59 Sau khi khảo sát kết quả thu được 180 phiếu hợp lệ và đầy đủ thông tin Do đó, mẫu nghiên cứu chính thức trong nghiên cứu này là 180 mẫu Với cỡ mẫu này đã đủ đảm bảo độ tin cậy khi phân tích EFA và[.]
59 Sau khảo sát kết thu 180 phiếu hợp lệ đầy đủ thơng tin Do đó, mẫu nghiên cứu thức nghiên cứu 180 mẫu Với cỡ mẫu đủ đảm bảo độ tin cậy phân tích EFA phân tích hồi quy Thang đo: Sử dụng thang đo Likert mức độ (từ đến tương ứng với hồn tồn khơng đồng ý, khơng đồng ý, bình thường, đồng ý hồn tồn đồng ý Tác giả thực đánh giá độ tin cậy độ giá trị tin cậy thang đo hiệu chỉnh theo bước sau: Nghiên cứu tiến hành phân tích số liệu: Bước 1: Kiểm tra độ tin cậy thang đo (Cronbach Alpha) “Độ tin cậy thang đo đánh giá phương pháp quán nội qua hệ số Cronbach’s Alpha Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước phân tích nhân tố EFA để loại biến khơng phù hợp biến rác tạo yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009) Hệ số tin cậy Cronbach’s Alpha cho biết đo lường có liên kết với hay không; không cho biết biến quan sát cần bỏ biến quan sát cần giữ lại Khi đó, việc tính tốn hệ số tương quan biến tổng giúp loại biến quan sát khơng đóng góp nhiều cho mơ tả khái niệm cần đo (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005) Các tiêu chí sử dụng thực đánh giá độ tin cậy thang đo: Loại biến quan sát có hệ số tương quan biến tổng nhỏ (nhỏ 0,3); tiêu chuẩn chọn thang đo có độ tin cậy Alpha lớn 0,6 (Alpha lớn độ tin cậy quán nội cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009) Các mức giá trị Alpha: lớn 0,8 thang đo lường tốt; từ 0,7 đến 0,8 sử dụng được; từ 0,6 trở lên sử dụng trường hợp khái niệm nghiên cứu mới bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng Chu Nguyễn Mộng Ngọc, 2005) 60 Dựa theo thông tin trên, nghiên cứu thực đánh giá thang đo dựa theo tiêu chí: Loại biến quan sát có hệ số tương quan biến tổng nhỏ 0,3 (đây biến không đóng góp nhiều cho mơ tả khái niệm cần đo nhiều nghiên cứu trước sử dụng tiêu chí này) Chọn thang đo có độ tin cậy Alpha lớn 0,6 (các khái niệm nghiên cứu tương đối đối tượng nghiên cứu tham gia trả lời) Bước 2: Phân tích nhân tố khám phá EFA Trước kiểm định lý thuyết khoa học cần phải đánh giá độ tin cậy giá trị thang đo Phương pháp Cronbach Alpha dùng để đánh giá độ tin cậy thang đo Cịn phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt phương pháp EFA) giúp đánh giá hai loại giá trị quan trọng thang đo giá trị hội tụ giá trị phân biệt Phương pháp phân tích nhân tố khám phá EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa khơng có biến phụ thuộc biến độc lập mà dựa vào mối tương quan biến với EFA dùng để rút gọn tập k biến quan sát thành tập F (F 0.3 xem đạt mức tối thiểu Factor loading > 0.4 xem quan trọng Factor loading > 0.5 xem có ý nghĩa thực tiễn Hair & ctg (1998,111) khuyên sau: 61 Nếu chọn tiêu chuẩn Factor loading >0.3 cỡ mẫu bạn phải 350 Nếu cỡ mẫu bạn khoảng 100 nên chọn tiêu chuẩn Factor loading >0.55 (thường chọn 0.5) Nếu cỡ mẫu bạn khoảng 50 Factor loading phải >0.75 Điều kiện để phân tích nhân tố khám phá phải thỏa mãn yêu cầu: Hệ số tải nhân tố (Factor loading) > 0.5 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser Meyer Olkin) số dùng để xem xét thích hợp phân tích nhân tố Trị số KMO lớn có ý nghĩa phân tích nhân tố thích hợp Kiểm định Bartlett có ý nghĩa thống kê (Sig < 0.05): Đây đại lượng thống kê dùng để xem xét giả thuyết biến tương quan tổng thể Nếu kiểm định có ý nghĩa thống kê (Sig < 0.05) biến quan sát có mối tương quan với tổng thể Phần trăm phương sai toàn “Percentage of variance” > 50%: Thể phần trăm biến thiên biến quan sát Nghĩa xem biến thiên 100% giá trị cho biết phân tích nhân tố giải thích % Bước 3: Xây dựng phương trình hồi quy phân tích tương quan” Sau phân tích nhân tố khám phá EFA để có mơ hình hiệu chỉnh tác động lên yếu tố phụ thuộc định sử dụng công cụ tài phái sinh để phịng ngừa rủi ro doanh nghiệp Việt Nam, có mơ hình hồi quy điều chỉnh Trước phân tích hồi quy kiểm tra xem biến độc lập có tương quan với biến phụ thuộc hay không, biến khơng tương quan với biến phụ thuộc ta loại biến khỏi phân tích hồi quy Kiểm định hệ số tương quan Pearson nhằm kiểm tra mối quan hệ tuyến tính biến độc lập với biến phụ thuộc Giá trị hệ số tương quan Pearson nằm khoảng (1, 1), hệ số tương quan cho biết hai biến khơng có mối liên hệ tuyến tính, hệ số tương quan > chứng tỏ hai biến có quan hệ chiều, cịn < hai biến có mối quan hệ nghịch 62 chiều Nếu giá trị tuyệt đối hệ số tương quan Pearson chứng tỏ mức độ liên hệ tuyệt đối Giá trị Sig để kiểm định tương quan, Sig >0,05 hai biến khơng tương quan Sau có kết tương quan chạy hồi quy yếu tố ảnh hưởng đến định sử dụng cơng cụ tài phái sinh để phòng ngừa rủi ro doanh nghiệp Việt Nam Các yếu tố đưa vào mơ hình hồi quy tuyến tính để xác định cụ thể trọng số yếu tố gộp, hay hệ số mơ hình hồi quy phản ánh mức độ ảnh hưởng nhiều hay vào biến phụ thuộc định sử dụng cơng cụ tài phái sinh để phòng ngừa rủi ro doanh nghiệp XNK Việt Nam Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), giá trị biến nhân tố yếu tố lưu lại trình chạy EFA theo dạng chuẩn hóa Khi chạy hồi quy ta cần quan tâm đến thông số sau: Hệ số Beta: hệ số hồi quy chuẩn hoá cho phép so sánh trực tiếp hệ số dựa mối quan hệ giải thích chúng với biến phụ thuộc Hệ số R2: đánh giá phần biến động biến phụ thuộc giải thích biến dự báo hay biến độc lập Hệ số thay đổi từ đến 3.3 Kết nghiên cứu 3.3.1 Thống kê mẫu nghiên cứu Về loại hình doanh nghiệp qua khảo sát: