GIỚI THIỆU ĐỀ TÀI
Lý do chọn đề tài
Sự phát triển và hội nhập của nền kinh tế Việt Nam trong những năm gần đây đã thúc đẩy lĩnh vực F&B (Thực phẩm và Dịch vụ ăn uống) ngày càng trở nên phổ biến và đóng vai trò quan trọng trong đời sống xã hội hiện đại.
Hiện nay, nhu cầu ăn uống của người dân ngày càng tăng cao, đặc biệt là thói quen sử dụng dịch vụ cà phê để gặp gỡ và giao lưu Văn hóa uống cà phê đã có sự thay đổi lớn, đòi hỏi các dịch vụ phải nâng cao chất lượng để đáp ứng nhu cầu của khách hàng Nhằm đo lường mức độ hài lòng của khách hàng tại TP.HCM đối với dịch vụ của The Coffee House, nhóm chúng tôi đã thực hiện nghiên cứu với đề tài “Đánh giá mức độ hài lòng của khách hàng tại TP.HCM đối với chất lượng dịch vụ của The Coffee House.”
Việc thực hiện và đưa ra kết quả nghiên cứu không chỉ giúp chúng em hoàn thiện hơn về kiến thức thực tế mà còn giúp The Coffee House thấy được những vấn đề liên quan đến việc đảm bảo chất lượng dịch vụ cho khách hàng, thông qua đó đưa ra những giải pháp khắc phục nhằm phục vụ khách hàng ngày một tốt hơn.
Mục đích nghiên cứu
Nghiên cứu sự hài lòng của khách hàng về chất lượng sản phẩm và dịch vụ tại The Coffee House TP.HCM nhằm phát huy điểm mạnh, phát hiện điểm yếu và cải thiện quy trình phục vụ Kết quả này sẽ giúp chuỗi cửa hàng cà phê The Coffee House cạnh tranh hiệu quả hơn trong thị trường F&B, hướng tới mục tiêu trở thành thương hiệu cà phê số 1 tại Việt Nam.
Mục tiêu cụ thể
Mục tiêu 1: Xác định các yếu tố ảnh hưởng tới sự hài lòng của khách hàng về chất lượng phục vụ của The Coffee House.
Mục tiêu 2 của nghiên cứu là xây dựng mô hình và kiểm định thang đo để đo lường các yếu tố ảnh hưởng đến sự hài lòng của khách hàng đối với chất lượng dịch vụ tại The Coffee House.
Mục tiêu 3 là đánh giá mức độ hài lòng của khách hàng đối với chất lượng sản phẩm và dịch vụ tại The Coffee House Đồng thời, chúng tôi sẽ đề xuất một số giải pháp để nâng cao chất lượng sản phẩm và cải thiện dịch vụ của The Coffee House, nhằm đáp ứng tốt hơn nhu cầu của khách hàng.
Phương pháp nghiên cứu
Nghiên cứu sơ bộ: được thực hiện thông qua nghiên cứu định tính
Nghiên cứu chính thức được thực hiện thông qua phương pháp nghiên cứu định lượng, bao gồm phỏng vấn trực tiếp và khảo sát trực tuyến với bảng câu hỏi đã được soạn sẵn Sau khi thu thập đủ mẫu, dữ liệu được xử lý bằng phần mềm SPSS 25 để kiểm định thang đo bằng hệ số tin cậy Cronbach's Alpha và phân tích nhân tố khám phá EFA Các nhân tố rút trích từ dữ liệu sẽ được sử dụng trong phân tích tương quan và hồi quy nhằm đánh giá mô hình đề xuất và kiểm định các giả thuyết.
Giả thuyết nghiên cứu và mô hình đề xuất
1.5.1 Chất lượng dịch vụ và sự hài lòng của khách hàng
Theo Parasuraman và cộng sự (1985), chất lượng dịch vụ được định nghĩa là thái độ của khách hàng, phản ánh từ sự so sánh giữa dịch vụ thực tế mà họ trải nghiệm và mong đợi của họ Mặc dù chất lượng dịch vụ liên quan đến sự hài lòng của khách hàng, nhưng chúng không hoàn toàn giống nhau.
Có rất nhiều khái niệm khác nhau về sự hài lòng của khách hàng, theo Oliver
Theo định nghĩa năm 1993, "phản hồi tình cảm" là tổng thể cảm nhận của khách hàng về nhà cung cấp dịch vụ, dựa trên sự so sánh giữa những gì họ nhận được và những mong đợi trước đó.
Chất lượng dịch vụ là yếu tố quan trọng nhất ảnh hưởng đến sự hài lòng của khách hàng (Cronin & Taylor, 1994) Vì vậy, mối quan hệ giữa chất lượng dịch vụ và sự hài lòng của khách hàng là vấn đề cốt lõi trong các nghiên cứu liên quan đến lĩnh vực này.
1.5.2 Mô hình chất lượng dịch vụ ( SERVQUAL )
SERVQUAL là mô hình nổi bật trong việc đánh giá chất lượng dịch vụ, được phát triển bởi Parasuraman và các cộng sự vào năm 1985 Mô hình này được sử dụng rộng rãi để đo lường sự hài lòng của khách hàng và cải thiện dịch vụ.
