បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហានៃការកំណត់ និងវាស់វែងកត្តាដែលជះឥទ្ធិពលដល់ការពេញចិត្តរបស់អតិថិជនចំពោះគុណភាពសេវាកម្មនៅផ្សារទំនើប MM Mega Market ទីក្រុង Bien Hoa ក្នុងបរិបទនៃការប្រកួតប្រជែងទីផ្សារលក់រាយយ៉ាងខ្លាំងក្លានៅប្រទេសវៀតណាម។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់វិធីសាស្ត្របរិមាណនិងគុណភាព ដោយប្រមូលទិន្នន័យតាមរយៈការស្ទង់មតិផ្ទាល់ជាមួយអតិថិជន និងការវិភាគទិន្នន័យដោយកម្មវិធី SPSS ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Exploratory Factor Analysis (EFA) ការវិភាគកត្តាស្វែងយល់ |
ជួយបង្រួមអថេរសង្កេតជាច្រើនទៅជាកត្តាគោលសំខាន់ៗតិចតួច ដែលមានអត្ថន័យច្បាស់លាស់ និងជួយផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវនៃរង្វាស់។ | ទាមទារទំហំសំណាកធំគ្រប់គ្រាន់ (យ៉ាងតិច ៥ ដងនៃចំនួនអថេរ) និងមិនអាចបញ្ជាក់ពីទំនាក់ទំនងហេតុនិងផលបានទេ។ | បានទាញយកកត្តាឯករាជ្យចំនួន ៦ និងអថេរអាស្រ័យចំនួន ១ ដោយមានតម្លៃ KMO ០.៨៥៥ និងពន្យល់ពីបំរែបំរួលបាន ៧២.០១៩%។ |
| Multiple Linear Regression ការវិភាគតំរែតំរង់លីនេអ៊ែរពហុគុណ |
អាចវាស់ស្ទង់កម្រិតនៃឥទ្ធិពល (ទម្ងន់) របស់កត្តាឯករាជ្យនីមួយៗទៅលើការពេញចិត្តរបស់អតិថិជនបានយ៉ាងច្បាស់លាស់។ | សន្មតថាមានទំនាក់ទំនងលីនេអ៊ែររវាងអថេរ និងងាយរងឥទ្ធិពលប្រសិនបើមានបញ្ហាពហុកូលីនេអ៊ែរ (Multicollinearity)។ | ម៉ូដែលអាចពន្យល់បាន ៧០.៦% (R² = 0.706) នៃការផ្លាស់ប្តូរការពេញចិត្ត ដោយគុណភាពទំនិញមានឥទ្ធិពលខ្លាំងជាងគេ (Beta = 0.401)។ |
| Cronbach's Alpha Reliability Test ការធ្វើតេស្តភាពជឿជាក់ Cronbach's Alpha |
ងាយស្រួលក្នុងការវាយតម្លៃភាពស៊ីសង្វាក់គ្នាខាងក្នុងនៃកម្រងសំណួរ មុននឹងឈានទៅវិភាគកម្រិតខ្ពស់។ | តម្លៃអាចកើនឡើងដោយសិប្បនិម្មិតប្រសិនបើមានចំនួនសំណួរច្រើនពេកនៅក្នុងកត្តាតែមួយ។ | អថេរទាំងអស់មានភាពជឿជាក់ខ្ពស់ ដោយតម្លៃ Cronbach's Alpha ធំជាង ឬស្មើ ០.៧៨៣។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារធនធានជាមូលដ្ឋានសម្រាប់ការប្រមូលទិន្នន័យបឋម និងជំនាញក្នុងការវិភាគស្ថិតិដោយប្រើប្រាស់កម្មវិធីកុំព្យូទ័រ។
