bày kết quả phân tích dữ liệu bao gồm đánh giá độ tin cậy của thang đo, phân tích nhân tố, phân tích tƣơng quan và hồi quy để kiểm định giả thuyết đƣa ra, kiểm tra tác động của biến điều tiết.
45
Chƣơng 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Giới thiệu
Trong chƣơng 3, nghiên cứu đã trình bày phƣơng pháp nghiên cứu sơ bộ và nghiên cứu chính thức để điều chỉnh và bổ sung mô hình lý thuyết và mô hình thang đo về giá trị cảm nhận của khách hàng đối với dịch vụ gia công phần mềm. Chƣơng 4 nhằm mục đích trình bày mẫu khảo sát và đánh giá sơ bộ các thang đo đo lƣờng các khái niệm nghiên cứu. Sau đó, nghiên cứu sẽ ƣớc lƣợng và kiểm định mô hình nghiên cứu đề nghị, phân tích các nhân tố tác động vào giá trị cảm nhận của khách hàng, đồng thời đánh giá mức độ ảnh hƣởng của các biến điều tiết kinh nghiệm quốc tế và kinh nghiệm mua hàng của khách hàng.
4.1 Mẫu khảo sát
Mục đích của khảo sát là thu thập dữ liệu để kiểm chứng các nhân tố đã nhận diện ở mục 2.2 có đúng trên thực tế của công ty KMS hay không và mức độ ảnh hƣởng của các nhân tố này đối với giá trị cảm nhận khách hàng nhƣ thế nào.
Nghiên cứu sử dụng phƣơng pháp thu thập mẫu thuận tiện. Đối tƣợng khảo sát là nhân viên hay lãnh đạo đại diện cho các công ty khách hàng, những ngƣời trực tiếp làm việc với KMS để phát triển các dự án phần mềm.
Danh sách và thông tin các khách hàng đƣợc cung cấp bởi bộ phận Marketting của công ty. Nghiên cứu chính thức đƣợc thực hiện thông qua phƣơng pháp phỏng vấn trực tuyến qua tiện ích tạo bảng câu hỏi trực tuyến của Google documents.
46 Qui trình lấy mẫu:
- Bƣớc 1: liên hệ với bộ phận marketing của công ty KMS để lấy danh sách và thông tin (tên, email) các khách hàng đang làm việc với công ty
- Bƣớc 2: nhờ Giám đốc công ty viết 1 email nhờ khách hàng hỗ trợ việc cung cấp thông tin cho nghiên cứu
- Bƣớc 3: gửi email đến từng khách hàng (có Ban Giám đốc trong mỗi email) nói rõ mục tiêu của nghiên cứu, thuyết phục khách hàng để họ hiểu đƣợc lợi ích và sự cần thiết của việc cung cấp số liệu cho nghiên cứu, đính kèm email của Giám đốc công ty và đƣờng link
- Bƣớc 4: Thu thập kết quả khảo sát từ google document
Về số lƣợng mẫu, có nhiều lời khuyên dành cho các nhà thống kê trong việc chọn số lƣợng mẫu nghiên cứu:
Holter (1983) cho rằng kích thƣớc mẫu tối thiểu phải lớn hơn 200 mẫu (1).
Dựa theo quy luật kinh nghiệm, Bollen (1989) đƣa ra chỉ dẫn đƣợc nhà nghiên cứu sử dụng là 5 mẫu cho mỗi biến quan sát. Trong nghiên cứu này có 38 biến quan sát đƣợc sử dụng, do đó kích thƣớc mẫu phải là 190 mẫu (2).
Theo Tabachnick và Fidell (1996), n>= 8*m +50 trong đó n là kích thƣớc mẫu, m là số biến độc lập. Trong nghiên cứu này, có 5 biến độc lập, vậy n>= 8*5 +50 = 90 mẫu (3).
Trên cơ sở (1), (2) và (3), số mẫu dự kiến là từ 200 mẫu đến 250 mẫu.
Số bảng câu hỏi đƣợc gửi đi bằng email là 250 bảng. Số lƣợng bảng câu hỏi phản hồi là 212 bảng và trong đó có 5 bảng không hợp lệ do có quá nhiều câu không trả lời. Nhƣ vậy, mẫu nghiên cứu chính thức của nghiên cứu là 207 mẫu.
4.2 Kết quả nghiên cứu định tính
Qua quá trình nghiên cứu định tính, ta nhận thấy khách hàng đều cho rằng nhân tố con ngƣời mà cụ thể là trình độ của nhân viên và định hƣớng khách hàng là một trong
47
những yếu tố quan trọng ảnh hƣởng đến giá trị cảm nhận của họ đối với dịch vụ của công ty mà họ đang sử dụng. Bên cạnh đó, khách hàng còn cho rằng các yếu tố về uy tín, quy mô, độ tin cậy của công ty cũng ảnh hƣởng đến giá trị cảm nhận của họ.
Nhƣ vậy, khách hàng đã đƣa 2 yếu tố chính ảnh hƣởng đến giá trị cảm nhận của họ đối với dịch vụ gia công phần mềm, (1) kỹ năng giao tiếp và trình độ chuyên môn của nhân viên, (2) uy tín, quy mô, độ tin cậy của công ty. Ta thấy rằng yếu tố kỹ năng giao tiếp và trình độ chuyên môn của nhân viên rất phù hợp với yếu tố nhân tố con ngƣời bao gồm kỹ năng giao tiếp, kỹ năng kĩ thuật và định hƣớng vào khách hàng trong nghiên cứu của La Vinh Q và cộng sự (2005). Ngoài ra, yếu tố uy tín, quy mô và độ tin cậy của công ty là một phần trong yếu tố danh tiếng trong nghiên cứu của La Vinh Q và cộng sự (2005). Tuy nhiên, về yếu tố kinh nghiệm quốc tế thì khách hàng cho rằng yếu tố này