Phương pháp thống kê mô tả – phân tích thực trạng về ý định phàn nàn của khách hàng tại siêu th –

Thống kê là tổng hợp các phương pháp lý thuyết và ứng dụng vào lĩnh vực
kinh tế bằng cách rút ra những kết luận dựa trên những số liệu và thông tin thu
thập được. Thống kê mô tả là một trong hai chức năng chính của thống kê (thống
kê mô tả và thống kê ứng dụng). Thống kê mô tả là tập hợp tất cả các phương
pháp đo lường, mô tả và trình bày số liệu.

Phương pháp tần số: sử dụng bảng phân phối tần số là bảng tóm tắt dữ liệu
được xếp thành từng yếu tố khác nhau, dựa trên những tấn số xuất hiện của các
đối tượng trong cơ sở dữ liệu để so sánh tỷ lệ, phản ánh số liệu.

Giá trị trung bình (Mean): bằng tổng tất cả các giá trị biến quan sát chia cho
số quan sát.

Mode (Mo): là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong
một dãy số phân phối.

Phương sai: là trung bình giữa bình phương các độ lệch giữa các biến và
trung bình của các biến đó.

Mô tả giá trị trung bình

Khi thực hiện các nghiên cứu định lượng, người nghiên cứu phải sử dụng
các loại thang đo lường khác nhau. Việc lượng hóa các khái niệm nghiên cứu đòi
hỏi phải có những thang đo lường được xây dựng công phu và được kiểm tra độ
tin cậy trước khi vận dụng. Một trong những hình thức đo lường các khái niệm
trừu tượng được sử dụng phổ biến nhất trong nghiên cứu kinh tế xã hội là thang
đo được Rennis Likert (1932) giới thiệu. Likert đã đưa ra loại thang đo năm mức
độ phổ biến. Chính vì vậy, trong bài nghiên cứu, thang đo Likert năm mức độ (từ
rất không đồng ý đến rất đồng ý) được sử dụng để đo lường mức độ phàn nàn và
ý định phàn nàn dựa trên các chỉ báo đo lường khái niệm.

Phương pháp tính điểm trung bình đối với thang đo Likert 5 mức độ:
Giá trị khoảng cách = (Max – Min)/ cấp độ = (5 – 1)/ 5 = 0,8

Ý nghĩa của giá trị trung bình khi đánh giá hình ảnh điểm đến Việt Nam:
1,00 – 1,8: Rất không đồng ý
1,81 – 2,6: Không đồng ý
2,61 – 3,4: Bình thường
3,41 – 4,2: Đồng ý
4,21 – 5,0: Rất đồng ý
2.2.3.2 Phân tích bảng chéo

Phân tích bảng chéo dùng để kiểm định mối quan hệ giữa các biến định tính
với nhau bằng cách dùng kiểm định Chi – bình phương; ngoài ra còn thống kê mô
tả được đặc điểm của sự phàn nàn của các nhóm khách hàng. Người ta dùng
Kiểm định Chi-square để kiểm tra xem liệu một biến này có quan hệ hay không
với một biến khác, tuy nhiên phương pháp kiểm nghiệm này không chỉ ra cường
độ của mối quan hệ giữa hai biến mạnh hay yếu giữa 2 biến. Tùy theo loại thang
đo mà kiểm định 2 có kết quả khác nhau. Thông thường kiểm định 2 có hiệu
quả nhất đối với thang đo định danh.

Trong phân tích bảng chéo, ta cũng cần quan tâm đến giá trị kiểm định. Ở
đây phân phối “chi bình phương” cho phép ta kiểm định mối quan hệ giữa các
biến.

H0: Không có mối quan hệ giữa các biến
H1: Có mối quan hệ giữa các biến.

Giá trị kiểm định 2 trong kết quả phân tích sẽ cung cấp mức ý nghĩa của
kiểm định (P-value). Nếu mức ý nghĩa này nhỏ hơn hoặc bằng  (mức ý nghĩa
phân tích ban đầu) thì kiểm định hoàn toàn có ý nghĩa, hay nói cách khác bác bỏ
giả thuyết Ho, nghĩa là các biến có liên hệ với nhau. Ngược lại thì các biến không
có liên hệ nhau.

