NGHIÊN CỨU MỨC độ HÀI LÒNG CỦA KHÁCH HÀNG đối VỚI CHUỖI CỬA HÀNG TIỆN LỢI CIRCLE k TẠI TP HCM

GIỚI THIỆU CHUNG VỀ ĐỀ TÀI

Mục tiêu nghiên cứu

- Đo lường sự hài lòng của khách hàng đối với chuỗi cửa hàng tiện lợi Circle K tại TP.HCM

- Xác định những nhân tố ảnh hưởng đến sự hài lòng của khách hàng đối với chuỗi cửa hàng tiện lợi Circle K tại TP.HCM

- Dựa trên việc phân tích sẽ đưa ra kết luận từ đó đề xuất một số giải pháp góp phần nâng cao mức độ hài lòng của khách hàng.

Phương pháp thu thập dữ liệu

• Các bài nghiên cứu, luận văn của sinh viên (khóa trước) ở các trường đại học

• Các tài liệu trên các web liên quan đến đề tài nghiên cứu

• Các bài báo cáo nghiên cứu khoa học

Dữ liệu được thu thập thông qua bảng câu hỏi và công cụ Google Forms, tập trung khảo sát chủ yếu vào thế hệ Gen Z Nhóm nghiên cứu đã xây dựng hai câu hỏi gạn lọc để xác định đúng đối tượng, bao gồm những người đã từng đến cửa hàng Circle K tại thành phố Hồ Chí Minh.

• Số lượng dự kiến khảo sát là 200 người

• Phương pháp chọn mẫu: sử dụng phương pháp chọn mẫu thuận tiện

• Hình thức: tiến hành khảo sát thông qua hình thức phát bảng câu hỏi trực tuyến

Phương pháp nghiên cứu

• Sử dụng thang đo danh nghĩa với mục đích là phân loại các đáp án trả lời giữa các nhóm phỏng vấn

• Sử dụng thang đo Likert 5 mức độ từ 1 đến 5 tương ứng cho từng mức độ: (1) Hoàn toàn không đồng ý; (2) Không đồng ý; (3) Bình thường;

Nghiên cứu sử dụng phương pháp định lượng để thu thập và xử lý số liệu Số liệu sẽ được mã hóa, làm sạch và phân tích bằng phần mềm SPSS 20.0 Phương pháp xử lý số liệu sẽ được trình bày chi tiết trong bài viết.

• Mã hóa dữ liệu: Sau khi thu thập dữ liệu, tiến hành mã hóa theo nguyên tắc thống nhất phù hợp với mục tiêu và phương pháp nghiên cứu

Đánh giá thang đo là quá trình nhằm xác định độ tin cậy của các thang đo liên quan đến các yếu tố ảnh hưởng đến mức độ hài lòng của khách hàng.

• Các thống kê mô tả, phân tích độ tin cậy thang đo bằng Cronbach's Alpha

• Phân tích nhân tố EFA

Phân tích hồi quy cho thấy các nhân tố chính ảnh hưởng đến mức độ hài lòng của khách hàng tại chuỗi cửa hàng tiện lợi Circle K ở thành phố Hồ Chí Minh bao gồm chất lượng dịch vụ, sự đa dạng sản phẩm, giá cả hợp lý và trải nghiệm mua sắm Nghiên cứu này nhằm xác định mối liên hệ giữa các yếu tố này và mức độ hài lòng của khách hàng, từ đó đưa ra những khuyến nghị cải thiện dịch vụ tại Circle K.

• Tổng hợp kết quả nghiên cứu và đưa ra kết luận

Mô hình nghiên cứu

Hình 1.1: Mô hình nghiên cứu đề xuất các yếu tố ảnh hưởng đến mức độ hài lòng của khách hàng đối với chuỗi cửa hàng Circle K

Các giả thuyết nghiên cứu:

• Giả thuyết H1: Nhân tố “Hàng hóa” ảnh hưởng thuận chiều và có tác động tích cực đến sự hài lòng của khách hàng

• Giả thuyết H2: Nhân tố “Giá cả” ảnh hưởng thuận chiều và có tác động tích cực đến sự hài lòng của khách hàng

• Giả thuyết H3: Nhân tố “Nhân viên” ảnh hưởng thuận chiều và có tác động tích cực đến sự hài lòng của khách hàng