Hình 1 : Mô hình thang đo SERVQUAL
Thang đo SERVQUAL gồm 5 thành phần: (1) độ tin cậy, (2) tính đáp ứng, (3) sự đồng cảm, (4) năng lực phục vụ, (5) các phương tiện hữu hình
1.5.3 Mô hình nghiên cứu đề xuất
Dựa trên các cơ sở lý thuyết đã nêu, nhóm tác giả đã đề xuất bổ sung yếu tố chất lượng sản phẩm vào thang đo SERVQUAL, hình thành nên mô hình nghiên cứu mới.
6 giả thuyết nghiên cứu như sau:
Sự tin cậy của người tiêu dùng có ảnh hưởng tích cực đến sự hài lòng của khách hàng; khi mức độ tin cậy tăng lên, sự hài lòng cũng sẽ gia tăng và ngược lại.
Khả năng đáp ứng có ảnh hưởng tích cực đến sự hài lòng của khách hàng; khi người tiêu dùng đánh giá khả năng đáp ứng cao hơn, mức độ hài lòng cũng sẽ tăng lên, và điều ngược lại cũng đúng.
Năng lực phục vụ có ảnh hưởng tích cực đến sự hài lòng của khách hàng; khi năng lực phục vụ được cải thiện, mức độ hài lòng của khách hàng cũng sẽ tăng lên, và ngược lại.
Sự cảm thông đóng vai trò quan trọng trong việc nâng cao sự hài lòng của khách hàng; khi mức độ cảm thông được cải thiện, sự hài lòng của khách hàng cũng tăng lên tương ứng.
Yếu tố hữu hình ảnh hưởng tích cực đến sự hài lòng của khách hàng; khi người tiêu dùng đánh giá cao các yếu tố này, mức độ hài lòng cũng sẽ gia tăng.
Chất lượng sản phẩm ảnh hưởng trực tiếp đến sự hài lòng của khách hàng; khi người tiêu dùng cảm thấy sản phẩm đáp ứng tốt nhu cầu, mức độ hài lòng sẽ tăng lên, và ngược lại, nếu chất lượng không đạt yêu cầu, sự hài lòng sẽ giảm.
Bảng 1 : Thang đo các khái niệm nghiên cứu
STT Các biến quan sát Mã hóa
1 Nhân viên phục vụ đúng theo yêu cầu của khách hàng ngay trong lần đầu tiên DTC1
2 THE COFFEE HOUSE phục vụ đúng như thời gian đã hứa DTC2
3 THE COFFEE HOUSE cung cấp hóa đơn chính xác cho khách hàng DTC3
4 THE COFFEE HOUSE khắc phục nhanh chóng sự cố DTC4
5 THE COFFEE HOUSE không xảy ra lỗi khi phục vụ sản phẩm (đồ ăn, thức uống) DTC5
B Khả năng đáp ứng KNDU
1 Nhân viên cung cấp dịch vụ nhanh chóng theo nhu cầu của khách hàng KNDU1
2 Nhân viên vẫn duy trì tốc độ phục vụ ngay cả khi đông khách KNDU2
3 Nhân viên luôn nỗ lực xử lý những yêu cầu đặc biệt của khách hàng KNDU3
C Năng lực phục vụ NLPV
1 Nhân viên luôn niềm nở, vui vẻ với khách hàng NLPV1
2 Nhân viên cung cấp và tư vấn đây đủ các thông tin về sản phẩm NLPV2
3 Nhân viên khiến khách hàng cảm thấy thoải mái và tự tin NLPV3
4 Nhân viên hoàn toàn có thể trả lời các thắc mắc của khách hàng NLPV4
D Mức độ đồng cảm MDDC
1 THE COFFEE HOUSE đặt lợi ích của khách hàng lên hàng đầu MDDC1
2 Nhân viên quan tâm đến từng nhu cầu cá nhân của khách hàng MDDC2
3 Nhân viên khiến cho khách hàng cảm thấy mình đặc biệt MDDC3
E Yếu tố hữu hình YTHH
1 Trang thiết bị của quán hiện đại (máy lạnh, wifi,…) YTHH1
2 Cách bố trí quán đẹp mắt và thu hút YTHH2
3 Trang phục của nhân viên thanh lịch, gọn gàng và phù hợp YTHH3
4 Khu vực chỗ ngồi rộng rãi và thoải mái YTHH4
5 Thực đơn rõ ràng, dễ hiểu YTHH5
F Chất lượng sản phẩm CLSP
1 Nhìn chung, chất lượng đồ uống tại THE COFFEE HOUSE tốt CLSP1
2 Vị sản phẩm ngon CLSP2
3 Hình thức trình bày đẹp mắt CLSP3
1 Tôi hài lòng về chất lượng sản phẩm của THE COFFEE HOUSE SHL1
2 Tôi hài lòng về dịch vụ mà THE COFFEE HOUSE cung cấp SHL2
3 Tôi hài lòng về thương hiệu THE COFFEE HOUSE nói chung SHL3
4 Tôi sẽ quay lại THE COFFEE HOUSE khi có nhu cầu SHL4
Trong chương 1, nhóm đã trình bày lý do chọn đề tài, mục tiêu, đối tượng và phạm vi nghiên cứu, đồng thời giới thiệu phương pháp nghiên cứu Bên cạnh đó, nhóm cũng đề xuất mô hình nghiên cứu làm cơ sở cho bài viết.