2.2.3.3 Phương pháp kiểm định độ tin cậy của than đoHệ số Cronbach alpha
Hệ số Cronbach alpha

Hệ số a của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ
mà các mục hỏi trong thang đo tương quan với nhau. Công thức của hệ số
Cronbach Alpha là:

Trong đó r là hệ số tương quan trung bình giữa các mục hỏi. Nhiều nhà
nghiên cứu đồng ý rằng khi Cronbach Alpha từ 0,7 đến gần 0,8 là đã sử dụng
được. Nhưng có nhiều nhà nghiên cứu đề nghị rằng hệ số từ 0,6 trở lên là có thể
sử dụng được trong trường hợp khái niệm đang đo lường là mới, hoặc mới so với
người trả lời trong bối cảnh nghiên cứu. Chính vì thế, hệ số Cronbach alpha được
chọn sử dụng trong đề tài là 0,6 nguyên nhân đây là một nghiên cứu khá mới, và
các khái niệm dùng để đo lường cũng rất mới đối với những đối tượng nghiên
cứu. Bên cạnh hệ số Cronbach alpha của mô hình, kết quả của kiểm định độ tin
cậy của thang đo còn có hệ số Cronbach alpha nếu bỏ từng biến trong mô hình.
Nếu hệ số Cronbachalpha nếu bỏ biến của một biến nào đó lớn hơn hệ số
Cronbach alpha của mô hình thì biến đó nên được loại bỏ, vì khi bỏ biến đó, hệ số
Cronbach alpha của mô hình sẽ tăng lên và thang đo có độ tin cậy cao hơn.

Nguyên nhân do nghiên cứu của tác giả còn khá mới mẽ, các chỉ báo khái
niệm được dựa trên các nghiên cứu khác của mô hình TPB, và các chỉ báo khái
niệm nên việc sử dụng kiểm định độ tin cậy của thang đo có thể loại đi những
biến ảnh hưởng đến mô hình nghiên cứu nên tác giả có thể sử dụng hoặc không
sử dụng đến kiểm định này.

2.2.3.4 Phân tích các nhân tố khám phá EFA

thống kê dùng để rút gọn một tập gồm nhều biến quan sát phụ thuộc lẫn nhau,
thành một tập hợp biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu
hết nội dụng thông tin của các biến ban đầu. Phân tích nhân tố là tên chung của
một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu, phân
nhóm các dữ liệu trừu tượng và phức tạp hình thành các biến mới cho các nghiên
cứu tiếp theo.

EFA được dùng đến trong trường hợp mối quan hệ giữa các biến quan sát và
biến tiềm ẩn là không rõ ràng hay không chắc chắn. Phân tích EFA theo đó được
tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ quan hệ giữa các
biến quan sát và các nhân tố cơ sở như thế nào, làm nền tảng cho một tập hợp các
phép đo để rút gọn hay giảm bớt số biến mô tả bằng phương trình:

F1 = a11x1 + a12x2 + a13x3 + … +a1pxp
F1 = a21x1 + a22x2 + a23x3 + … +a2pxp

Số lượng các nhân tố cơ sở tùy thuộc vào mô hình nghiên cứu, trong đó
chúng ràng buộc nhau bằng cách xoay các vector trực giao nhau để không xảy ra
hiện tượng tương quan. Phân tích nhân tố khám phá EFA rất hữu dụng trong
bước thực nghiệm ban đầu của các nghiên cứu

Tham số thống kê trong phân tích nhân tố khám phá EFA:

Kiểm định KMO là chỉ tiêu dùng để xem xét thích hợp của phân tích nhân tố
khám phá. Giá trị giữa 0 và 1 với KMO > 0.5 thì phân tích nhân tố là thích hợp.
Còn nếu KMO <0.5 là không phù hợp.

2.2.3.5 Phân tích nhân tố khẳng định CFA

Phân tích nhân tố khẳng địn CFA thích hợp cho bài nghiên cứu này của tác
giả, do tác giả đã có sẵn một số kiến thức về cấu trúc và biến tiềm tàng cơ sở của
mô hình Lý thuyết Hành vi hoạch định TPB.

Trong đó mối quan hệ hay giả thuyết giữa các biến quan sát và nhân tố cơ sở
thì được các nhà nghiên cứu mặc nhiên thừa nhận trước khi tiến hành kiểm định
thống kê. Như vậy CFA là bước tiếp theo của EFA nhằm kiểm định xem có mộ
mô hình lý thuyết nào có trước làm nền tảng cho một tập hợp các quan sát không.
CFA cũng là một dạng của SEM. Khi xây dựng CFA, các biến quan sát cũng là
các biến chỉ báo trong mô hình do lường, bởi vì chúng cùng “tải” lên một khái
niệm lý thuyết cơ sở.

Theo nghiên cứu của Thọ và Trang năm (2008) cho rằng mô hình nhận được
các giá trị TLI, CFI > 0.9, CMIN/df <=2, RMSEA <= 0.08 thì phù hợp với dữ
liệu thị trường. Trong đó CMIN/df là chi – square điều chỉnh theo bậc tự do; CFI
(Comparative Fix Index) là chỉ số thích hợp so sánh. TLI (Tucker & Lewis Index)
là chỉ số (Tucker & Lewis) và chỉ số RMSEA (Root Mean Square Error
Approximation).

