NGHIÊN cứu MARKETING 2 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

- 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 được thiết kế và sử dụng công cụ Google Forms Cuộc khảo sát chủ yếu tập trung vào thế hệ Gen Z, với hai câu hỏi sàng lọc nhằm xác định đúng đối tượng là 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 xử lý số liệu Dữ liệu thu thập sẽ được mã hóa, làm sạch và xử lý bằng phần mềm SPSS 20.0, với quy trình cụ thể 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 quan trọng 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 Việc này giúp đảm bảo rằng các công cụ đo lường có khả năng phản ánh chính xác cảm nhận và mong đợi của khách hàng, từ đó cung cấp thông tin hữu ích cho việc cải thiện dịch vụ và sản phẩm.

• 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 yếu tố chính ảnh hưởng đến mức độ hài lòng của khách hàng đối với chuỗi cửa hàng tiện lợi Circle K tại 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 giúp xác định các yếu tố cần cải thiện để nâng cao sự hài lòng của khách hàng, từ đó tăng cường hiệu quả kinh doanh cho chuỗi cửa hàng.

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

Mô hình nghiên cứu

SỰ HÀI LÒNG CỦA KHÁCH HÀNG

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.

XỬ LÝ DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU

Mẫu quan sát

Nhóm tác giả đã thiết kế một bảng khảo sát trực tuyến và phát hành qua mạng xã hội nhằm thu thập thông tin từ người dùng 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, số lượng câu trả lời chính thức được đưa vào phân tích là 200 phiếu.

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 bước 2, giao diện cửa sổ sẽ xuất hiện như hình minh họa Bạn cần chuyển tất cả các biến cần thống kê mô tả từ danh sách bên trái sang danh sách bên phải.

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

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

Kết quả phân tích cho thấy độ tuổi dưới 18 tuổi có 6 người tương ứng 3% Từ 18 -

25 tuổi có 175 người tương ứng với 87,5% Từ 25 - 30 tuổi có 12 người tương ứng với 6% Còn trên 30 tuổi có 7 người tương ứng 3,5%.

➢ Thống kê về nghề nghiệp hiện tại:

Bảng 2.3: Bảng thống kê nghề nghiệp mẫu khảo sát

Nhân viên văn phòng Nội trợ

Công nhân viên chức Khác Tổng

Kết quả phân tích cho thấy, trong số những người tham gia, 175 người là học sinh/sinh viên, chiếm 87,5% Nhân viên văn phòng có 13 người, tương ứng 6,5% Trong khi đó, nhóm nội trợ có 5 người, chiếm 2,5% Công nhân viên chức có 6 người, tương ứng 3%, và còn lại là các nghề nghiệp khác với 1 người, chiếm 5%.

➢ Thống kê về thu nhập hiện tại trong 1 tháng

Bảng 2.4: Bảng thống kê thu nhập mẫu khảo sát

Trên 5 triệu đồng/tháng Tổng

Kết quả phân tích cho thấy, trong số 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 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

Trong 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) Ý nghĩa:

▪ 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 điểm số 3 là mức trung gian Nếu điểm số thiên về 3-5, điều này chỉ ra rằng đáp viên đồng ý với quan điểm được đưa ra Ngược lại, nếu điểm số nghiêng về 1-3, đáp viên không đồng ý với quan điểm đó.

Giá trị độ lệch chuẩn (Std Deviation) càng nhỏ cho thấy rằng các đáp viên có sự đồng nhất trong các con số trả lời, tức là họ không đưa ra nhiều sự khác biệt trong các lựa chọn của mình Ngược lại, nếu giá trị này lớn, điều đó chỉ ra rằng có sự chênh lệch đáng kể trong các câu trả lời.

8 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

➢ Thống kê mức độ hài lòng về giá cả

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

Biến quan sátGC1GC2

➢ 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 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 sẽ phản ánh sự chặt chẽ trong mối quan hệ của các biến quan sát trong cùng một nhân tố, từ đó giúp khẳng định chất lượng và độ tin cậy của các biến đó.