Trong chương 1, nhóm nghiên cứu đã trình bày cấu trúc đề tài và phân tích các luận điểm cùng phương pháp tìm kiếm thông tin cho bài nghiên cứu Nội dung của chương này đóng vai trò nền tảng cho thiết kế nghiên cứu, đồng thời mô tả chi tiết về các thang đo và kết quả nghiên cứu sẽ được trình bày trong chương 2.
XỬ LÝ DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
Thông tin về mẫu
2.1.1 Thiết kế nghiên cứu định tính
Nghiên cứu định tính nhằm xác định và làm rõ các yếu tố hiện có trong mô hình, đồng thời khám phá thêm các nhân tố ảnh hưởng đến sự hài lòng của khách hàng tại TP.HCM đối với chất lượng dịch vụ của The Coffee House.
- Chọn mẫu: Trong nghiên cứu định tính, mẫu được chọn là một nhóm nhỏ, do đó:
- Đối tượng tham gia phỏng vấn: Khách hàng tại TP.HCM đã từng sử dụng dịch vụ tại The Coffee House.
- Cách thức chọn mẫu: Phương pháp chọn mẫu phi xác suất thuận tiện.
Nhóm tác giả đã chọn phương pháp thảo luận nhóm tập trung để thu thập dữ liệu cho đề tài nghiên cứu Khoảng 10 người tiêu dùng tại TP.HCM, những người đã sử dụng dịch vụ tại The Coffee House, được mời tham gia phỏng vấn Tất cả người tham gia được chọn ngẫu nhiên và phỏng vấn lần lượt bằng các bảng câu hỏi đã chuẩn bị sẵn Thời gian dự kiến cho buổi thảo luận là từ 60 đến 90 phút.
2.1.2 Thiết kế nghiên cứu định lượng
Mục đích của nghiên cứu này là tiến hành điều tra thực nghiệm một cách có hệ thống các yếu tố ảnh hưởng đến sự hài lòng của khách hàng tại TP.HCM đối với chất lượng dịch vụ của The Coffee.
House dựa trên các số liệu từ các biến quan sát như độ tin cậy, khả năng đáp ứng, năng lực phục vụ, sự cảm thông, yếu tố hữu hình và chất lượng sản phẩm để đánh giá hiệu quả dịch vụ.
Trong nghiên cứu định lượng, mẫu được chọn là:
- Đối tượng tham gia phỏng vấn: Khách hàng tại TP.HCM đã từng sử dụng dịch vụ tại The Coffee House.
- Cách thức chọn mẫu: Phương pháp chọn mẫu phi xác suất thuận tiện bằng cách phỏng vấn theo đường link đã tạo trên Google Docs.
- Xử lý số liệu nghiên cứu: sử dụng phần mềm SPSS 25
2.1.3 Kết quả thông tin về mẫu
Kết quả sàng lọc và làm sạch dữ liệu:
Theo thống kê, nhóm nghiên cứu đã ghi nhận 250 câu trả lời từ khảo sát trực tuyến và nhập dữ liệu thủ công qua hệ thống Google Docs Sau khi sàng lọc, số lượng câu trả lời hợp lệ còn lại là 225.
Quá trình sàng lọc bắt đầu bằng việc lựa chọn những người đã từng sử dụng dịch vụ tại The Coffee House Nếu đáp án là “Rồi”, khảo sát sẽ tiếp tục; nếu không, khảo sát sẽ dừng lại Nhóm tiếp tục sàng lọc dựa trên nơi sống và làm việc tại TP.HCM Nếu đáp án là “Có”, khảo sát tiếp tục; nếu “Không”, khảo sát sẽ dừng lại Cuối cùng, sau khi hoàn tất quá trình sàng lọc, có 225 đáp viên hợp lệ được chọn để tham gia khảo sát.
Bảng 2 : Kết quả phân tích quá trình sàng lọc Đặc điểm Số lượng câu trả lời
1 Đã từng sử dụng dịch vụ tại The
Coffee House Tổng 250 100% Đặc điểm Số lượng câu trả lời
Tỷ lệ Đang sống và làm việc tại TP.HCM
Thống kê mô tả đặc điểm mẫu
Sau khi kiểm tra 225 bảng câu hỏi hợp lệ thu thập từ khách hàng thì nhận được
Đã thu thập 225 bảng câu hỏi khảo sát với câu trả lời đầy đủ và chính xác Số lượng bảng câu hỏi hợp lệ này sẽ được sử dụng làm dữ liệu cho nghiên cứu.
Thống kê mô tả là kỹ thuật giúp nghiên cứu tổng quát đặc điểm mẫu và kết quả khảo sát Nó bao gồm thống kê trung bình và thống kê tần số, trong đó thống kê tần số được sử dụng để mô tả các yếu tố nhân khẩu học như giới tính, độ tuổi, nghề nghiệp và thu nhập Nhóm nghiên cứu sẽ thực hiện các bước phân tích thống kê tần số để mô tả đặc điểm mẫu một cách chi tiết.