ការសិក្សានេះត្រូវបានធ្វើឡើងតែនៅផ្សារទំនើប MM Mega Market ក្នុងទីក្រុង Bien Hoa ប្រទេសវៀតណាម ដោយផ្តោតលើអតិថិជនចំនួន ២៨៧ នាក់។ ដោយសារផ្សារទំនើបនេះមានទម្រង់លក់ដុំនិងរាយ អាកប្បកិរិយារបស់អតិថិជនអាចខុសពីអ្នកទិញរាយទូទៅ។ នេះជារឿងសំខាន់សម្រាប់អ្នកស្រាវជ្រាវនៅកម្ពុជា ព្រោះបរិបទវប្បធម៌ និងអាកប្បកិរិយាអ្នកប្រើប្រាស់វៀតណាមអាចមានភាពខុសគ្នាខ្លះពីអតិថិជននៅភ្នំពេញ។
វិធីសាស្ត្រវាយតម្លៃគុណភាពសេវាកម្មនេះ គឺមានប្រយោជន៍ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់វិស័យលក់រាយដែលកំពុងរីកចម្រើននៅកម្ពុជា។
តាមរយៈការយល់ដឹងពីកត្តាបរិមាណទាំងនេះ ម្ចាស់អាជីវកម្មនៅកម្ពុជាអាចវិនិយោគចំគោលដៅ ដូចជាការលើកកម្ពស់គុណភាពទំនិញ និងការបណ្តុះបណ្តាលបុគ្គលិក ដើម្បីរក្សាអតិថិជនឱ្យបានយូរអង្វែង។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Exploratory Factor Analysis (EFA) | ជាវិធីសាស្ត្រស្ថិតិមួយប្រើសម្រាប់បង្រួមអថេរសង្កេតជាច្រើន (សំណួរជាច្រើនក្នុងកម្រងសំណួរ) ឱ្យទៅជាកត្តាគោល ឬក្រុមធំៗតិចតួច ដែលមានអត្ថន័យរួមគ្នា ដើម្បីងាយស្រួលក្នុងការវិភាគបន្ត និងស្វែងយល់ពីរចនាសម្ព័ន្ធលាក់កំបាំងនៃទិន្នន័យ។ | ដូចជាការរៀបចំខោអាវរាប់រយក្បាលទៅក្នុងទូ ដោយបែងចែកជាថតខោ ថតអាវ និងថតស្រោមជើង ដើម្បីឱ្យមានសណ្តាប់ធ្នាប់ និងងាយស្រួលរក។ |
| Cronbach's Alpha | ជារង្វាស់ស្ថិតិដែលប្រើដើម្បីសាកល្បងភាពជឿជាក់ និងភាពស៊ីសង្វាក់គ្នាខាងក្នុង (Internal Consistency) នៃកម្រងសំណួរ ថាតើសំណួរទាំងអស់នៅក្នុងក្រុមតែមួយពិតជាកំពុងវាស់ស្ទង់ទិដ្ឋភាពតែមួយដែរឬទេ។ (តម្លៃដែលទទួលយកបានគឺចាប់ពី ០.៦ ឡើងទៅ)។ | ដូចជាការថ្លឹងទម្ងន់វត្ថុមួយនៅលើជញ្ជីង ៥ ផ្សេងគ្នា ហើយជញ្ជីងទាំង ៥ បង្ហាញទម្ងន់ដូចៗគ្នា ដែលបញ្ជាក់ថាជញ្ជីងនោះអាចជឿទុកចិត្តបាន។ |
| Multiple Linear Regression | គឺជាម៉ូដែលស្ថិតិដែលប្រើដើម្បីសិក្សាពីទំនាក់ទំនង និងវាស់ស្ទង់កម្រិតនៃឥទ្ធិពលរបស់អថេរឯករាជ្យច្រើន (ដូចជា តម្លៃ គុណភាព បរិស្ថាន) ទៅលើអថេរអាស្រ័យតែមួយ (ដូចជា ការពេញចិត្តរបស់អតិថិជន) ព្រមទាំងប្រើសម្រាប់ទស្សន៍ទាយលទ្ធផល។ | ដូចជាការទស្សន៍ទាយពិន្ទុប្រឡងរបស់សិស្សម្នាក់ ដោយយកកត្តាបញ្ចូលគ្នាដូចជា ម៉ោងរៀនគួរ ម៉ោងគេង និងចំនួនសៀវភៅដែលគេបានអាន។ |