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

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

Bước 2: Thêm 7 biến quan sát thuộc nhân tố HH vào mục Items bên phải Đối với các biến quan sát thuộc các nhân tố khác, thực hiện tương tự Sau đó, chọn vào 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)

Kết quả phân tích cho thấy thang đo "Hàng hóa" có hệ số Cronbach's Alpha tổng thể đạt 0,887, 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 phù hợp cho 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 hệ số Cronbach's Alpha tổng thể của thang đo "Giá cả" đạt 0,808, cho thấy độ tin cậy cao Hệ số tương quan biến tổng (Corrected Item - Total Correlation) cũng được xem xét để đánh giá tính chính xác của các mục trong thang đo này.

7 biến quan sát trong thang đo đều > 0.3 nên thang đo "Giá cả" đủ độ tin cậy 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 thang đo "Nhân viên" có hệ số Cronbach's Alpha tổng thể đạt 0,882, cho thấy độ tin cậy cao Hơn nữa, hệ số tương quan biến tổng của 7 biến quan sát đều lớn hơn 0,3, khẳng định rằng thang đo này đủ độ tin cậy để tiến hành 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 của thang đo "Phân phối" đạt 0,835, cùng với hệ số tương quan biến tổng của 7 biến quan sát đều lớn hơn 0,3 Điều này chứng tỏ thang đo "Phân phối" có độ tin cậy cao, đủ điều kiện để tiến hành 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 tổng thể của thang đo "Cơ sở vật chất" đạt 0,883, cho thấy độ tin cậy cao Hệ số tương quan biến tổng (Corrected Item - Total Correlation) của 7 biến quan sát trong thang đo đều lớn hơn 0,3, khẳng định tính chính xác và hiệu quả của thang đo này.

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)

Biến quan sát DV1 DV2 DV3 DV4 DV5

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 tính chính xác của các mục 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)

Biến quan sát HL1 HL2 HL3 HL4

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 Hơn nữa, hệ số tương quan biến tổng của 7 biến quan sát trong thang đo đều lớn hơn 0,3, khẳng định rằng thang đo này 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 từng nhóm nhân tố 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 mục Descriptives, giao diện sẽ hiển thị như hình dưới Tích vào KMO và kiểm định Barlett’s test of sphericity để xuất bảng giá trị KMO cùng với giá trị sig của kiểm định Barlett Sau đó, nhấn để tiếp tục.

Continue để quay lại cửa sổ ban đầu.

• Bước 4: Nhấn chọn Extraction, giao diện cửa sổ sẽ hiện như bên dưới Ở mục Method sẽ sử dụng phép trích Principal Components

Analysis Sau đó nhấp Continue để quay lại cửa sổ ban đầu.

• Bước 5: Nhấn chọn Rotation, giao diện cửa Ở mục Metho sẽ nhấn chọn phép quay

Continue để quay lại cửa sổ ban đầu. sổ sẽ hiện như bên dưới.

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, there will be an "Absolute value below" field where you need to enter the standard factor loading value The sample size of the data file is required.

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

• 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, lớn hơn 0.5, chứng tỏ rằng dữ liệu được sử dụng trong phân tích nhân tố 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%, cho thấy 6 nhân tố rút trích giải thích được 63.649% sự 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”

HH7HH4HH2HH5HH6HH1HH3CSVC5

CSVC4 CSVC3 CSVC2 CSVC1 CSVC6 CSVC7 NV3 NV6

NV2 NV1 NV4 NV5 DV2 DV5 DV4 DV1 DV3 PP1

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 tính ý nghĩa của chúng, vì vậy không có biến nào cần bị 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, vượt mức 0.5, cho thấy phân tích EFA là phù hợp cho nghiên cứu này Tổng phương sai trích đạt 69.621%, cao hơn 50%, với giá trị Eigenvalue = 2.785, cho phép nhóm bốn biến quan sát thành một yếu tố duy nhất để 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, điều này đảm bảo ý nghĩa thống kê, vì vậy không có biến nào cần phải loại bỏ.