Vào Analyze -> Descriptive Statistics -> Frequencies…
Khi cửa sổ Frequencies xuất hiện, hãy chuyển tất cả các biến cần phân tích thống kê như giới tính, độ tuổi, nghề nghiệp và thu nhập từ mục bên trái sang mục bên phải của biến.
Vào tùy chọn Charts Tại Chart Type bạn sẽ có thể chọn các loại biểu đồ hiển thị cho các biến định tính.
Ở mục Chart Values chọn hiển thị tần số (Frequecies) hay phần trăm tỷ lệ (Percentages), trường hợp này nhóm chọn hiển thị phần trăm
Kết quả hiển thị trong Output sẽ bao gồm bảng thống kê tần số cho các biến Dựa trên những kết quả này, nhóm đã tổng hợp và trình bày các phân tích thống kê đặc điểm của mẫu thu thập qua bảng 2.2.
Bảng 2 : Phân tích thống kê đặc điểm mẫu đã thu thập được
Tần số Phần trăm (%) Phần trăm tích lũy (%)
Tổng cộng 225 100.0 Độ tuổi Dưới 18 tuổi 13 5.8 5.8
Qua kết quả khảo sát ta thấy được:
- Về giới tính: Có 92 người giới tính Nam (chiếm tỷ lệ 40.9%) Có 133 người giới tính Nữ (chiếm tỷ lệ 59.1%).
- Về độ tuổi: Có 13 người thuộc nhóm dưới 18 tuổi (chiếm tỷ lệ 5.8%), độ tuổi từ 18-25 tuổi có 185 người (chiếm tỷ lệ 82.2%), độ tuổi từ 26-
35 tuổi có 21 người (chiếm tỷ lệ 9.3%) Còn lại là nhóm tuổi trên 36 tuổi có 6 người (chiếm tỷ lệ 2.7%).
Trong một khảo sát về nghề nghiệp, có 17 người là học sinh, chiếm 7.6%, 174 người là sinh viên, chiếm 77.3%, và 24 người là nhân viên văn phòng, chiếm 10.7% Số người còn lại làm những nghề nghiệp khác là 10, chiếm 4.4%.
Theo thống kê, trong số người được khảo sát, 43.6% có thu nhập dưới 3 triệu đồng/tháng, chiếm 98 người Từ 3-5 triệu đồng/tháng có 61 người, tương đương 27.1% Đối với mức thu nhập từ 5-10 triệu đồng/tháng, có 42 người, chiếm 18.7% Cuối cùng, chỉ có 24 người, tương đương 10.7%, có thu nhập trên 10 triệu đồng/tháng.
Thông tin về hành vi
Tiếp tục với thông tin về hành vi trong bảng đơn biến, chúng tôi thực hiện thống kê mô tả theo các bước đã trình bày Sau khi xử lý dữ liệu bằng SPSS, chúng tôi đã thu được các bảng kết quả thống kê mô tả hành vi tiêu dùng.
Bảng 2 : Bảng tần suất sử dụng dịch vụ tại The Coffee House.
Tần số Tỷ lệ phần trăm (%)
Mức độ trung 1 tuần 1 lần 35 15.6 15.6 bình khách hàng đến The
Coffee House tại TP.HCM
Bảng 2 : Bảng tần số thời điểm trong ngày khách hàng đến The Coffee
Tần số Tỷ lệ phần trăm (%)
Thời điểm trong ngày khách hàng đến The
Bảng 2 : Bảng tần số nguồn thông tin nhận biết đến thương hiệu The Coffee
Tần số Tỷ lệ phần trăm (%)
Nguồn thông tin nhận biết đến thương hiệu
Bảng 2 : Bảng tần số người đi cùng với khách hàng đến The Coffee House.
Tần số Tỷ lệ phần trăm (%)
Người đi cùng với khách hàng đến The Coffee
Bảng 2 : Bảng tần số mục đích khách hàng đến với The Coffee House
Responses Phần trăm so với số mẫu khảo sát (225)
Tần số Phần trăm so với tổng
Mục đích khách hàng đến với
Bảng 2 : Bảng tần số những dịch vụ khách hàng hài lòng khi đến The Coffee
Responses Phần trăm so với số mẫu khảo sát (225)
Tần số Phần trăm so với tổng
Những dịch vụ khách hàng hài lòng khi đến
Cách bố trí không gian quán
Bảng 2 : Bảng tần số mức giá tiền trung bình khách hàng chi khi đến The
Tần số Tỷ lệ phần trăm (%)
Mức giá tiền trung bình khách hàng chi khi đến The
Bảng 2 : Bảng tần số các hình thức thanh toán thường được sử dụng tại The
Tần số Tỷ lệ phần trăm (%)
Các hình thức thanh toán thường được sử dụng tại The
Thẻ nội địa/ ghi nợ/ quốc tế
Sử dụng bảng kết hợp cho phép mô tả đặc điểm dữ liệu của nhiều biến cùng lúc, giúp phát hiện mối liên hệ giữa các biến mà các thống kê đơn như tần số và mô tả không thể hiện.
Nhóm nghiên cứu đã áp dụng bảng kết hợp để phân tích ba biến: “Độ tuổi”, “Nghề nghiệp” và “Giới tính” Họ tập trung vào việc xem xét cơ cấu của hai biến “Độ tuổi” và “Nghề nghiệp” theo cách thức cụ thể.
“Giới tính” như thế nào Để tạo bảng kết hợp ta thực hiện các bước như sau:
Vào Analyze -> Table -> Custom Table
Khi cửa sổ hiện ra, kéo biến Giới tính thả vào mục Columns và biến Độ tuổi, Nghề nghiệp kéo thả vào mục Rows
Vì nhóm chọn xem cơ cấu các biến theo biến giới tính, vì vậy ở mục Position chọn mục Columns và mục Source chọn Columns Variable
Nhóm muốn hiển thị thêm tỷ lệ phần trăm nên vào mục Sumary Statistics trong Define và chọn Columns N% để hiển thị dữ liệu theo dạng cột
Trong mục Categories and Totals, hãy chọn tùy chọn Total để hiển thị tổng phần trăm và tần số cho biến giới tính; các biến khác cũng thực hiện thao tác tương tự.
Bảng 2 : Bảng kết hợp giữa giới tính, độ tuổi và nghề nghiệp của khách hàng tại The Coffee House.
Tần số Phần trăm tỷ lệ
Tần số Phần trăm tỷ lệ ĐỘ
Nhóm giới tính nữ trong độ tuổi 18-25 chiếm tỷ lệ cao, chủ yếu là sinh viên và nhân viên văn phòng Họ dễ dàng tiếp cận các xu hướng mới, thường xuyên đi cà phê với nhiều mục đích và thích trải nghiệm Điều này khiến họ trở thành khách hàng chính của The Coffee House Do đó, việc kết hợp các yếu tố về độ tuổi, nghề nghiệp và giới tính là hợp lý.
Kiểm định Độ tin cậy của thang đo bằng Cronbach’s Anpha
Để xác minh độ tin cậy của các khái niệm trong khảo sát, hệ số Cronbach’s Alpha là phương pháp phổ biến Công cụ này giúp loại bỏ các biến quan sát và thang đo không đạt yêu cầu Tiêu chuẩn kiểm định yêu cầu hệ số Cronbach’s Alpha tối thiểu là 0,6 và hệ số tương quan biến tổng tối thiểu là 0,3.
Bảy khái niệm nghiên cứu được đo lường bằng thang đo Likert 5 mức độ bao gồm: Độ tin cậy (DTC), Khả năng đáp ứng (KNDU), Năng lực phục vụ (NLPV), Mức độ đồng cảm (MDDC), Yếu tố hữu hình (YTHH), Chất lượng sản phẩm (CLSP) và Sự hài lòng (SHL) Để kiểm định độ tin cậy của các yếu tố này, chúng ta sẽ áp dụng phương pháp Cronbach’s Alpha.
Vào Analyze -> Scale -> Reliability Analysis.
Khi cửa sổ hiện lên, đưa các biến quan sát thuộc nhân tố DTC vào mục Items.
Để kiểm định độ tin cậy của nhóm biến quan sát DTC trong SPSS, bạn cần vào mục Statistics, chọn "Scale if item deleted" và nhấn Continue Sau khi nhấn OK, SPSS sẽ xuất kết quả kiểm định Cronbach’s Alpha Tương tự, bạn cũng thực hiện các bước này cho các biến KNDU, NLPV, MDDC, YTHH, CLSP và SHL.
Bảng 2 : : Bảng kết quả phân tích độ tin cậy bằng hệ số Cronbach’s Alpha.
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan giữa biến và tổng
Cronbach's Alpha nếu loại biến Độ tin cậy (DTC) Cronbach’s Alpha = 0,838
Khả năng đáp ứng (KNDU) Cronbach’s Alpha = 0,858
Năng lực phục vụ (NLPV) Cronbach’s Alpha = 0,89
Mức độ đồng cảm (MDDC) Cronbach’s Alpha = 0,851
Yếu tố hữu hình (YTHH) Cronbach’s Alpha = 0,883
Chất lượng sản phẩm (CLSP) Cronbach’s Alpha = 0,779
Sự hài lòng (SHL) Cronbach’s Alpha = 0,963
Qua kết quả kiểm định trên ta thấy:
Khi thực hiện kiểm định Cronbach’s Alpha cho nhóm biến DTC, biến DTC1 có hệ số tương quan biến tổng là 0.256, nhỏ hơn 0.3, dẫn đến việc loại bỏ biến này Sau đó, chúng tôi tiến hành chạy lại kiểm định Cronbach’s Alpha lần 2 cho nhóm biến DTC.
Kết quả kiểm định độ tin cậy hệ số Cronbach’s Alpha cho thấy tất cả các thang đo đều có hệ số trên 0.6 và hệ số tương quan biến tổng của các biến quan sát đều lớn hơn 0.3, chứng tỏ rằng các thang đo có độ tin cậy cao và được đo lường tốt Sự tương quan tốt giữa các biến quan sát và tổng thể thang đo đảm bảo rằng các thang đo sẽ được sử dụng cho khảo sát chính thức Tất cả các biến quan sát đạt yêu cầu sẽ tiếp tục được áp dụng trong phân tích EFA.
Phân tích nhân tố EFA sẽ giúp xác định rõ ràng liệu các thang đo có bị tách thành những nhân tố mới hoặc bị loại bỏ hay không Điều này cho phép đánh giá chính xác hơn về độ tin cậy của thang đo, đồng thời loại bỏ các biến đo lường không đạt yêu cầu, nhằm đảm bảo tính đồng nhất cho các thang đo.
Phân tích nhân tố khám phá EFA
Bảng kết quả phân tích nhân tố biến độc lập:
Phân tích Cronbach’s Alpha cho thấy 27 biến quan sát từ 7 nhân tố tác động đến sự hài lòng của khách hàng về chất lượng dịch vụ tại The Coffee House đều đạt yêu cầu về độ tin cậy, do đó, tiến hành thực hiện EFA.
Phân tích nhân tố khám phá (EFA) là phương pháp giúp rút gọn tập hợp k biến quan sát thành F nhân tố có ý nghĩa hơn, với F < k, trong khi vẫn giữ lại hầu hết thông tin của tập biến ban đầu Việc rút gọn này dựa trên mối quan hệ tuyến tính giữa các nhân tố và các biến quan sát Số lượng nhân tố cơ sở phụ thuộc vào mô hình nghiên cứu, với các nhân tố được ràng buộc thông qua việc xoay các vector trực giao để tránh hiện tượng tương quan Factor Loading thể hiện mức độ tương quan giữa các biến và các nhân tố.
Trong nghiên cứu này, phân tích nhân tố khám phá (EFA) được thực hiện để kiểm tra mô hình thông qua thử nghiệm Kaiser-Meiyer-Olkin (KMO) và kiểm định Bartlett, sử dụng phương pháp Principal Axis Factoring với phép quay Varimax Để tiến hành EFA cho biến độc lập, các bước cụ thể sẽ được thực hiện.
Khi cửa sổ hiện lên, nhóm đưa tất cả các biến độc lập vào mục Variables (Biến DTC1 đã bị loại trước đó sẽ không đưa vào)
Ở mục Descriptives: Tick vào mục KMO and Barlett’s test of sphericity để xuất KMO và giá trị sig của kiểm định Barlett.
Ở mục Extraction: Ở mục Method chọn sử dụng phép trích Principal Components.
Ở mục Rotation: Chọn phép quay Varimax (vì cơ bản đã xác định được biến độc lập và biến phụ thuộc)
In the Options section, under Coefficient Display Format, select the "Sorted by size" checkbox to arrange the rotation matrix into a staircase format, and check "Suppress small coefficients" to eliminate substandard loadings from the matrix Additionally, in this section, input the standard factor loading value of 0.5 in the "Absolute value below" field, considering the sample data size of 225.
Bảng 2 : Kết quả hệ số KMO và kiểm định Barflett
KMO and Bartlett's Test Đo lường chỉ số KMO của tập hợp mẫu 766
Kiểm định Bartlett's Test của
Khoảng Chi bình phương 2442.626 df 231
Kết quả phân tích cho thấy hệ số KMO (Kaiser-Meyer-Olkin) đạt 0,766, cao hơn 0,5, cho thấy phân tích nhân tố khám phá là thích hợp Kiểm định Bartlett có mức ý nghĩa thống kê 0,000 (Sig Bartlett’s Test < 0.05), cho thấy các biến quan sát có mối tương quan với nhau trong tổng thể Điều này khẳng định rằng phân tích nhân tố khám phá là phù hợp để kiểm định thang đo.
Hệ số tải nhân tố (Factor loading) > 0,5 Do đó, khi phân tích nhân tố (loại bỏ các giá trị nhỏ hơn 0,5) ta được bảng dữ liệu sau (BẢNG )
Bảng 2 : Bảng kết quả phân tích nhân tố khám phá (EFA) các biến độc lập.
Hệ số nhân tố tải
Năng lục phục vụ 3 0.824 Độ tin cậy 4 0.867 Độ tin cậy 2 0.852 Độ tin cậy 5 0.795 Độ tin cậy 3 0.752
KMO = 0.766Kiểm định Bartlett’s: Sig = 0,000
Qua kết quả trên ta thấy được:
Thực hiện phân tích nhân tố theo Principal Components với phép quay Varimax Kết quả phân tích nhân tố khám phá được thể hiện ở bảng trên cho thấy
Trong nghiên cứu, 23 biến quan sát được phân nhóm thành 06 nhóm, với phương sai trích được đạt 89.918%, vượt quá 50% Điều này cho thấy các nhân tố rút ra giải thích 89.918% biến thiên của dữ liệu, với hệ số Eigenvalue là 3.597 Như vậy, phân tích nhân tố khám phá là phương pháp phù hợp cho nghiên cứu này.
Giá trị hệ số Eigenvalues của các nhân tố đều cao (>1), nhân tố thứ 6 có Eigenvalues thấp nhất là 1.874%.
Các hệ số tải nhân tố của 23 biến quan sát đều vượt quá 0.5, và không có biến nào tải lên cả hai nhân tố với hệ số gần nhau, điều này cho thấy nhân tố đạt được giá trị hội tụ và phân biệt trong phân tích EFA.