• Giả thuyết H4: Nhân tố “Phân phối” ảnh hưởng thuận chiều và có tác động tích cực đến sự hài lòng của khách hàng

• Giả thuyết H5: Nhân tố “Cơ sở vật chất” ảnh hưởng thuận chiều và có tác động tích cực đến sự hài lòng của khách hàng

• Giả thuyết H6: Nhân tố “Dịch vụ” ảnh hưởng thuận chiều và có tác động tích cực đến sự hài lòng của khách hàng

SỰ HÀI LÒNG CỦA KHÁCH HÀNG

XỬ LÝ DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU

Mẫu quan sát

Nhóm tác giả đã thiết kế một bảng khảo sát trực tuyến nhằm thu thập thông tin từ người dùng qua mạng xã hội Kết quả thu được 226 phiếu trả lời, trong đó có 26 phiếu không hợp lệ do không đáp ứng đủ tiêu chí của đề tài Cuối cùng, 200 phiếu trả lời hợp lệ được sử dụng cho phân tích.

Thống kê mô tả

Giúp người nghiên cứu mô tả tổng quát về đặc điểm của mẫu nghiên cứu và kết quả khảo sát có được

• Bước 1: Chọn Analyze = > Descriptive Statistics = > Frequencies

Hình 2.1: Hình mô tả bước 1 của thống kê tần số

Để thực hiện thống kê mô tả, bạn cần chuyển tất cả các biến cần thiết từ mục bên trái sang mục bên phải trong giao diện cửa sổ Sau khi hoàn tất, hãy nhấn OK để xem kết quả.

Hình 2.2: Hình mô tả bước 2 của thống kê tần số

• Bước 3: Kết quả hiển thị ra output sẽ gồm bảng thống kê tần số đã chọn (được hiển thị bên dưới)

 Ý nghĩa của các cột như sau:

▪ Cột Frequency: Thể hiện tần số của từng nhóm khảo sát

▪ Cột Percent: Tỷ lệ phần trăm của từng nhóm khảo sát

▪ Cột Valid Percent: Tỷ lệ phần trăm hợp lệ của từng nhóm khảo sát

▪ Cột Cumulative Percent: Phần trăm cộng dồn

➢ Thống kê về giới tính:

Bảng 2.1: Bảng thống kê giới tính mẫu khảo sát

Giới tính Số lượng Phần trăm Phần trăm hợp lệ

Kết quả phân tích cho thấy, giới tính Nam có 67 người tương ứng với 33,5% Nữ có

131 người tương ứng với 65,5% Còn lại là giới tính khác có 2 người tương ứng với 1%

➢ Thống kê về độ tuổi:

Bảng 2.2: Bảng thống kê độ tuổi mẫu khảo sát Độ tuổi Số lượng Phần trăm Phần trăm hợp lệ

Kết quả phân tích cho thấy, trong số những người được khảo sát, độ tuổi dưới 18 chiếm 3% với 6 người, độ tuổi từ 18 đến 25 chiếm 87,5% với 175 người, độ tuổi từ 25 đến 30 có 6% với 12 người, và độ tuổi trên 30 chiếm 3,5% với 7 người.

➢ Thống kê về nghề nghiệp hiện tại:

Bảng 2.3: Bảng thống kê nghề nghiệp mẫu khảo sát

Nghề nghiệp Tần số Phần trăm Phần trăm hợp lệ

Kết quả phân tích cho thấy, trong số 200 người tham gia khảo sát, học sinh/sinh viên chiếm tỷ lệ cao nhất với 175 người, tương ứng 87,5% Tiếp theo, có 13 nhân viên văn phòng, chiếm 6,5% Số lượng nội trợ là 5 người, tương ứng 2,5%, trong khi công nhân viên chức có 6 người, chiếm 3% Cuối cùng, nghề nghiệp khác chỉ có 1 người, tương ứng 5%.

➢ Thống kê về thu nhập hiện tại trong 1 tháng

Bảng 2.4: Bảng thống kê thu nhập mẫu khảo sát

Thu nhập Tần số Phần trăm Phần trăm hợp lệ

Kết quả phân tích cho thấy rằng trong số những người được khảo sát, có 109 người (54,5%) có thu nhập dưới 2 triệu đồng/tháng, 64 người (32%) có thu nhập từ 2 triệu đến dưới 5 triệu đồng/tháng, và 27 người (13,5%) có thu nhập trên 5 triệu đồng/tháng.