| SERVQUAL | ជាទម្រង់ទ្រឹស្តី និងកម្រងសំណួរដែលត្រូវបានអភិវឌ្ឍឡើងដើម្បីវាស់ស្ទង់គុណភាពសេវាកម្ម ដោយធ្វើការប្រៀបធៀបរវាងគម្លាតនៃ "ការរំពឹងទុករបស់អតិថិជន" មុនពេលទទួលសេវា និង "ការយល់ឃើញជាក់ស្តែង" ក្រោយពេលពួកគេទទួលបានសេវាកម្មនោះ។ | ដូចជាការវាយតម្លៃភោជនីយដ្ឋានមួយ ដោយប្រៀបធៀបថាតើម្ហូបពិតជាឆ្ងាញ់ដូចអ្វីដែលយើងបានរំពឹងទុកមុនពេលដើរចូលហាងដែរឬទេ។ |
| Likert Scale | ជាប្រព័ន្ធរង្វាស់ទូទៅមួយក្នុងការស្ទង់មតិបរិមាណ ដែលតម្រូវឱ្យអ្នកឆ្លើយបញ្ជាក់ពីកម្រិតនៃការយល់ព្រម ឬមិនយល់ព្រមរបស់ពួកគេចំពោះសេចក្តីថ្លែងការណ៍ណាមួយ (ជាទូទៅមាន ៥ ទៅ ៧ កម្រិត ឧទាហរណ៍៖ ១ មិនយល់ព្រមទាល់តែសោះ ដល់ ៥ យល់ព្រមទាំងស្រុង)។ | ដូចជាការឱ្យផ្កាយលើកម្មវិធីដឹកជញ្ជូនអាហារ ដែល ១ ផ្កាយគឺអាក្រក់បំផុត ហើយ ៥ ផ្កាយគឺល្អឥតខ្ចោះ។ |
| Multicollinearity | ជាបាតុភូតស្ថិតិនៅក្នុងម៉ូដែលតំរែតំរង់ ដែលអថេរឯករាជ្យពីរ ឬច្រើនមានទំនាក់ទំនងគ្នាខ្លាំងពេក (ជាន់គ្នា) ដែលធ្វើឱ្យកម្មវិធីពិបាកវាយតម្លៃដោយឡែកពីគ្នាថា អថេរមួយណាពិតជាមានឥទ្ធិពលពិតប្រាកដទៅលើលទ្ធផល។ | ដូចជាការស្តាប់មនុស្សពីរនាក់និយាយប្រាប់រឿងតែមួយក្នុងពេលតែមួយ ដែលធ្វើឱ្យយើងពិបាកបែងចែកថាតើសម្លេងមួយណាជាអ្នកនិយាយច្បាស់ជាង។ |
| Variance Inflation Factor (VIF) | ជារង្វាស់ដែលប្រើសម្រាប់ត្រួតពិនិត្យមើលបញ្ហា Multicollinearity នៅក្នុងម៉ូដែលតំរែតំរង់។ ប្រសិនបើតម្លៃ VIF នៃអថេរណាមួយតូចជាង ១០ មានន័យថាម៉ូដែលនោះមិនមានបញ្ហាអថេរឯករាជ្យត្រួតស៊ីគ្នាខ្លាំងពេកនោះទេ (អាចទទួលយកបាន)។ | ដូចជាឧបករណ៍រាវរកសម្លេងរំខាន បើលេខលោតកាន់តែខ្ពស់ មានន័យថាសម្លេងរំខាន (ព័ត៌មានដែលជាន់គ្នា) មានកាន់តែច្រើនដែលធ្វើឱ្យការវិភាគលែងសូវច្បាស់។ |
| Principal Component | ជាបច្ចេកទេសមួយក្នុងការវិភាគ EFA ដើម្បីទាញយកកត្តាចម្បងៗដែលផ្ទុកបរិមាណព័ត៌មាន (Variance) ច្រើនជាងគេបំផុតចេញពីអថេរដើមរាប់សិប ដោយរក្សានូវអត្ថន័យសំខាន់ៗ និងបំបាត់ចោលព័ត៌មានដែលត្រួតស៊ីគ្នា។ | ដូចជាការច្របាច់យកទឹកស៊ីរ៉ូចេញពីផ្លែឈើ ដើម្បីយកតែរសជាតិដើមដែលជាស្នូលសំខាន់បំផុត ជំនួសឱ្យការផ្ទុកផ្លែឈើទាំងមូលដែលមានជាតិទឹកចោលច្រើន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