Tính đơn hướng/ đơn nguyên dựa theo Steenkamp & Van trijp (1991) mức
độ phù hợp với dữ liệu thị trường cho chúng ta điều kiện cần và đủ để cho tập
biến quan sát đạt được tính đơn hướng trừ trường hợp ác sái số của các biến quan
sát có tương quan với nhau.

Giá trị hội tụ dựa theo Gerbring & Anderson (1998) thang đo đạt được giá
trị hội tụ khi các hệ số chuẩn hóa của thang đo điều lớn hơn 0.5 có có ý nghĩa
thống kê (P < 0.5)

Giá trị phân biệt có thể kiểm định giá trị phân biệt của các khái niệm trong
mô hình tới hạn, mô hình mà các khái niệm nghiên cứu được tự do quan hệ với
nhau. Có thể thực hiện kiểm định hệ số tương quan xét trên phạm vi tổng thể giữa
các khái niệm có thực sự khác biệt so với một hay không nếu thực sự khác biệt
thì các thang đo đạt giá trị phân biệt. Cách dễ dàng nhất để xác định giá trị phân
biệt là hệ số tương quan giữa các khái niệm thành phần của một khái niệm phải
nhỏ 0.9 thì mới đạt giá trị phân biệt.

2.2.3.6 Mô hình cấu trúc tuyến tính SEM

SEM là một dạng mô hình thống kê nhằm giải thích mối quan hệ giữa nhiều
biến. Để làm điều đó, nó khảo sát cấu trúc của mối tương tác giữa một loạt các
phương trình, tương tự như các phương trình hồi quy bội. Các phương trình này
mô tả các mối quan hệ giữa các nhân tố, các biến phụ thuộc các biến độc lập liên
quan đến việc nghiên cứu nhân tố là các nhân tố không quan sát được hay ẩn
được đại diện bằng các quan sát.

SEM cung cấp một khung thuận tiện và rất tổng quát cho các phân tích
thống kê bao gồm các thủ tục đa biến truyền thống. Ví dụ các trường hợp đặc biệt
là phân tích nhân tố, phân tích hồi quy, phân tích phân biệt, và tương quan
canonical. SEM thường được minh họa bằng biểu đồ đường dẫn (sơ đồ đường
dẫn). Phương trình thống kê này thường được trình bày trong một hệ phương
trình ma trận.

SEM liên quan đến các biến đo lường được (measured variables) và các biến
ngầm (latent variables – biến tiềm ẩn). Một measured variable là một biến có thể
được quan sát trực tiếp và được đo lường. Biến đo lường được cũng được biết đến
như biến quan sát được (observed variable), biến chỉ báo hay biến biểu thị
(indicator or manifest variables). Một latent variable là một biến không thể được
quan sát trực tiếp và phải được suy ra từ measured variable. Latent variables được
ám chỉ bởi hiệp tương quan (covariances) giữa hai hay nhiều measured variables.
Chúng cũng được biết đến như là các nhân tố (nghĩa là, phân tích nhân tố), các
biến kiến trúc hay các biến không quan sát được (constructs or unobserved
variables). SEM: Có hai thành phần: mô hình đo lường (measurement model) và
mô hình cấu trúc (structural model). Trong đó, Measurement model: liên quan
đến quan hệ giữa measured variables và latent variables, Structural model: chỉ
liên quan đến các quan hệ giữa các latent variables mà thôi.

Tóm tắt chương 2:

Trong chương 2, tác giả đã hệ thống lại lý thuyết liên quan đến đề tài nghiên
cứu bao gồm các vấn đề về siêu thị, người tiêu dùng, ý định phàn nàn của người
tiêu dùng . Bên cạnh đó, các phương pháp thu thập số liệu và phân tích số liệu sử
dụng trong đề tài cũng được trình bày. Đề tài sử dụng cách chọn mẫu thuận tiện
phi xác suất và sử dụng phần mềm SPSS 16.0 và Amos 16.0 để hỗ trợ cho việc
phân tích số liệu. Các phương pháp phân tích khác nhau được sử dụng cho các
mục tiêu khác nhau bao gồm phương pháp, so sánh tương đối, so sánh tuyệt đối
các số liệu thống kê giai đoạn 2011 – 2013 phương pháp thống kê mô tả, phân tích
tần số, phân tích bảng chéo, phương pháp phân tích nhân tố khám phá, phân tích
nhân tố khẳng định và chạy hàm SEM để xác định các nhân tố ảnh hưởng đến ý
định phàn nàn của khách hàng. Các mục tiêu cụ thể và các phương pháp phân tích
được hệ thống lại ở sơ đồ nghiên cứu.