• Bước 1: Chọn Analyze = > Descriptive Statistics = > Descriptives

Hình 2.3: Hình mô tả bước 1 của thống kê trung bình

Để thực hiện bước 2, giao diện cửa sổ sẽ hiển thị như hình dưới đây Bạn cần chuyển tất cả các biến cần thống kê trung bình từ mục bên trái sang mục bên phải.

Hình 2.4: Hình mô tả bước 2 của thống kê trung bình

• Bước 3: Kết quả hiển thị ra output sẽ gồm bảng thống kê tần số đã chọn (được hiển thị bên dưới)

▪ Cột N: Cỡ mẫu nghiên cứu

▪ Cột Minimum: Giá trị nhỏ nhất của biến

▪ Cột Maximum: Giá trị lớn nhất của biến

▪ Cột Mean: Giá trị trung bình của biến trên thang đo 5 mức độ

▪ Cột Std Deviation: Độ lệch chuẩn của biến

 Kết quả sau khi phân tích của các bảng sau:

Cột Mean trong thang đo Likert 5 mức độ cho thấy mức điểm 3 là trung gian Nếu điểm số thiên về 3-5, điều này cho thấy đáp viên đồng ý với quan điểm của biến Ngược lại, nếu điểm số thiên về 1-3, đáp viên không đồng ý với quan điểm đó.

Cột Độ lệch chuẩn (Std Deviation) cho thấy mức độ biến động trong các câu trả lời của đáp viên; giá trị càng nhỏ cho thấy các đáp án gần nhau, trong khi giá trị lớn cho thấy sự chênh lệch rõ rệt giữa các con số.

9 cao, thể hiểu rằng đối tượng khảo sát có nhận định rất khác biệt nhau đối với biến đó, nên mức điểm cho chênh lệch nhau khá nhiều

➢ Thống kê mức độ hài lòng về hàng hoá

Bảng 2.5: Bảng thống kê mức độ hài lòng về hàng hoá

Cỡ mẫu Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lệch chuẩn

➢ Thống kê mức độ hài lòng về giá cả

Bảng 2.6: Bảng thống kê mức độ hài lòng về giá cả

Giá trị trung bình Độ lệch chuẩn

➢ Thống kê mức độ hài lòng về nhân viên

Bảng 2.7: Bảng thống kê mức độ hài lòng về nhân viên

➢ Thống kê mức độ hài lòng về phân phối

Bảng 2.8: Bảng thống kê mức độ hài lòng về phân phối

➢ Thống kê mức độ hài lòng về cơ sở vật chất

Bảng 2.9: Bảng thống kê mức độ hài lòng về cơ sở vật chất

➢ Thống kê mức độ hài lòng về dịch vụ

Bảng 2.10: Bảng thống kê mức độ hài lòng về dịch vụ

Độ tin cậy Cronbach’s Alpha

Để đánh giá độ tin cậy và chất lượng của các biến quan sát thuộc nhân tố mẹ (nhân tố A), cần thực hiện kiểm định nhằm xác định mức độ tương quan giữa các biến này Phép kiểm định này giúp phản ánh sự liên kết chặt chẽ giữa các biến quan sát trong cùng một nhân tố.

• Bước 1: Chọn Analyze > Scale > Reliability Analysis…

Hình 2.5: Hình mô tả bước 1 của kiểm định độ tin cậy Cronbach’s Alpha

Trong bước 2, hãy đưa 7 biến quan sát thuộc nhân tố HH vào mục Items bên phải Đối với các biến quan sát thuộc các nhân tố khác, bạn cũng thực hiện tương tự Sau đó, chọn vào mục Statistics để tiếp tục.