Để thực hiện phân tích nhân tố (EFA) cho biến phụ thuộc, nhóm nghiên cứu đã tiến hành các bước tương tự như đối với biến độc lập.
Bảng 2 : Kết quả hệ số KMO và kiểm định Barflett
KMO and Bartlett's Test Đo lường chỉ số KMO của tập hợp mẫu 859
Kiểm định Bartlett's Test của
Bảng 2 : Bảng kết quả phân tích nhân tố khám phá (EFA) của biến phụ thuộc
Hệ số tải nhân tố
KMO = 0.859 Kiểm định Bartlett’s: Sig = 0,000
Qua kết quả phân tích trên ta thấy được:
Hệ số KMO đạt 0.859, vượt ngưỡng 0,5, cho thấy phân tích nhân tố khám phá là thích hợp Kiểm định Bartlett với giá trị ý nghĩa thống kê 0,000 (Sig Bartlett’s Test < 0.05) cho thấy các biến quan sát có mối tương quan trong tổng thể Phương sai trích đạt 89.918%, lớn hơn 50%, cho thấy nhân tố rút ra giải thích 89.918% biến thiên của dữ liệu, với hệ số Eigenvalue là 3.597, khẳng định tính phù hợp của phân tích nhân tố khám phá.
Sau khi thực hiện phân tích nhân tố EFA, chúng tôi nhận thấy mô hình lý thuyết ban đầu phù hợp với nghiên cứu Các biến độc lập và biến phụ thuộc đã đạt được độ tin cậy cao và tính giá trị, tạo điều kiện thuận lợi cho các phân tích tiếp theo.
Tất cả các thang đo đã cho thấy giá trị phân biệt và giá trị hội tụ rõ rệt Dựa trên kết quả này, lệnh Transform/Computer Variable/Mean được áp dụng để nhóm các biến quan sát thành 6 nhân tố độc lập: DTC, KNDU, NLPV, MDDC, YTHH, CLSP và 1 nhân tố phụ thuộc là SHL Các nhân tố này sẽ được sử dụng trong bước xây dựng phương trình hồi quy tiếp theo.
Phân tích tương quan và hồi quy
2.5.1 Phân tích tương quan Để xem xét các mối quan hệ tương quan tuyến tính chặt chẽ giữa các biến độc lập DTC, KNDU, NLPV, MDDC, YTHH, CLSP và biến phụ thuộc SHL, nhóm tiến hành chạy kiểm định hệ số tương quan Pearson Ngoài ra việc này cũng giúp chúng ta sớm nhận biết vấn đề đa cộng tuyến khi các biến độc lập có tương quan mạnh với nhau Để thực hiện kiểm định hệ số tương quan Person nhóm đã thựuc hiện các bước như sau:
Khi hộp thoại xuất hiện, hãy đưa tất cả các biến đại diện từ ô bên trái vào ô Variables Để dễ dàng đọc dữ liệu, hãy sắp xếp các biến phụ thuộc SHL lên trên cùng.
Bảng 2 : Bảng kết quả phân tích tương quan
Sự hài lòng Độ tin cậy
* Correlation is significant at the 0.05 level (2-tailed).
** Correlation is significant at the 0.01 level (2-tailed).
Kết quả phân tích cho thấy có bốn biến độc lập: DTC, KNDU, NLPV, MDDC, YTHH, trong đó NLPV có mối tương quan với biến phụ thuộc SHL ở mức ý nghĩa 1% và 5% Tất cả các giá trị Sig được tô màu vàng đều nhỏ hơn 0,05, cho thấy các biến độc lập này có mối tương quan tuyến tính với biến phụ thuộc.
Các biến độc lập trong nghiên cứu này hầu như có sự tương quan tuyến tính yếu, với hệ số Pearson dưới 0,3, cho thấy giá trị phân biệt đã đạt được Ngoại trừ cặp nhân tố NLPV – MDDC và YTHH – CLSP, không có mối quan hệ chặt chẽ nào giữa các biến độc lập, do đó cần lưu ý đến tính đa cộng tuyến trong bước hồi quy tiếp theo.
Phân tích hồi quy đa biến giúp xác định các yếu tố ảnh hưởng đến biến phụ thuộc, từ đó đề xuất giải pháp hiệu quả và tiết kiệm Để thực hiện hồi quy đa biến, cần tiến hành theo các bước cụ thể.
Khi hộp thoại xuất hiện, đưa biến phụ thuộc vào ô Dependent và tất cả biến độc lập vào ô Independent.
Ở mục Statistics: tick vào các mục Collinearity dianotics và Durbin- Watson
Để kiểm tra các giả định hồi quy ta vào Plots: đưa *ZRESID vào ô Y và
Dựa trên mô hình nghiên cứu lý thuyết, chúng tôi đã xây dựng phương trình hồi quy đa biến để phân tích các yếu tố chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng tại The Coffee House.
