3.3.

5 Mã hóa thang đo
STT MÃ Các thang đo

HH Hàng hóa : gồm 5 biến quan sát

1 HH1 Cửa hàng có nhiều mặt hàng mới
2 HH2 Hàng hóa luôn đảm bảo hạn sử dụng
3 HH3 Cửa hàng có đầy đủ các mặt hàng tiêu dùng hằng ngày
4 HH4 Thực phẩm tươi ngon
5 HH5 Hàng hóa đảm bảo vệ sinh, an toàn thực phẩm
TB Trưng bày : gồm 6 biến quan sát
6 TB1 Trưng bày đẹp, bắt mắt, dễ tìm
7 TB2 Hàng hóa xếp ngăn nắp theo ngành, loại hàng
8 TB3 Bảng thông tin hàng hóa rõ ràng
9 TB4 Có bảng chỉ dẫn hàng hóa trong cửa hàng
10 TB5 Trưng bày hàng mua chung gần nhau tiện lợi
TB6 Có băng rôn, poster về các chương trình khuyến mãi, giảm
giá
11 NV Nhân viên : gồm 6 biến quan sát
12 NV1 Nhân viên vui vẻ, thân thiện, lịch sự
13 NV2 Nhân viên nắm rõ thông tin sản phẩm
14 NV3 Dễ tìm thấy nhân viên khi cần
15 NV4 Nhân viên ăn mặc gọn gàng, tươm tất
16 NV5 Nhân viên tính tiền nhanh chóng, chính xác
17 NV6 Nhân viên giải quyết khiếu nại nhanh chóng, hợp lý
TL Tiện lợi : 3 biến quan sát
18 TL1 Tiết kiệm thời gian mua sắm
19 TL2 Đa dạng về phương thức thanh toán
20 TL3 Nhiều tiện ích ngoài mong đợi
MB Mặt bằng : gồm 3 biến quan sát
21 MB1 Cửa hàng nằm ở vị trí thuận tiện
22 MB2 Cửa hàng có chỗ đỗ xe rộng rãi, an toàn
23 MB3 Giao thông xung quanh cửa hàng thuận tiện
GC Giá cả: gồm 3 biến quan sát
24 GC1 Giá cả tương xứng với chất lượng hàng hóa (phù hợp)
25 GC2 Giá cả không cao hơn so với các cửa hàng khác
26 GC3 Giá cả hàng hóa không cao hơn so với đối thủ cạnh tranh

