Category Archives: SPSS

Mô hình IPA mức độ quan trọng – mức độ thực hiện (IPA – Importance-Performance Analysis)

Nhóm MBA giới thiệu mô hình IPA khi làm luận văn,cách thiết kế bảng câu hỏi IPA. Song song đó là cách đánh giá khi biểu diễn sơ đồ IPA trên đồ thị.

     Mô hình IPA mức độ quan trọng – mức độ thực hiện (IPA – Importance-Performance Analysis) là gì?

     Mô hình IPA mức độ quan trọng – mức độ thực hiện (IPA – Importance-Performance Analysis) được đề xuất bởi Martilla và Jame năm 1977. Mô hình IPA là mô hình đo lường chất lượng dịch vụ dựa vào sự khác biệt giữa ý kiến khách hàng về mức độ quan trọng của các chỉ tiêu và mức độ thực hiện các chỉ tiêu của nhà cung ứng dịch vụ (I-P gaps). Mô hình này phân loại những thuộc tính đo lường chất lượng dịch vụ, cung cấp cho nhà cung ứng dịch vụ những thông tin bổ ích về điểm mạnh và điểm yếu của những dịch vụ mà mình cung cấp cho khách hàng. IPA giúp doanh nghiệp xác định tầm quan trọng của chỉ tiêu dịch vụ cũng như điểm mạnh, điểm yếu của sản phẩm/ dịch vụ cung cấp trên thị trường.

     Cụ thể, quá trình phát triển IPA được thực hiện bằng cách so sánh hai tiêu chuẩn hình thành nên quyết định lựa chọn khách hàng, cụ thể: (1) Tầm quan trọng tương đối của các thuộc tính chất lượng và (2) Mức độ thực hiện các thuộc tính chất lượng. Theo Barsky (1995), mức độ quan trọng thấp nhất của thuộc tính chỉ ra khả năng ít làm ảnh hưởng tới nhận thức chung về CLDV. Ngược lại, thuộc tính có mức độ quan trọng cao thì sẽ ảnh hưởng lớn nhận thức của họ. Mô hình này phân loại những thuộc tính đo lường chất lượng dịch vụ, cung cấp cho nhà cung ứng dịch vụ những thông tin bổ ích về điểm mạnh và điểm yếu của những dịch vụ mà chính họ cung cấp cho khách hàng. Từ đó, nhà quản trị cung ứng dịch vụ sẽ có những quyết định chiến lược đúng đắn để nâng cao chất lượng dịch vụ.

Bảng câu hỏi cho mô hình IPA được thiết kế như thế nào?

Bảng câu hỏi lúc nào cũng có hai phần trả lời cho cùng một câu hỏi. Đó là phần trả lời về mức độ quan trọng Importance, và phần trả lời mức độ thực hiện Performance.

Ma trận IPA là gì?

      Mỗi ma trận IPA gồm 4 phần tư với trục tung (Y) thể hiện mức độ quan trọng và trục hoành (X) thể hiện mức độ thực hiện như sơ đồ sau:

– Phần tư thứ 1 (Tập trung phát triển): Mức độ quan trọng cao , mức độ thực hiện thấp. Những thuộc tính nằm ở phần tư này được xem là rất quan trọng đối với khách hàng, nhưng mức độ thực hiện của nhà cung ứng dịch vụ rất kém. Kết quả này giúp cho nhà quản trị cung ứng dịch vụ du lịch chú ý những thuộc tính này, tập trung phát triển mức độ cung ứng dịch vụ nhằm thỏa mãn khách hàng.
– Phần tư thứ 2 (Tiếp tục duy trì): Mức độ quan trọng cao, mức độ thực hiện cao. Những thuộc tính nằm ở phần tư này được xem là rất quan trọng đối với khách hàng và nhà cung ứng dịch vụ cũng đã có mức độ thể hiện rất tốt.  Nhà quản trị cung ứng dịch vụ nên tiếp tục duy trì và phát huy thế mạnh này.
– Phần tư thứ 3 (Hạn chế phát triển): Mức độ quan trọng thấp, mức độ thực hiện thấp. Những thuộc tính nằm ở phần tư này được xem là có mức độ thể hiện thấp và không quan trọng đối với khách hàng. Nhà quản trị cung ứng dịch vụ nên hạn chế nguồn lực phát triển những thuộc tính này.
– Phần tư thứ 4 (Giảm sự đầu tư): Mức độ quan trọng thấp, mức độ thực hiện cao. Những thuộc tính nằm ở phần tư này được xem là không quan trọng đối với khách hàng, nhưng mức độ thể hiện của nhà cung ứng rất tốt. Có thể xem sự đầu tư quá mức như hiện tại là vô ích. Nhà quản trị cung ứng dịch vụ nên sử dụng nguồn lực này tập trung phát triển những thuộc tính khác.
     Cụ thể hơn: mối quan hệ giữa mức độ quan trọng (I) và mức độ thực hiện (P) các thuộc tính của điểm đến được thể hiện thông qua hiệu số (P – I). Nếu (P – I) ≥ 0 cho thấy chất lượng dịch vụ tốt và ngược lại cho thấy chất lượng dịch vụ không tốt khi (P – I) < 0.
 Hiệu số        Chất lượng dịch vụ
 P – I >= 0      Tốt
 P – I < 0        Không tốt

Lý do lựa chọn mô hình ipa

     SERVQUAL và SERVPERF chỉ đo mức độ hài lòng mà không bao gồm xếp hạng tầm quan trọng của các thuộc tính. SERVQUAL cũng có nhiều hạn chế, đó là phải thu thập thông tin trước và sau khi khách hàng sử dụng dịch vụ. SERVPERF không biết đặc điểm nào của dịch vụ được khách hàng kỳ vọng cao. IPA là vượt trội hơn so cả SERVPERF và SERVQUAL vì nó có đánh giá tầm quan trọng của các thuộc tính. Hơn nữa, IPA có thể được vẽ đồ họa bằng cách sử dụng tầm quan trọng và mức độ thực hiện cho mỗi thuộc tính. Với nhiều ưu điểm, mô hình IPA được nhiều nhà nghiên cứu sử dụng để đánh giá CLDV và để đề xuất giải pháp nâng cao CLDV một cách hiệu quả.  
Không giống như mô hình SERVQUAL hay SERVPERF đánh giá giá trị tuyệt đối mức độ cảm nhận của người tiêu dùng về chất lượng dịch vụ, mô hình IPA được sử dụng để xác định mức độ quan trọng của từng tiêu chí chất lượng dịch vụ đối với người tiêu dùng.

Quy trình nghiên cứu định lượng đối với luận văn sử dụng mô hình IPA

– Khảo sát
– Làm sạch và mã hóa dữ liệu
– Phân tích dữ liệu:  
+ Thống kê mô tả (thông tin mẫu, tính trị trung bình)
+ Đánh giá độ tin cậy của thang đo
+ Phân tích nhân tố cho mức độ quan trọng.
+ Paired  Samples t-test (Kiểm dịnh sự khác biệt)
+ Biểu diễn lên mô hình IPA
+ Đề xuất, kiến nghị, giải pháp…

Như vậy, nhóm MBA Bách Khoa đã giới thiệu các khái niệm liên quan đến mô hình IPA và cách lập bảng câu hỏi cho nó. Các bạn có thể nhờ nhóm hỗ trợ thêm về các vấn đề trong bài luận văn về mã hóa, xử lý số liệu tốt nhé…

Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.

– SMS, Zalo, Viber:

phone number

– Chat Facebook: http://facebook.com/hoidapSPSS/

– Email:                 hotrospss@gmail.com

Cách mã hóa bảng khảo sát và nhập dữ liệu từ bảng khảo sát vào Excel, vào SPSS

Sau khi thu thập dữ liệu bằng bảng khảo sát, thì bước tiếp theo là cần mã hóa dữ liệu theo định dạng của SPSS để SPSS có thể đọc dữ liệu và xử lý được. Nhóm MBA sẽ hướng dẫn các bạn cách nhập dữ liệu và mã hóa  từ bảng khảo sát vào excel và SPSS nhé.

Nguyên tắc cơ bản:

1. Dòng đầu tiên của file excel là tên biến

2. Dòng thứ nhì của file excel là dữ liệu của người trả lời thứ 1

3. Dòng thứ ba của file excel là dữ liệu của người trả lời thứ 2

4. Tương tự cho các dòng tiếp theo.

Ví dụ bảng khảo sát được thu về như sau:

Thì việc đầu tiên để nhập bảng khảo sát vào excel là ta tạo file excel để lưu số liệu này, sau đó mã hóa các tên biến như phần tô vàng sau:

Tiếp tục đánh phiếu khảo sát như phân tô đỏ. Như biến GIOITINH đánh 1 bởi vì người trả lời chọn NAM trong phần giới tính. Giả sử họ chọn NỮ thì mình đánh 2 nhé. Lưu ý 1 hay 2 ở đây là theo thứ tự bố trí câu trả lời, chứ không phải phân biệt giới tính, cho Nam là số 1, Nữ xếp thứ 2 nhé.

Tương tự phần độ tuổi, cũng sẽ mã hóa làm 1 2 3 4. Tùy và người ta chọn mức tuổi nào thì sẽ đánh vào tương ứng trong excel.

Tiếp tục đến phần thang đo likert.  Cũng có 5 mức độ nhé.

Cứ tiếp tục như vậy là xong phiếu của người trả lời đầu tiên. Đến người thứ 2, 3, 4… thì cứ tiếp tục cho mỗi người 1 dòng. Như vậy đã mã hóa xong và nhập xong số liệu từ bảng khảo sát vào excel . Còn muốn đưa từ excel vào spss thì các bạn xem bài này nhé http://phantichspss.com/cach-mo-file-spss-cach-luu-file-spss-cach-nhap-du-lieu-tu-excel-vao-spss.html

 Như vậy, nhóm MBA Bách Khoa đã giới thiệu các thao tác cơ bản nhất cho người bắt đầu học SPSS về nhập và mã hóa bảng khảo sát vào excel. Các bạn có thể nhờ nhóm hỗ trợ thêm về các vấn đề trong bài luận văn về mã hóa, xử lý số liệu tốt nhé…

Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.

– SMS, Zalo, Viber:

phone number

– Chat Facebook: http://facebook.com/hoidapSPSS/

– Email:                 hotrospss@gmail.com

 

 

Các loại thang đo trong SPSS Scale, Ordinal, Nominal

Ba dạng thang đo trong SPSS

Trong SPSS dữ liệu được đo lường measure qua 3 dạng thang đo như hình sau:


Đó là Scale, Ordinal, Nominal. Tuy nhiên để quy về bản chất có 4 loại như sau:

Nhóm MBA Bách Khoa sẽ giải thích chi tiết từng loại thang đo nhé.

Tùy theo tính chất của dữ liệu mà ta sẽ gán loại thang đo nào dữ liệu đó. Có hai loại dữ liệu là:

  1. Dữ liệu định tính .
  2. Dữ liệu định lượng.

Dữ liệu định tính ví dụ như Địa điểm: TP.HCM, Hà Nội, Lâm Đồng. Dữ liệu định lượng ví dụ như độ tuổi: 18, 19, 20, 30 tuổi.
-Dữ liệu định tính: bao gồm thang đo định danh Nominal, thang đo thứ bậc Ordinal
-Dữ liệu định lượng:gọi chung là Scale, bao gồm thang đo khoảng Interval, thang đo tỉ lệ Ratio

Chi tiết 4 loại thang đo

Định danh (Nominal): Là loại thang đo dùng cho các đặc điểm thuộc tính, dùng để phân loại đối tượng. Khi thống kê người ta thường sử dụng các mã số để qui ước, giữa các con số này không có quan hệ hơn kém và không ý nghĩa toán học. Trong thang đo này các con số chỉ dùng để phân loại các đối tượng, chúng không mang ý nghĩa nào khác. Về thực chất thang đo danh nghĩa là sự phân loại và đặt tên cho các biểu hiện và ấn định cho chúng một ký số tương ứng. Ví dụ: Giới tính: 1: nữ; 2: nam.
Thứ bậc (Ordinal): Là loại thang đo dùng cho các đặc điểm thuộc tính, các giá trị được sắp xếp theo trật tự tăng hoặc giảm dần và có mối quan hệ thứ bậc hơn kém. Thực chất thang đo thứ bậc là thang đo định danh các giá trị được sắp xếp theo thứ bậc. Lúc này các con số ở thang đo danh nghĩa được sắp xếp theo 1 quy ước nào đó về thứ bậc hay sự hơn kém, nhưng ta không biết được khoảng cách giữa chúng. Điều này có nghĩa là bất cứ thang đo thứ bậc nào cũng là thang đo định danh nhưng điều ngược lại thì chưa chắc đúng. Ví dụ: Học lực: 1. Yếu, kém  2. Trung bình 3. Khá 4. Giỏi 5. Xuất sắc
Khoảng cách (Interval): Là loại thang đo dùng cho các đặc điểm số lượng, là thang đo thứ bậc có các khoảng cách đều nhau và liên tục. Dãy số này có hai cực ở hai đầu dãy số thể hiện hai trạng thái đối nghịch nhau. Dữ liệu tính toán cộng trừ có ý nghĩa. Đây là một dạng đặc biệt của thang đo thứ bậc vì nó cho biết được khoảng cách giữa các thứ bậc. Thông thường thang đo khoảng có dạng là một dãy các chữ số liên tục và đều đặn từ 1 đến 5, từ 1 đến 7 hay từ 1 đến 10. Dãy số này có 2 cực ở 2 đầu thể hiện 2 trạng thái đối nghịch nhau. Ví dụ: 1: hoàn toàn không đồng ý; 2: không đồng ý; 3: bình thường; 4: đồng ý; 5: hoàn toàn đồng ý.
Tỉ lệ (Ratio): Là loại thang đo dùng cho đặc tính số lượng. Thang đo tỉ lệ có đầy đủ đặc tính của thang đo khoảng cách. Ngoài ra nó cho phép lấy tỉ lệ so sánh giữa hai giá trị của biến số . Dữ liệu tính toán tất cả đều có ý nghĩa. Ví dụ: –  Tuổi của anh/chị:   tuổi. Anh/chị đã vay ngân hàng bao nhiêu tiền:   VNĐ
Chú ý: Sự khác nhau giữa thang đo khoảng và thang đo tỉ lệ:
-Ta có thể thực hiện được phép toán chia để tính tỉ lệ nhằm mục đích so sánh. Ví dụ: 1 người 50 tuổi thì có tuổi lớn gấp đôi người 25 tuổi
-Trong thang đo khoảng sự so sánh về mặt tỉ lệ giữa các giá trị không có ý nghĩa

Trong xử lý SPSS thường gộp chung thang đo khoảng cách và thang đo tỉ lệ thành thang đo định lượng (Scale).
Lưu ý là cho dù các thang đo likert được nhập vào excel, và excel lại đưa vào SPSS thì thường sẽ ra thang đo định tính Nominal, đúng ra ta cần đổi lại là Scale cho chính xác nhất. Nhưng không đổi vẫn không ảnh hưởng đến kết quả các bạn nhé.

Các bạn có thể nhờ nhóm hỗ trợ thêm về các vấn đề trong bài luận văn về mã hóa, xử lý số liệu tốt nhé…

Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.

– SMS, Zalo, Viber:

phone number

– Chat Facebook: http://facebook.com/hoidapSPSS/

– Email:                 hotrospss@gmail.com