SHL= B0 + B1*DTC + B1*KNDU + B3*NLPV + B4*MDDC + B5*YTHH
Các biến độc lập (Xi) = DTC, KNDU, NLPV, MDDC, YTHH, CLSP
Bk là hệ số hồi quy riêng (k=0…6)
Hệ số hồi quy riêng phần đó đến biến phụ thuộc càng cao, nếu cùng dấu thì mức độ tác động là thuận chiều và ngược lại
Bảng kết quả phân tích hồi quy
Bảng 2 : Bảng kết quả phân tích hồi quy
Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa t Sig
Hệ số đa cộng tuyến
B Sai số chuẩn Beta To lerance
R 2 hiệu chỉnh: 0.066 Thống kê F (ANOVA): 4.979 Mức độ ý nghĩa (Sig Của ANOVA): 0.001
Qua bảng phân tích kết quả hồi ở trên, ta thấy được:
Trong lần chạy hồi quy này, SPSS đã tự động loại bỏ hai biến KNDU và NLPV khỏi mô hình, để lại bốn nhân tố chính có ảnh hưởng đến SHL Kết quả được trình bày trong bảng hồi quy.
Kết quả phân tích cho thấy biến YTHH có ý nghĩa thống kê trong mô hình với giá trị Sig.t là 0,010, nhỏ hơn 0,05 Hệ số B của YTHH là 0.190, cho thấy khi YTHH tăng 1 đơn vị, biến SHL sẽ tăng 0.190 đơn vị Ngược lại, các biến DTC, MDDC, và CLSP có giá trị Sig.t lần lượt là 0.096, 0.089, và 0.088, cho thấy chúng không có ý nghĩa thống kê trong mô hình.
Mô hình nghiên cứu cho thấy hệ số R2 đã hiệu chỉnh là 0,066, tức là 6,6% sự biến thiên của SHL được giải thích bởi 4 biến: DTC, MDDC, YTHH, và CLSP Điều này cho thấy phần lớn, 93,4%, sự biến thiên vẫn được giải thích bởi các yếu tố ngoài mô hình và sai số ngẫu nhiên, cho thấy ý nghĩa của mô hình nghiên cứu là yếu.
Kiểm định F được sử dụng để xác định mối quan hệ tuyến tính giữa biến phụ thuộc (SHL) và toàn bộ tập biến độc lập Kết quả từ bảng phân tích phương sai ANOVA cho thấy trị thống kê F có giá trị Sig = 0,001, nhỏ hơn 0,05, chứng tỏ rằng mô hình hồi quy đa biến phù hợp với tập dữ liệu ở độ tin cậy 95% Điều này khẳng định rằng các biến độc lập có mối tương quan tuyến tính với biến phụ thuộc.
Hệ số Durbin-Watson được sử dụng để kiểm định tương quan chuỗi bậc nhất cho thấy mô hình hồi quy không vi phạm, với giá trị đạt được là 1.877, gần bằng 2 Điều này cho phép chấp nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình Do đó, mô hình hồi quy bội đáp ứng đầy đủ các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra kết quả nghiên cứu.
Kiểm định hiện tượng đa cộng tuyến là quá trình xác định sự tương quan mạnh giữa các biến độc lập Để thực hiện kiểm tra này, nhân tố phóng đại phương sai (VIF) được sử dụng, với quy tắc VIF < 2 cho thấy không có hiện tượng đa cộng tuyến Kết quả phân tích cho thấy tất cả các giá trị VIF của bốn yếu tố đều nhỏ hơn mức giới hạn (DTC: 1.032, MDDC: 1.024, YTHH: 1.028, CLSP: 1.045), chứng tỏ mô hình hồi quy đa biến không gặp phải vấn đề đa cộng tuyến, và mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
Hình 2 : Biểu đồ tần số dư chuẩn hóa
Biểu đồ Histogram cho thấy rằng phần dư chuẩn hóa tuân theo phân phối chuẩn, với đường cong hình chuông đại diện cho phân phối chuẩn Giá trị trung bình (Mean) của phần dư chuẩn hóa là 6.59E - 16, gần như bằng 0, trong khi độ lệch chuẩn là 0,987, gần bằng 1 Điều này xác nhận rằng giả định về phân phối chuẩn của phần dư không bị vi phạm.
Hình 2 : Biểu đồ tần số Normal P-P Plot
Biểu đồ tần số Normal P-P Plot là công cụ hữu ích để kiểm tra giả định về phân phối chuẩn của phần dư Như thể hiện trong biểu đồ trên, các giá trị quan sát và giá trị mong đợi đều gần như nằm trên đường chéo, cho thấy rằng phần dư chuẩn hóa tuân theo phân phối chuẩn.
Hình 2 : Biểu đồ phân tán Scatterplot
Trong giả định liên hệ tuyến tính, phương pháp biểu đồ phân tán (Scatterplot) được sử dụng để phân tích Trên trục hoành là giá trị phần dư chuẩn hóa (Standardized Residual), trong khi trục tung biểu thị giá trị dự đoán chuẩn hóa (Predicted Value) Quan sát HÌNH…, chúng ta nhận thấy rằng các điểm phân bố của phần dư phân tán ngẫu nhiên xung quanh đường tung độ.
0 và không tạo ra được một hình dạng nào khác Điều này chứng tỏ giả định quan hệ tuyến tính không bị vi phạm.