(Family Mart)
HL Sự hài lòng: gồm 5 biến quan sát
27 HL1 Tôi hài lòng với mỗi lần mua sắm tại Circle K
3.4. Phương pháp xử lý số liệu
- Số liệu thu thập được nhập và xử lý bằng phần mềm SPSS 20.0 theo tiến trình như sau :
3.4.1. Nhập liệu:
- Nhập dữ liệu vào mã hóa các thuộc tính: Name, Type, Width, Decimal, Value,… Dùng
lệnh Frequency để phát hiện các dữ liệu lỗi, sau đó kiểm tra lại và điều chỉnh cho phù
hợp.
3.4.2. Nghiên cứu mô tả dữ liệu:
- Sử dụng phương pháp thống kê tần số (số lần xuất hiện của một quan sát trong biến
quan sát đó). Phương pháp này được sử dụng trong nghiên cứu để thống kê các nhân tố
nhân khẩu học: giới tính, độ tuổi, thu nhập,… Phƣơng pháp thống kê mô tả được sử dụng
để phân tích thông tin về đối tượng phỏng vấn thông qua trị số Mean, giá trị Min – Max,
giá trị khoảng cách.
3.4.3. Kiểm định độ tin cậy của thang đo
- Độ tin cậy của thang đo được đánh giá qua hệ số Cronbach Alpha
- Hệ số Cronbach Alpha dùng để tìm hiểu xem các biến quan sát có cùng đo lường cho
một khái niệm cần đo hay không và giúp loại bớt các biến không phù hợp. Cronbach
Alpha được đánh giá theo nguyên tắc như sau:
- < 0,6: Thang đo nhân tố là không phù hợp (trong môi trường nghiên cứu đối tượng
khảo sát không có cảm nhận về nhân tố được đề cập)
- 0,6 – 0,7: Chấp nhận được trong trường hợp khai niệm đo lường là mới hoặc mới đối
với người trả lời trong bối cảnh nghiên cứu
- 0,7 – 0,8: Chấp nhận được
- 0,8 – 0,95: Tốt
- ≥ 0,95: Chấp nhận được nhưng không tốt, nên xem xét các biến quan sát có hiện tượng
“trùng biến”
(Nguồn: Nunnally, 1978, Peterson, 1994; trích bởi Hoàng Trọng & Chu Nguyễn Mộng
Ngọc, 2008)
- Hệ số tương quan biến tổng cho biết mức độ “liên kết” giữa một biến quan sát trong
nhân tố với các biến còn lại bằng việc lấy tương quan của biến đo lường xem xét với tổng
biến còn lại của thang đo. Nó phản ánh mức độ đóng góp vào giá trị khái niệm của nhân
tố của một biến quan sát cụ thể.
 o Hệ số tương quan biến – tổng > 0,3: chấp nhận biến
o Hệ số tương quan biến – tổng < 0,3: loại biến
(Nguồn: Nunnally & cộng sự 1994, trích bởi Nguyễn Đình Thọ, 2013)
3.4.4. Kiểm định giá trị của thang đo
- Kiểm định giá trị thang đo là kiểm tra giá trị hội tụ và giá trị phân biệt của từng khái
niệm và giữa các khái niệm với nhau thông qua phân tích EFA (Nguyễn Đình Thọ,
2013). Phân tích nhân tố khám phá EFA dùng để rút gọn một tập biến quan sát thành một
tập các nhân tố nhỏ có ý nghĩa hơn.
- Hệ số KMO (Kaiser – Meyer – Olkin) trong EFA là chỉ số được dùng để xem xét sự
thích hợp của phân tích nhân tố. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008),
hệ số KMO được áp dụng như sau :
o 0,5 ≤ KMO ≤ 1: đủ điều kiện để tiến hành phân tích nhân tố
o KMO < 0,5: phân tích nhân tố không thích hợp với dữ liệu
- Phép xoay Varimax và Hệ số tải nhân tố (Factor loadings): là những hệ số tương
quan đơn giữa các biến và các nhân tố. Các hệ số này được thực hiện nhằm đánh giá giá
trị hội tụ và phân biệt của thang đo
o Giá trị hội tụ: Các biến trong cùng 1 thang đo thể hiện cùng 1 khái niệm nghiên
cứu. Hệ số tải nhân tố < 0,5 thì nên loại biến quan sát đó để đảm bảo giá trị hội tụ
giữa các biến. Hệ số này phải thỏa điều kiện > 0,5 (Nguyễn Đình Thọ, 2013)
o Giá trị phân biệt: các biến trong cùng 1 thang đo có sự phân biệt với các biến
trong cùng 1 thang đo khác, do đó đòi hỏi chênh lệch hệ số tải nhân tố giữa các
biến đó phải tối thiểu là 0,3 (Nguyễn Đình Thọ, 2013) và ngược lại nên loại biến
này tránh sự trùng lắp giữa các khái niệm nghiên cứu.
3.4.5. Phân tích Hồi quy
- Phân tích hồi quy là một phân tích thống kê để xác định xem các biến độc lập quy
định các biến phụ thuộc như thế nào. Các hệ số cần lưu ý trong phân tích hồi quy:
- Giá trị R bình phƣơng hiệu chỉnh (Adjusted R Square), nó phản ánh mức độ
ảnh hưởng của các biến độc lập lên biến phụ thuộc. Thường thì giá trị này phải từ
50% trở lên mới có thể sử dụng.
- Durbin – Watson (DW) dùng để kiểm định tự tương quan của các sai số kề nhau,
có giá trị biến thiên trong khoảng từ 0 đến 4.
 Nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ
gần bằng 2 (từ 1 đến 3).
 Nếu giá trị càng nhỏ, càng gần về 0 thì các phần sai số có tương quan thuận
 Nếu càng lớn, càng về 4 có nghĩa là các phần sai số có tương quan nghịch
Giá trị F trong bảng ANOVA chính là để kiểm tra xem mô hình hồi quy tuyến tính
này có thể suy rộng và áp dụng cho tổng thể được hay không. Giá trị Sig. của kiểm
định F phải < 0.05
Hệ số hồi quy chuẩn hóa Beta, trong tất cả các hệ số hồi quy, biến độc lập nào có
Beta lớn nhất thì biến đó ảnh hưởng nhiều nhất đến sự thay đổi của biến phụ thuộc
và ngược lại.
Hệ số VIF dùng để kiểm tra hiện tượng đa cộng tuyến, theo tài liệu thì giá trị F <
10 sẽ không có hiện tượng đa cộng tuyến. Tuy nhiên trên thực tế nghiên cứu của
nhiều tác giả thì giá trị F cần < 3 sẽ không có hiện tượng đa cộng tuyến.

3.4.6. Kiểm định trung bình tổng thể của hai mẫu phụ thuộc hay
phân phối từng cặp (Pair Sample T-test)
- Đây là loại kiểm định dùng cho 2 nhóm tổng thể có liên hệ nhau. Quá trình kiểm
định được thực hiện thông qua việc tính toán chênh lệch trung bình của tổng thể
trên từng cặp quan sát, sau đó xem xét kiểm định sự chênh lệch giữa 2 trung bình
tổng thể để xem có sự khác biệt, có ý nghĩa thống kê hay không.
- Trong kiểm định này căn cứ vào giá trị Sig. để kiểm định giả thuyết Ho: có sự
chênh lệch có ý nghĩa thống kê giữa hai trung bình tổng thể
- Sử dụng phương pháp so sánh từng cặp (Pair – Sample T-test) để kiểm định sự
chênh lệch, hay nói cách khác là sự khác biệt giữa yêu cầu của khách hàng (mức
độ quan trọng) với sự đáp ứng của cửa hàng (mức độ thực hiện) trong sự hài lòng
về chất lượng dịch vụ.
3.4.7. Xây dựng mô hình IPA
- Sau khi có kết quả phân tích hồi quy, đề tài xác định đƣợc các nhân tố thực sự có
tác động đến sự hài lòng về chất lượng dịch vụ tại Circle L cũng như mức độ tác
động của từng yếu tố. Từ đó, đề tài hiến hành phân tích IPA dựa trên mức độ kỳ
vọng của khách hàng và mức độ hài lòng thực tế qua phân tích hồi quy, chọn ra 4
nhân tố có tác động mạnh nhất đến sự hài lòng để từ đó biểu diễn lên sơ đồ góc
phần tƣ làm cơ sở cho đề xuất, kiến nghị cho chƣơng 5. Trình tự các bƣớc đƣợc
thực hiện nhƣ sau:
o Bước 1: Xác định danh sách các thuộc tính để đo lường
o Bước 2: Xây dựng thang đo mức độ quan trọng và mức độ thực hiện
o Bước 3: Sử dụng bảng câu hỏi để thu thập dữ liệu
o Bước 4: Xác định vị trí trục dọc và trục ngang trên IPA
o Bước 5: Dựa vào sự phân bổ của các thuộc tính trên các góc phần tư để đưa
ra kế hoạch