• Bước 3: Trong tùy chọn Statistics, các bạn tích vào các mục Scale if item deleted như hình Sau đó chọn Continue để cài đặt được áp dụng

• Bước 4: Sau khi click Continue, SPSS sẽ quay về giao diện ban đầu

(khung Reliability Analysis), các bạn nhấp chuột vào OK để xuất kết quả ra Output

2.3.1 Kiểm định các biến quan sát trong nhân tố HH

Bảng 2.11: Bảng kết quả kiểm định các biến quan sát trong nhân tố HH (hàng hoá)

Thang đo trung bình nếu loại biến

Phương sai thang đo nếu loại biến

Cronbach's Alpha nếu loại biến

Kết quả phân tích cho thấy hệ số Cronbach's Alpha tổng thể của thang đo "Hàng hóa" đạt 0,887, cho thấy độ tin cậy cao của thang đo này Hệ số tương quan biến tổng (Corrected Item - Total Correlation) cũng được đánh giá, khẳng định tính chính xác và sự liên kết giữa các mục trong thang đo.

7 biến quan sát trong thang đo đều > 0.3 nên thang đo "Hàng hóa" đủ độ tin cậy để thực hiện các phân tích tiếp theo

2.3.2 Kiểm định các biến quan sát trong nhân tố GC

Bảng 2.12: Bảng kết quả kiểm định các biến quan sát trong nhân tố GC (giá cả)

Kết quả phân tích cho thấy thang đo "Giá cả" có hệ số Cronbach's Alpha tổng thể đạt 0,808, cùng với hệ số tương quan biến tổng (Corrected Item - Total Correlation) của 7 biến quan sát đều lớn hơn 0.3 Điều này chứng tỏ thang đo "Giá cả" có độ tin cậy cao, đủ để thực hiện các phân tích tiếp theo.

2.3.3 Kiểm định các biến quan sát trong nhân tố NV

Bảng 2.13: Bảng kết quả kiểm định các biến quan sát trong nhân tố NV (nhân viên)

Kết quả phân tích cho thấy hệ số Cronbach's Alpha tổng thể của thang đo "Nhân viên" đạt 0,882, cho thấy độ tin cậy cao Hệ số tương quan biến tổng (Corrected Item - Total Correlation) cũng được xem xét để đánh giá sự phù hợp của các mục trong thang đo.

7 biến quan sát trong thang đo đều > 0.3 nên thang đo "Nhân viên" đủ độ tin cậy để thực hiện các phân tích tiếp theo

2.3.4 Kiểm định các biến quan sát trong nhân tố PP

Bảng 2.14: Bảng kết quả kiểm định các biến quan sát trong nhân tố PP (phân phối)

Kết quả phân tích cho thấy hệ số Cronbach's Alpha tổng thể của thang đo "Phân phối" đạt 0,835, cho thấy độ tin cậy cao Hệ số tương quan biến tổng (Corrected Item - Total Correlation) cũng cho thấy mối liên hệ chặt chẽ giữa các biến trong thang đo này.

7 biến quan sát trong thang đo đều > 0.3 nên thang đo "Phân phối" đủ độ tin cậy để thực hiện các phân tích tiếp theo

2.3.5 Kiểm định các biến quan sát trong nhân tố CSVC

Bảng 2.15: Bảng kết quả kiểm định các biến quan sát trong nhân tố CSVC (cơ sở vật chất)

Kết quả phân tích cho thấy hệ số Cronbach's Alpha của thang đo "Cơ sở vật chất" đạt 0,883, với hệ số tương quan biến tổng của 7 biến quan sát đều lớn hơn 0.3, chứng tỏ thang đo này có độ tin cậy cao và sẵn sàng cho các phân tích tiếp theo.

2.3.6 Kiểm định các biến quan sát trong nhân tố DV

Bảng 2.16: Bảng kết quả kiểm định các biến quan sát trong nhân tố DV (dịch vụ)

Kết quả phân tích cho thấy hệ số Cronbach's Alpha tổng thể của thang đo "Dịch vụ" đạt 0,835, cho thấy độ tin cậy cao Hệ số tương quan biến tổng (Corrected Item - Total Correlation) cũng được xem xét để đánh giá mối liên hệ giữa các biến trong thang đo.

7 biến quan sát trong thang đo đều > 0.3 nên thang đo "Dịch vụ" đủ độ tin cậy để thực hiện các phân tích tiếp theo

2.3.7 Kiểm định các biến quan sát trong nhân tố HL

Bảng 2.17: Bảng kết quả kiểm định các biến quan sát trong nhân tố HL (hài lòng)

Kết quả phân tích cho thấy hệ số Cronbach's Alpha tổng thể của thang đo "Hài lòng" đạt 0,854, cho thấy độ tin cậy cao Hệ số tương quan biến tổng (Corrected Item - Total Correlation) cũng được ghi nhận, phản ánh mối liên hệ giữa các yếu tố trong thang đo này.

