Cách tính giá trị nhân số đại diện cho nhân tố sau khi phân tích EFA

     Nay nhóm MBA Bách Khoa giới thiệu đến các bạn các tính giá trị đại diện cho nhân tố, phần này thực hiện sau khi đã chạy phân tích EFA

      Quy trình: Sau khi chạy Cronbach’s alpha để kiểm tra độ tin cậy thang đo xong, bạn sẽ phân tích nhân tố EFA để khẳng định lại mô hình nghiên cứu của bạn có bao nhiêu nhân tố. Sau đó để tính được giá trị trung bình đại diện cho nhân tố để có dữ liệu phụ vụ việc chạy tương quan và hồi quy đa biến, thì thường có 2 cách:

-Cách một: (tính theo trung bình cộng):  vào chương trình SPSS, vào menu Transform -> Compute Variable. Sau đó nhập tên biến đại diện TAN vào ô Target Variable. Ô Numeric Expression nhập vào công thức tính trung bình cộng mean(TAN1,TAN2,TAN3,TAN4,TAN5). Về mặt ý nghĩa, mean() là hàm công thức tính giá trị trung bình đại diện cho nhân tố TAN. Sau đó nhấn OK. 

Kết quả: Trong phần dữ liệu, xuất hiện thêm một biến mới tên TAN như sau:

Sau đó thực hiện lần lượt như trên cho các nhân tố còn lại. Đây là cách đơn giản dễ hiểu, còn một cách khác như sau:

- Cách 2: khi phân tích EFA, nhấn vào nút Scrores, check vào Save as variables như hình bên dưới.

Khi đó, EFA ra bao nhiêu nhân tố thì sẽ có bấy nhiêu biến được thêm vào bộ dữ liệu với các tên như sau: FAC1_1 FAC2_1 FAC3_1 FAC4_1 FAC5_1 FAC6_1

Tuy nhiên các giá trị này âm dương lẫn lộn... không trực quan như cách tính 1 ở trên

=> Kết luận: Cách 1 là cách được ưu tiên dùng. 

Các bạn còn thắc mắc, hoặc cần bất kì trợ giúp nào hãy mail hotrospss@gmail.com

So sánh mô hình chất lượng dịch vụ SERVQUAL và SERVPERF

Hôm nay nhóm hotrospss@gmail.com giới thiệu đến các bạn đang tìm hiểu mô hình chất lượng dịch vụ khái niệm và sự khác nhau cơ bản của mô hình   SERVQUAL và SERVPERF. 

Khi bộ thang đo SERVQUAL (Parasuraman và cộng sự, 1988) được công bố đã có những  tranh luận về vấn đề làm thế nào để đo lường chất lượng dịch vụ tốt nhất. Gần hai thập kỷ sau  đó, nhiều nhà nghiên cứu đã nổ lực chứng minh tính hiệu quả của bộ thang đo SERVQUAL. Cụ thể, theo mô hình SERVQUAL, chất lượng dịch vụ được xác định như sau:

Chất lượng dịch vụ = Mức độ cảm nhận – Giá trị kỳ vọng.

Tuy nhiên, việc sử dụng mô hình chất lượng và khoảng cách làm cơ sở cho việc đánh giá  chất lượng dịch vụ cũng có nhiều tranh luận (Carmen, 1990; Babakus & Boller, 1992; Cronin  & Taylor, 1992). Cronin và Taylor (1992) với mô hình SERVPERF, cho rằng mức độ cảm  nhận của khách hàng đối với sự thực hiện dịch vụ của doanh nghiệp phản ánh tốt nhất chất  lượng dịch vụ. Theo mô hình SERVPERF thì: Chất lượng dịch vụ = Mức độ cảm nhận Kết luận này đã được đồng tình bởi các tác giả khác như Lee và cộng sự (2000), Brady và  cộng sự (2002). Bộ thang đo SERVPERF cũng sử dụng 22 mục phát biểu tương tự như phần  hỏi về cảm nhận của khách hàng trong mô hình SERVQUAL, bỏ qua phần hỏi về kỳ vọng.