2.2.4 Quy trình nghiên cứu

2.2.5 Mô hình nghiên cứu đề xuất

2.2.5.1 Lý thuyết xây dựng mô hình

Theo mô hình lý thuyết chỉ số hài lòng khách hàng của Việt Nam (VCSI) của tác giả
Lê Văn Huy và Nguyễn Thị Hà My cho rằng sự thỏa mãn của khách hàng có thể dẫn đến
hai thái cực cảm nhận cho khách hàng là thỏa mãn với chất lượng sản phảm/dịch vụ và có
xu hướng trung thành với nhãn hiệu hay thương hiệu đó hoặc có nhiều điểm không hài
lòng về sản phẩm/dịch vụ dẫn đến khách hàng có ý định phàn nàn và dẫn đến hành vi
phàn nàn thực tế.

Mặt khác, theo thuyết “Hành vi” của tác giả Watson và một số người đề xướng thì
các nhà tâm lý học hành vi coi hoạt động của con người giống như hành vi của động vật.
Tất cả mọi hoạt động từ đơn giản tới phức tạp như ý nghĩ, tư tưởng, tình cảm…nói chung
đều là những “ phản ứng” (R) của cơ thể nhằm đáp ứng những “ kích thích” (S) từ bên
ngoài tác động vào. Thuyết hành vi có nhiệm vụ xác lập mối quan hệ trực tiếp giữa kích
thích và phản ứng (S – R). Theo Oát-sơn thì tư duy chẳng qua cũng chỉ là hoạt động của
bắp thịt theo quy luật kích thích – phản ứng (S – R) và quan hệ giữa kích thích và phản
ứng là trực tiếp và cố định. Cơ thể không đóng vai trò nào trong việc điều chỉnh những
phản ứng. Một kích thích nhất định dẫn đến một phản ứng nhất định, kích thích nào thì
phản ứng đó. Biết được kích thích sẽ đoán được phản ứng và qua phản ứng sẽ tìm được
kích thích (Đặng Thu Nga, 2004).

Thuyết hành vi hoàn toàn phủ định vai trò chủ đạo của hoạt động thần kinh cao cấp,
phủ nhận tính tích cực của tâm lý, ý thức con người và nó phủ nhận một vấn đề cơ bản, đó
là con người là thực thể của xã hội. Theo sơ đồ (S – R) thì thuyết hành vi giải thích được
tại sao cùng một kích thích nhưng ở những người khác nhau lại có những phản ứng khác
nhau (Đặng Thu Nga, 2004). Dựa vào điều này, ta có thể đưa ra những minh chứng tại
sao những người tiêu dùng khác nhau có những dòng cảm xúc đối ngược nhau, có người
lại rất hài lòng, nhưng có người lại có thái độ tiêu cực khi đến mua sắm tại siêu thị
Co.opMart Cần Thơ. Nhưng nếu có quá nhiều lời phàn nàn, hoặc những cảm xúc trái
chiều thì cần xem xét lại quy trình kinh doanh và cung cấp dịch vụ của siêu thị như thế
nào làm nguyên nhân dẫn đến điều đó.

Từ hai lý thuyết trên, có thể kết luận: vì có một kích thích sẽ tạo ra một phản ứng,
nên khi khách hàng thỏa mãn với chất lượng sản phảm/dịch vụ sẽ có xu hướng trung
thành với nhãn hiệu hay thương hiệu đó hoặc có nhiều điểm không hài lòng về sản

phẩm/dịch vụ thì khách hàng sẽ có ý định phàn nàn và dẫn đến hành vi phàn nàn thực tế.
Trong nghiên cứu này, tác giả hoàn toàn có thể tin tưởng vào lý thuyết đã đề cập ở trên
mà không cần kiểm định lại, tuy nhiên để thể hiện tính chính xác của nghiên cứu, tác giả
sẽ tiến hành kiểm định mối quan hệ giữa biến đánh giá mức độ hài lòng của khách hàng
tại siêu thị Co.opMart Cần Thơ và các biến đo lường Ý định phàn nàn.

2.2.5.2 Kiểm định mối quan hệ giữa mức độ hài lòng và ý định phàn nàn

Khi khách hàng cảm thấy không thỏa mãn khi mua sắm tại siêu thị Co.opMart Cần
Thơ, họ có thể có ý định phàn nàn hoặc không có ý định phàn nàn, vì vậy tác giả sẽ sử
dụng kiểm định chi bình phương để kiểm định mối quan hệ giữa biến đánh giá mức độ hài