7 biến quan sát trong thang đo đều > 0.3 nên thang đo "Hài lòng" đủ độ tin cậy để thực hiện các phân tích tiếp theo.

Phân tích nhân tố khám phá EFA

Xem xét mối quan hệ giữa các biến trong các nhóm khác nhau giúp phát hiện các biến quan sát có thể tải lên nhiều nhân tố hoặc bị phân sai nhân tố từ ban đầu.

• Bước 1:Chọn Analyze => Dimension Reduction => Factor…

Hình 2.8: Hình mô tả bước 1 của phân tích nhân tố khám phá EFA

• Bước 2:Đưa biến quan sát của các biến độc lập cần thực hiện phân tích EFA vào mục Variables Chú ý 4 tùy chọn bên cạnh.

Bước 3: Chọn Descriptives để hiển thị giao diện cửa sổ Tích vào mục KMO và kiểm định Barlett’s test of sphericity để xuất bảng giá trị KMO cùng giá trị sig của kiểm định Barlett Sau đó, nhấn Continue để quay lại cửa sổ ban đầu.

In Step 4, click on "Extraction," and the window interface will appear as shown below In the "Method" section, select "Principal Components Analysis" for extraction, then click "Continue" to return to the initial window.

• Bước 5: Nhấn chọn Rotation, giao diện cửa sổ sẽ hiện như bên dưới Ở mục Metho sẽ nhấn chọn phép quay Varimax Sau đó nhấp

Continue để quay lại cửa sổ ban đầu.

Hình 2.12:Hình mô tả bước 5 của phân tích nhân tố khám phá EFA

Step 6: Click on Options, and the window interface will appear as shown below Check the boxes for "Sorted by size" and "Suppress small coefficients." In this section, you will find the "Absolute value below" field, where you need to enter the standard factor loading value The sample size of the data file is essential for this process.

200 nên sẽ nhập vào 0.5 Nhấp Continue để quay lại cửa sổ ban đầu

Hình 2.13:Hình mô tả bước 6 của phân tích nhân tố khám phá EFA

• Bước 7: Tại cửa sổ tiếp theo, chọn OK để xuất kết quả ra Output

Bảng 2.18: Bảng kết quả phân tích EFA Kiểm định KMO and Bartlett's

Kết quả phân tích nhân tố cho thấy chỉ số Kaiser-Meyer-Olkin Measure of Sampling Adequacy (KMO) đạt 0.834, vượt ngưỡng 0.5, chứng tỏ dữ liệu phân tích là hoàn toàn phù hợp.

Kết quả kiểm định Bartlett's là 3115.240 với mức ý nghĩa Sig = 0.000 < 0.05, cho thấy các biến có sự tương quan với nhau trong mỗi nhân tố.

Hệ số Eigenvalue đạt 1.626, lớn hơn 1, cho thấy các nhân tố rút trích có khả năng tóm tắt thông tin hiệu quả Tổng phương sai trích là 63.649%, vượt mức 50%, điều này chứng tỏ rằng 6 nhân tố rút trích giải thích được 63.649% biến thiên của dữ liệu quan sát.

Bảng 2.19: Bảng kết quả EFA của thang đo “Các yếu tố ảnh hưởng đến mức độ hài lòng”

Dựa vào bảng ma trận xoay nhân tố Rotated Component Matrix, các hệ số tải nhân tố đều lớn hơn 0,5, điều này đảm bảo tính ý nghĩa của các biến, do đó không có biến nào cần phải loại bỏ.

Bảng 2.20: Bảng kết quả phân tích EFA cho biến phụ thuộc “HL”

Kiểm định KMO and Bartlett's

Kết quả phân tích nhân tố cho thấy kiểm định KMO và Bartlett’s có giá trị sig = 0.000 và hệ số KMO đạt 0.823, cao hơn 0.5, cho thấy phân tích EFA là phù hợp cho nghiên cứu này Tổng phương sai trích đạt 69.621%, vượt quá 50%, với giá trị Eigenvalue = 2.785, cho phép nhóm bốn biến quan sát thành một yếu tố duy nhất, giải thích 69.621% phương sai.