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

Phân tích tương quan

Mục đích của việc sử dụng tương quan Pearson là để kiểm tra mối quan hệ tuyến tính chặt chẽ 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 có mối tương quan mạnh 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

28 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

HLHHGCNVPPCSVCDV

Bảng 2.24: Bảng kết quả phân tích tương quan

Hệ số tương Giá quan cả Hệ số

Hệ số tương Phân quan phối Hệ số

Cơ sở tương quan vật chất Hệ số

Hệ số tương Dịch quan vụ Hệ số

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 đều dương, cho thấy 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 liên quan đến 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

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

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

Bước 5: Để các mục còn lại ở chế độ mặc định, quay lại giao diện ban đầu và trong mục Method, bạn có thể chọn hai phương pháp phổ biến nhất là Stepwise và Enter, trong đó thường thì lựa chọn Enter Cuối cùng, nhấn OK để xuất kết quả.

Bảng 2.25: Bảng kết quả phân tích hồi quy

Bảng kết quả phân tích hồi quy

Hằng số HH GC NN PP CSVC DV

Kết quả phân tích hồi quy nghiên cứu có mối quan hệ chặt chẽ giữa biến độc lập và biến phụ thuộc hài lòng của khách hàng.

Kết quả phân tích cho thấy giá trị Adjusted

(hay còn gọi là R bình phương hiệu chỉnh) phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc là

Giá trị này lớn hơn 0.5 nên được đánh giá là mô hình tốt, có ý nghĩa.

Cụ thể, 6 biến độc lập đưa vào ảnh hưởn g 57,9

% sự thay đổi của biến phụ thuộc , còn lại 42.1

% là do các biến ngoài mô hình và sai số ngẫu nhiên Giá trị DW (Du rbin - Wat son) là

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 Do đó, chúng ta có thể kết luận rằng R bình phương của tổng thể khác 0, cho thấy mô hình hồi quy tuyến tính có khả năng suy rộng và áp dụng cho tổng thể.

Tất cả sáu biến độc lập đều có trọng số hồi quy với giá trị Sig nhỏ hơn 0.05, cho thấy chúng đều có tác động tích cực đến biến phụ thuộc là ý định mua và đạt được mức ý nghĩa thống kê.

Trong việc so sánh mức độ tác động của 6 biến, biến phụ thuộc chịu tác động mạnh nhất từ hàng hóa với hệ số Beta là 0.361 Tiếp theo, biến giá cả có hệ số Beta 0.313, đứng thứ ba là phân phối với Beta 0.188 Biến dịch vụ đạt Beta 0.176, trong khi biến nhân viên có Beta 0.155, và cuối cùng, biến cơ sở vật chất có hệ số Beta là 0.126.

Ngoài ra với kết quả của hệ số phóng đại phương sai VIF < 2 ta có thể kết luận rằng không xảy ra hiện tượng đa cộng tuyến.

2.6.1 Phương trình hồi quy tuyến tính

HL = 0.392*HH + 0.308*GC + 0.168*NV + 0.175*PP + 0.136*CSVC + 0.171*DV

HL: Mức độ hài lòng về cửa hàng tiện lợi Circle K

AH: Nhân tố hàng hóa

GC: Nhân tố giá cả NV:

AP: Nhân tố phân phối

CSVC: Nhân tố cơ sở vật chất DV: Nhân tố dịch vụ

2.6.2 Các giả thuyết nghiên cứu

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

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

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

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

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

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

2.6.3 Kiểm định phân phối chuẩn của phần dư Để đánh giá phần dư trong mô hình hồi quy có phân phối chuẩn hay không, nhóm tác giả sử dụng biểu đồ phân phối chuẩn phần dư dưới đây.

Hình 2.20: Tần số của phần dư chuẩn hoá

Biểu đồ tần số cho thấy một đường cong phân phối chuẩn hình chuông, phù hợp với đặc điểm của phân phối chuẩn Phân tích cho thấy giá trị trung bình (Mean) là -4.81E-16, gần bằng 0, trong khi độ lệch chuẩn (Std.DeV) là 0.985, gần bằng 1 Điều này chỉ ra rằng phân phối phần có tính chất gần giống với phân phối chuẩn.

36 dư xấp xỉ chuẩn Do đó, có thể kết luận rằng: Giả thiết phân phối chuẩn của phần dư không bị vi phạm.