Cụ thể :

Bộ thang đo SERVQUAL nhằm đo lường sự cảm nhận về dịch vụ thông qua năm thành  phần chất lượng dịch vụ, bao gồm:

1.  Tin cậy (reliability):

2.  Đáp ứng (responsiveness):

3.  Năng lực phục vụ (assurance):

4.  Đồng cảm (empathy):

5.  Phương tiện hữu hình (tangibles):

Bộ thang  đo gồm 2 phần, mỗi phần có 22 phát biểu. Phần thứ nhất nhằm xác  định kỳ  vọng của khách hàng đối với loại dịch vụ của doanh nghiệp nói chung. Nghĩa là không quan  tâm đến một DN cụ thể nào, người được phỏng vấn cho biết mức độ mong muốn của họ đối  với dịch vụ đó. Phần thứ hai nhằm xác định cảm nhận của khách hàng đối với việc thực hiện  dịch vụ của doanh nghiệp khảo sát. Nghĩa là căn cứ vào dịch vụ cụ thể của DN được khảo sát  để đánh giá. Kết quả nghiên cứu nhằm nhận ra các khoảng cách giữa cảm nhận khách hàng về  chất lượng dịch vụ do doanh nghiệp thực hiện và kỳ vọng của khách hàng đối với chất lượng  dịch vụ đó. Cụ thể, theo mô hình SERVQUAL, chất lượng dịch vụ được xác định như sau:

Chất lượng dịch vụ = Mức độ cảm nhận – Giá trị kỳ vọng.

  Parasuraman và cộng sự khẳng  định rằng SERVQUAL là một dụng cụ  đo lường chất  lượng dịch vụ tin cậy và chính xác (Parasuraman và cộng sự, 1988; 1991; 1993) và thang đo  này đã được sử dụng rộng rãi (Buttle, 1996; Robinson,1999).

Ưu điểm của SERVPERF : bản  câu hỏi  trong mô  hình  SERVPERF ngắn  gọn  hơn  phân nửa  so  với  SERVQUAL, tiết kiệm được thời gian và có thiện cản hơn cho người trả lời. . 

Nhược điểm của SERVQUAL: Bên cạnh  việc  bản  câu  hỏi dài  theo mô hình SERVQUAL,  khái niệm  sự   kỳ   vọng  gây khó hiểu cho  người  trả  lời.  Vì thế,  sử   dụng  thang   đo SERVQUAL có  thể ảnh hưởng tới chất lượng dữ  liệu  thu  thập, dẫn đến giảm độ  tin cậy và tính không  ổn định của các biến quan sát.

Hệ số tương quan pearson, cách thao tác phân tích tương quan trong SPSS

Hôm nay nhóm MBA bàn về hệ số tương quan cùng công thức tính của nó
     -Hệ số tương quan (r) là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số, như giữa MỨC ĐỘ HÀI LÒNG (y) và TIỀN LƯƠNG (x).  Hệ số tương quan có giá trị từ -1 đến 1.  Hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối.  Nếu giá trị của hệ số tương quan là âm (r <0) có nghĩa là khi x tăng cao thì y giảm (và ngược lại, khi x giảm thì y tăng); nếu giá trị hệ số tương quan là dương (r > 0) có nghĩa là khi x tăng cao thì y cũng tăng, và khi x tăng cao thì y cũng giảm theo.   
     -Có nhiều hệ số tương quan , hệ số tương quan thông dụng nhất: hệ số tương quan Pearson r, được định nghĩa như sau

 Cho hai biến số x và y  từ n mẫu, hệ số tương quan Pearson được ước tính bằng công thức sau đây: 

như sau: 

Trong phân tích áp dụng cho luận văn, kiểm định hệ số tương quan Pearson  dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy (giả thuyết H₀: hệ số tương quan bằng 0). Cụ thể cách chạy như sau:

vào menu Analyze-> Correlate -> Bivariate

Chọn các nhân tố vừa được tạo ở bước trên qua ô Variables bên phải. Xong bấm OK

-Ô màu xanh: hệ số tương quan Pearson

-Ô màu đỏ: significant của kiểm định Pearson. Giả thuyết H0: hệ số tương quan bằng 0. Do đó nếu Sig. này bé hơn 5% ta có thể kết luận được là hai biến có tương quan với nhau. Hệ số tương quan càng lớn tương quan càng chặt. nếu Sig. này lớn hơn 5% thì hai biến không có tương quan với nhau.

-Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập không có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.

-Kết quả phân tích tương quan Pearson cho thấy một số biến độc lập có sự tương quan với nhau. Do đó khi phân tích hồi quy cần phải chú ý đến vấn đề đa cộng tuyến. Các biến độc lập có tương quan với biến phụ thuộc và do đó sẽ được đưa vào mô hình để giải thích cho biến phụ thuộc.

Đây là video phân tích pearson:

Ngoài ra nhóm hotrospss@gmail.com có các dịch vụ sau:

- Tư vấn mô hình/bảng câu hỏi/ traning trực tiếp về phân tích hồi quy, nhân tố, cronbach alpha... trong SPSS, và mô hình SEM, CFA, AMOS

- Hỗ trợ xử lý số liệu khảo sát để chạy ra kết quả có ý nghĩa thống kê.