Bảng 2.21: Bảng kết quả phân tích EFA cho biến phụ thuộc “HL”

Dựa vào bảng ma trận xoay nhân tố Rotated Component Matrix, tất cả các hệ số tải nhân tố đều lớn hơn 0,5, cho thấy ý nghĩa thống kê, do đó không có biến nào bị loại bỏ.

Bảng 2.22: Bảng tổng hợp các biến sau khi phân tích nhân tố (EFA)

Tên nhân tố Biến quan sát Độc lập

01 HH 07 Hàng hóa HH1, HH2, HH3, HH4, HH5, HH6, HH7

02 GC 03 Giá cả GC1, GC2, GC3

03 NV 06 Nhân viên NV1, NV2, NV3, NV4, NV5, NV6

04 PP 04 Phân phối PP1, PP2, PP3, PP4

05 CSVC 07 Cơ sở vật chất

CSVC1, CSVC2, CSVC3, CSVC4, CSVC5, CSVC6, CSVC7

06 DV 05 Dịch vụ DV1, DV2, DV3, DV4, DV5

07 HL 04 Hài lòng HL1, HL2, HL3, HL4

Phân tích tương quan

Mục đích của việc sử dụng kiểm tra tương quan Pearson là để xác định mối quan hệ tuyến tính mạnh mẽ giữa biến phụ thuộc và các biến độc lập, đồng thời giúp phát hiện sớm vấn đề đa cộng tuyến khi các biến độc lập cũng có sự tương quan cao với nhau.

• Bước 1: Truy cập vào thẻ Analyze => Correlate => Bivariate…

Hình 2.14: Hình mô tả bước 1 của phân tích tương quan

• Bước 2: Hộp thoại Bivariate Correlations xuất hiện, đưa các biến độc lập và biến phụ thuộc từ cột bên trái sang bên phải Để thuận tiện cho

29 quá trình đọc số liệu nên sắp xếp biến phụ thuộc nằm trên cùng (trong hình là biến HL)

Hình 2.15: Hình mô tả bước 2 của phân tích tương quan

• Bước 3: Sau đó chọn OK để xuất Output

Bảng 2.23: Bảng kết quả phân tích tương quan

Bảng 2.24: Bảng kết quả phân tích tương quan

Cơ sở vật chất (CSVC )

Kết quả phân tích tương quan cho thấy các biến độc lập như hàng hóa, giá cả, nhân viên, phân phối, cơ sở vật chất và dịch vụ đều có mối tương quan thuận chiều với biến phụ thuộc hài lòng Cụ thể, hệ số Sig của các biến độc lập đều nhỏ hơn 0,05, và các hệ số tương quan Pearson giữa các biến độc lập và biến phụ thuộc đều dương Điều này chứng tỏ rằng các yếu tố trong mô hình đủ điều kiện để tiến hành phân tích hồi quy.

Phân tích hồi quy

Phân tích hồi quy tuyến tính sẽ giúp đạt được mục tiêu nghiên cứu và kiểm tra các giả thuyết về mối quan hệ chặt chẽ giữa các biến độc lập và biến phụ thuộc, cụ thể là mức độ hài lòng của khách hàng.

• Bước 1: Vào Analyze => Regression => Linear

Hình 2.16: Hình mô tả bước 1 của phân tích hồi quy

• Bước 2: Đưa biến phụ thuộc vào ô Dependent, các biến độc lập vào ô

Hình 2.17:Hình mô tả bước 2 của phân tích hồi quy

• Bước 3: Vào mục Statistics, tích chọn các mục như trong ảnh và click

Hình 2.18:Hình mô tả bước 3 của phân tích hồi quy

• Bước 4: Vào mục Plots, Y chọn ZRESID và X chọn ZPRED Tích chọn Histogram và Normal probability plot Sau đó click Continue.