Biểu đồ P-P plot cho thấy các điểm quan sát tập trung thành một đường chéo, khẳng định giả thuyết phân phối chuẩn của phần dư không bị vi phạm Hơn nữa, biểu đồ Scatter Plot cho thấy phần dư chuẩn hóa phân bổ xung quanh đường tung độ 0, cho thấy giả định về mối quan hệ tuyến tính cũng không bị vi phạm.

Phân tích sự khác biệt về mức độ hài lòng theo các biến định tính

Phân tích ANOVA được sử dụng để so sánh giá trị trung bình của một chỉ tiêu nghiên cứu giữa hai hoặc nhiều đối tượng khác nhau Trong bài viết này, chúng ta sẽ kiểm tra sự khác biệt về mức độ hài lòng của khách hàng dựa trên các yếu tố như giới tính, độ tuổi, nghề nghiệp và thu nhập.

• Bước 1: Vào Analyze > 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

Bảng 2.29: Bảng kết quả kiểm định Levene

Mức độ hài lòng (HL)

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

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

Kết quả phân tích Anova cho thấy giá trị Sig = 0.263, lớn hơn 0.05, do đó có thể kết luận rằng 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), điều này cho thấy phương sai giữa các lựa chọn của biến độ tuổi không có sự khác biệt Do đó, chúng ta tiếp tục thực hiện phân tích Anova.

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

Mức độ hài lòng (HL) Giữa các nhóm Trong cùng nhóm

Kết quả phân tích Anova cho thấy mức ý nghĩa Sig = 0.613, lớn hơn 0.05, do đó 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

Công nhân viên chức Khác Tổng

Mức độ hài lòng (HL) 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 cho thấy mức ý nghĩa Sig=0.388 (>0.05), cho phép kết luận rằng phương sai giữa các lựa chọn của biến nghề nghiệp không có sự khác biệt đáng kể Do đó, chúng ta sẽ tiếp tục thực hiện phân tích Anova.

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

Mức độ hài lòng (HL) Giữa các nhóm

Kết quả phân tích Anova cho thấy mức ý nghĩa Sig = 0.475, lớn hơn 0.05, do đó chúng ta kết luận rằng 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

Trên 5 triệu đồng/tháng Tổng

Kết quả kiểm định phương sai cho thấy mức ý nghĩa Sig=0.366 (>0.05), cho phép khẳng định rằng phương sai giữa các lựa chọn của biến thu nhập không có sự khác biệt Do đó, chúng ta sẽ tiếp tục áp dụng phân tích Anova.

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

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

Kiểm định Chi bình phương được sử dụng để xác định mối quan hệ giữa hai biến định tính hoặc biến phân loại trong một tập dữ liệu Mục đích của phương pháp này là đánh giá sự liên kết giữa các biến, giúp hiểu rõ hơn về mối tương quan trong 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 kéo biến Giới tính vào ô Row(s) và biến Độ tuổi vào ô Column(s) Bạn có thể sắp xếp hai biến này theo bất kỳ cách nào mà không ảnh hưởng đến kết quả kiểm định Áp dụng quy trình tương tự cho các nhóm còn lại.

• 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

Bảng 2.43: Bảng kiểm định Chi bình phương

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

(0.001 < 0.05) Chúng ta bác bỏ giả thuyết Ho nghĩa là 2 biến Giới tính và Nghề nghiệp có mối quan hệ với nhau.

➢ Giữa Giới tính và Thu nhập

Bảng 2.44: Bảng thống kê Crosstab

(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

Bảng 2.48: Bảng thống kê Crosstab Độ tuổi

(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.

Tiêu đề	Nghiên Cứu Mức Độ Hài Lòng Của Khách Hàng Đối Với Chuỗi Cửa Hàng Tiện Lợi Circle K Tại TP.HCM
Tác giả	Nguyễn Thị Thuỳ Dương, Nguyễn Thị Thiên Trân, Huỳnh Ngọc Mỹ Duyên
Trường học	Trường Đại Học Tài Chính – Marketing
Chuyên ngành	Quản trị thương hiệu, Truyền thông Marketing
Thể loại	bài thi kết thúc học phần
Năm xuất bản	2021
Thành phố	TP.HCM

Định dạng
Số trang	145
Dung lượng	1,12 MB