Phương pháp nghiên cứu
Phương pháp thu thập số liệu
Để thực hiện khảo sát tại thành phố Huế, nghiên cứu đã chọn phương pháp lấy mẫu phi ngẫu nhiên với cách chọn mẫu thuận tiện do hạn chế về thời gian và chi phí Phương pháp này cho phép thu thập dữ liệu từ những đối tượng dễ tiếp cận, như người dân tại chợ, cửa hàng và siêu thị, nhằm đảm bảo tính khả thi và hiệu quả cho cuộc điều tra.
Đề tài sử dụng hai phương pháp thu thập số liệu sơ cấp và thu thập số liệu thứ cấp:
Dữ liệu thứ cấp về các yếu tố ảnh hưởng đến ý định sử dụng rau sạch của hộ gia đình được thu thập từ các báo cáo của Sở NN&PTNT tỉnh Thừa Thiên Huế cùng với tài liệu liên quan từ các tạp chí, sách và trang web có uy tín.
- Số liệu sơ cấp: được thu thập thông qua điều tra bằng bảng hỏi đối với các hộ gia đình trên địa bàn thành phố Huế.
Để xác định cỡ mẫu cho phân tích nhân tố khám phá EFA, nghiên cứu của Hair và cộng sự (1998) chỉ ra rằng kích thước mẫu tối thiểu cần gấp 5 lần tổng số biến quan sát trong các thang đo Điều này đảm bảo cỡ mẫu phù hợp cho nghiên cứu sử dụng phân tích nhân tố, như đã được Comrey (1973) và Roger khuyến nghị.
2006), n=5*m, với m là số biến quan sát.
Nghiên cứu này sử dụng bảng hỏi với 56 biến quan sát cho phân tích nhân tố, do đó, cỡ mẫu tối thiểu cần thiết là 280 (56*5) Để đảm bảo tính chính xác
Phương pháp xử lí số liệu
-Sử dụng phần mềm phân tích thống kê SPSS 20.0.
Các phương pháp phân tích
Phân tích thống kê mô tả(Descriptive Statistics)
Thống kê mô tả là công cụ quan trọng giúp mô tả các đặc tính cơ bản của dữ liệu thu thập từ nghiên cứu thực nghiệm Nó cung cấp những tóm tắt đơn giản về mẫu và các thước đo, giúp người nghiên cứu hiểu rõ hơn về thông tin mà họ đang phân tích.
Phương pháp phân tích độ tin cậy (hệ số Cronbach Alpha)
Sự phù hợp của thang đo là yếu tố quan trọng để các biến có thể được đưa vào và thực hiện phân tích trong nghiên cứu Để đánh giá sự phù hợp này, nghiên cứu áp dụng hệ số Cronbach's alpha.
Hệ số α của Cronbach là một chỉ số thống kê đánh giá mức độ liên kết giữa các mục hỏi trong thang đo Chỉ số này cho biết các đo lường có sự tương quan và liên kết với nhau hay không.
Theo quy ước, một thang đo được coi là tốt khi hệ số Cronbach Alpha đạt ≥ 0,8 Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) chỉ ra rằng nhiều nhà nghiên cứu đồng ý rằng thang đo có Cronbach Alpha từ 0,8 trở lên là rất tốt, từ 0,7 đến 0,8 có thể sử dụng, và từ 0,6 trở lên có thể áp dụng trong trường hợp khái niệm nghiên cứu mới hoặc chưa được khảo sát nhiều Để đảm bảo độ tin cậy trong việc đo lường biến, thang đo cần đạt các tiêu chí này.
- Hệ số tương quan biến tổng 0,3
- Hệ số Cronbach Alpha nếu loại biến < hệ số Cronbach Alpha tổng.
Phương pháp phân tích nhân tố khám phá (EFA - Exploring Factor Analysis) được áp dụng để giảm thiểu số lượng biến quan sát có mối quan hệ phụ thuộc lẫn nhau, biến chúng thành một tập biến nhỏ hơn nhưng vẫn giữ lại hầu hết thông tin từ tập biến ban đầu (Hair và cộng sự, 1998).
* Hệ số tải nhân tố ( Factor loading) :
Hệ số tương quan đơn giữa các biến và nhân tố đóng vai trò quan trọng trong phân tích Theo tiêu chuẩn của Hair và cộng sự (1998), hệ số tải nhân tố cần đạt giá trị lớn hơn hoặc bằng 0.5; những biến không đạt tiêu chuẩn này sẽ bị loại bỏ.
Số lượng nhân tố trong nghiên cứu được xác định dựa trên chỉ số Eigenvalue, phản ánh phần biến thiên mà mỗi nhân tố giải thích Theo tiêu chuẩn Kaiser, các nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại bỏ khỏi mô hình nghiên cứu.
*Phương pháp trích hệ số được sử dụng trong nghiên cứu này là phương pháp phân tích thành phần chính (Principal Component Analysis PCA) với phép xoay Varimax [1]
Phương pháp phân tích hồi quy tuyến tính bội được áp dụng để mô hình hóa mối quan hệ nhân quả giữa các biến, trong đó biến phụ thuộc (hay biến được giải thích) được phân tích dựa trên các biến độc lập (hay biến giải thích) Để đánh giá mức độ phù hợp của mô hình, người ta sử dụng hệ số R².
Kiểm định ANOVA được sử dụng để xác định mối quan hệ giữa các biến độc lập và biến phụ thuộc trong mô hình hồi quy Kiểm định này thực chất là kiểm định F, nhằm xem xét xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không Giả thuyết H0 được đưa ra là βk = 0 Giá trị thống kê F được tính từ giá trị R² của mô hình đầy đủ, và nếu giá trị Sig nhỏ hơn mức ý nghĩa kiểm định, điều này sẽ khẳng định sự phù hợp của mô hình hồi quy.
Kiể m đị nh trung bình 1 mẫ u (One sample T-test)
Kiểm định One sample T-test cho phép kiểm tra sự khác biệt giữa trung bình mẫu và một giá trị cụ thể đã biết hoặc giả định Phương pháp này giúp xác định mức độ tin cậy đối với sự khác biệt giữa các giá trị, từ đó đưa ra những kết luận chính xác hơn trong nghiên cứu.
Kiểm định T-test trung bình 1 mẫu được phát biểu dưới dạng giả thuyết thống kê như sau:
Và các giả thuyết thay thế có thể là:
H1: μ