Hình 2.19: Hình mô tả bước 4 của phân tích hồi quy

• Bước 5: Các mục còn lại để mặc định Rồi, quay lại giao diện ban đầu, mục Method, có thể chọn 2 phương pháp phổ biến nhất là Stepwise và

Enter, thường thì sẽ chọn Enter Sau đó nhấn OK xuất Output

Bảng 2.25: Bảng kết quả phân tích hồi quy

Std Error of the Estimate

Tổng độ lệch phương Bậc tự do

Bảng 2.27: Bảng kết quả phân tích hồi quy

Hệ số hồi quy chưa chuyển hoá

Hệ số hồi quy đã chuyển hoá T Sig Đa cộng tuyến

Mô hình B Sai số chuẩn Beta Sai số VIF

Kết quả phân tích hồi quy tuyến tính cho thấy có mối quan hệ chặt chẽ giữa biến độc lập và biến phụ thuộc hài lòng của khách hàng Cụ thể, giá trị Adjusted R Square đạt 0.579, cho thấy mô hình có ý nghĩa và ảnh hưởng tốt, với 57,9% sự thay đổi của biến phụ thuộc được giải thích bởi 6 biến độc lập, trong khi 42,1% còn lại do các yếu tố ngoài mô hình và sai số ngẫu nhiên Giá trị DW (Durbin-Watson) cũng được tính toán để đánh giá độ tự tương quan.

1.902, nằm trong khoảng 1.5 - 2.5 nên sẽ không xảy ra hiện tượng tương quan chuỗi bậc nhất trong mô hình

Giá trị F là 46.574 với Sig của kiểm định F là 0.000, nhỏ hơn 0.05, cho thấy R bình phương của tổng thể khác 0 Điều này cho phép chúng ta kết luận rằng mô hình hồi quy tuyến tính có thể được suy rộng và áp dụng cho tổng thể.

Tất cả sáu biến độc lập đều có trọng số hồi quy với giá trị Sig Compare Means > One-Way ANOVA

Hình 2.23: Hình mô tả bước 1 của phân tích Anova

• Bước 2: Giao diện hiện ra như sau, các bạn đưa biến phụ thuộc vào mục

Dependent List, đưa biến định tính vào mục Factor

• Bước 3: Tiếp đến, sử dụng tùy chọn Options Tích vào 4 mục như hình ảnh phía dưới Sau đó chọn Continue

• Bước 4: Quay lại giao diện ban đầu, chọn OK để xuất kết quả ra Output

2.7.1 Phân tích sự khác biệt về mức độ hài lòng theo giới tính

Bảng 2.28: Bảng kết quả kiểm định Descriptives

Trung bình Độ lệch chuẩn

Bảng 2.29: Bảng kết quả kiểm định Levene

Kết quả kiểm định phương sai cho thấy mức ý nghĩa Sig=0.773 (>0.05), cho phép kết luận rằng phương sai giữa các lựa chọn của biến giới tính không khác nhau Do đó, chúng ta sẽ tiếp tục thực hiện phân tích Anova.

Bảng 2.30: Bảng kết quả kiểm định Anova theo giới tính

Mức độ hài lòng (HL)

Kết quả phân tích Anova cho thấy mức ý nghĩa Sig = 0.263, lớn hơn 0.05, do đó không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng giữa các nhóm giới tính khác nhau.

2.7.2 Phân tích sự khác biệt về mức độ hài lòng theo độ tuổi

Kết quả kiểm định phương sai cho thấy mức ý nghĩa Sig=0.717 (>0.05), cho phép khẳng định rằng phương sai giữa các lựa chọn của biến độ tuổi không có sự khác biệt Do đó, chúng ta sẽ tiếp tục thực hiện phân tích ANOVA.

Bảng 2.33: Bảng kết quả kiểm định Anova theo độ tuổi

Kết quả phân tích Anova cho thấy mức ý nghĩa Sig = 0.613, lớn hơn 0.05, vì vậy chúng ta kết luận rằng không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng giữa các nhóm tuổi khác nhau.

2.7.3 Phân tích sự khác biệt về mức độ hài lòng theo nghề nghiệp

Nghề nghiệp Tần số Trung bình Độ lệch chuẩn

Upper Bound Học sinh/Sinh viên

Levene Statistic df1 df2 Sig

(HL) 1.014 a 3 195 388 a: Các nhóm chỉ có 1 trường hợp được bỏ qua trong kiểm định tính đồng nhất của phương sai HL

Kết quả kiểm định phương sai của Leneve cho thấy mức ý nghĩa Sig=0.388 (>0.05), cho thấy phương sai giữa các lựa chọn của biến nghề nghiệp không khác nhau Do đó, chúng ta sẽ tiếp tục thực hiện phân tích Anova.

Bảng 2.36: Bảng kết quả kiểm định Anova theo nghề nghiệp

Kết quả phân tích ANOVA cho thấy mức ý nghĩa Sig = 0.475, lớn hơn 0.05, do đó không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng giữa các nhóm nghề nghiệp khác nhau.

2.7.4 Phân tích sự khác nhau về mức độ hài lòng theo nhóm thu nhập

Kết quả kiểm định phương sai cho thấy mức ý nghĩa Sig=0.366 (>0.05), điều này cho thấy phương sai giữa các lựa chọn của biến thu nhập không có sự khác biệt Do đó, chúng ta có thể tiếp tục thực hiện phân tích Anova.

Bảng 2.39: Bảng kết quả kiểm định Anova theo thu nhập

Mức độ hài lòng (HL)

Kết quả phân tích Anova cho thấy mức ý nghĩa Sig = 0.528, lớn hơn 0.05, do đó không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng giữa các nhóm thu nhập khác nhau.

Kiểm định mối liên hệ giữa 2 biến định tính

Mục đích của kiểm định Chi bình phương là để xác định xem có sự liên kết giữa hai biến định tính hoặc biến phân loại trong một tập dữ liệu.

- Ta sẽ tiến hành kiểm định chi bình phương giữa các cặp mối quan hệ sau:

1 Giữa Giới tính và Nghề nghiệp

2 Giữa Giới tính và Thu nhập

3 Giữa Độ tuổi và Thu nhập

• Bước 1: Đặt giả thuyết Ho

1 Giới tính và Nghề nghiệp không có mối quan hệ với nhau (độc lập nhau)

2 Giới tính và Thu nhập không có mối quan hệ với nhau (độc lập nhau)

3 Độ tuổi và Thu nhập không có mối quan hệ với nhau (độc lập nhau)

• Bước 2: Vào Analyze > Descriptive Statistics > Crosstabs

Hình 2.26: Hình mô tả bước 2 của kiểm định mối liên hệ giữa 2 biến định tính

Bước 3: Trong cửa sổ Crosstabs, hãy đưa biến Giới tính vào ô Row(s) và biến Độ tuổi vào ô Column(s) Bạn có thể sắp xếp một trong hai biến vào bất kỳ ô nào mà không làm ảnh hưởng đến kết quả kiểm định Quy trình này cũng được áp dụng tương tự cho các nhóm khác.

• Bước 4: Nhấp vào tùy chọn Statistics, tích chọn vào Chi-square Sau đó nhấp vào Continue

• Bước 5: Nhấp vào tùy chọn Cells, trong mục Percentages tích chọn vào Total Tiếp tục nhấp vào Continue, sau đó chọn OK để tiến hành kiểm định

➢ Giữa Giới tính và Nghề nghiệp:

Bảng 2.42: Bảng thống kê Crosstab

Học sinh/Si nh viên

Bảng 2.43: Bảng kiểm định Chi bình phương

Giá trị Asymptotic Significance (2-sided) của kiểm định Chi-Square Pearson nhỏ hơn 0.05 (0.001 < 0.05), cho phép chúng ta bác bỏ giả thuyết H0 Điều này cho thấy có mối quan hệ giữa hai biến Giới tính và Nghề nghiệp.

➢ Giữa Giới tính và Thu nhập

Value df Asymp Sig (2- sided)

Giá trị Asymptotic Significance (2-sided) hàng Pearson Chi-Square nhỏ hơn 0.05

(0 < 0.05) Chúng ta bác bỏ giả thuyết Ho nghĩa là 2 biến Giới tính và Thu nhập có mối quan hệ với nhau

➢ Giữa Độ tuổi và Thu nhập

Trên 5 triệu đồng/tháng Độ tuổi

Giá trị Asymptotic Significance (2-sided) hàng Pearson Chi-Square nhỏ hơn 0.05

(0 < 0.05) Chúng ta bác bỏ giả thuyết Ho nghĩa là 2 biến Độ tuổi và Thu nhập có mối quan hệ với nhau.

Định dạng
Số trang	100
Dung lượng	2,69 MB