Quá trình phân tích d英 li羽u nghiên c泳u 8逢嬰c th詠c hi羽n qua các giai 8q衣n:
̇ Aánh giá s￢ bじ thang 8o
Vi羽c 8ánh giá s挨 b瓜"8瓜 tin c壱y và giá tr鵜 c栄a thang 8o 8逢嬰c th詠c hi羽n b茨ng ph逢挨ng pháp h羽 s嘘 tin c壱y Cronbach alpha và phân tích nhân t嘘 khám phá EFA (Exploratory Factor Analysis) thông qua ph亥n m隠m x穎 lý SPSS 16. 8吋 sàng l丑c, lo衣i
d臼 các bi院n quan sát không 8áp 泳ng tiêu chu育n (bi院n rác). Trong 8ó:
Cronbach alpha là phép ki吋m 8鵜nh th嘘ng kê v隠 m泳c 8瓜 ch員t ch胤 (kh違 n<ng gi違i thích cho m瓜t khái ni羽m nghiên c泳u) c栄a t壱p h嬰p các bi院n quan sát (các câu
j臼i) thông qua h羽 s嘘 Cronbach alpha. Theo Hoàng Tr丑ng và Chu Nguy宇n M瓜ng Ng丑c (2005, tr.257, 258) cùng nhi隠u nhà nghiên c泳u 8欝ng ý r茨ng khi h羽 s嘘
Cronbach alpha có giá tr鵜 t瑛 0,7 tr荏 lên là s穎 d映ng 8逢嬰c. Trong khi 8ó, nhi隠u nhà nghiên c泳u (ví d映: Nunally, 1978; Peterson, 1994; Slater, 1995) 8隠 ngh鵜 h羽 s嘘
Cronbach alpha t瑛 0,6 tr荏 lên là có th吋 ch医p nh壱n 8逢嬰c trong tr逢運ng h嬰p khái ni羽m
8ang nghiên c泳u là m噂i ho員c m噂i 8嘘i v噂i ng逢運i tr違 l運i trong b嘘i c違nh nghiên c泳u. Tuy nhiên theo Nunnally et al (1994), h羽 s嘘 Cronbach alpha không cho bi院t bi院n nào nên lo衣i b臼 và bi院n nào nên gi英 l衣i. B荏i v壱y, bên c衣nh h羽 s嘘 Cronbach alpha, ng逢運i ta còn s穎 d映ng h羽 s嘘 t逢挨ng quan bi院n t鰻ng (item – total correlation) và nh英ng bi院n nào có t逢挨ng quan bi院n t鰻ng < 0,3, s胤 b鵜 lo衣i b臼.
Phân tích nhân t嘘 khám phá (EFA) là tên chung c栄a m瓜t nhóm th栄 t映c 8逢嬰c s穎 f映ng ph鰻 bi院n 8吋"8ánh giá thang 8o hay rút g丑n m瓜t t壱p bi院n. Trong nghiên c泳u này, phân tích nhân t嘘"8逢嬰c 泳ng d映ng 8吋 tóm t逸t t壱p các bi院n quan sát vào m瓜t s嘘
nhân t嘘 nh医t 8鵜nh 8o l逢運ng các khía c衣nh khác nhau c栄a các khái ni羽m nghiên c泳u. Tiêu chu育n áp d映ng và ch丑n bi院n 8嘘i v噂i phân tích nhân t嘘 khám phá EFAbao g欝m:
- Tiêu chu育n Barlett và h羽 s嘘 KMO dùng 8吋"8ánh giá s詠 thích h嬰p c栄a EFA. Theo 8ó, gi違 thuy院t H0 (các bi院n không có t逢挨ng quan v噂i nhau trong t鰻ng th吋) b鵜
bác b臼 và do 8ó EFA 8逢嬰c g丑i là thích h嬰p khi: 0,5 ø KMO ø 1 và Sig < 0.5. Tr逢運ng h嬰p KMO < 0,5 thì phân tích nhân t嘘 có kh違 n<ng không thích h嬰p v噂i d英
li羽u (Hoàng Tr丑ng và Chu Nguy宇n M瓜ng Ng丑c, 2005, tr.262).
- Tiêu chu育n rút trích nhân t嘘 g欝m ch雨 s嘘 Eigenvalue (8衣i di羽n cho l逢嬰ng bi院n thiên 8逢嬰c gi違i thích b荏i các nhân t嘘) và ch雨 s嘘 Cumulative (t鰻ng ph逢挨ng sai trích cho bi院t phân tích nhân t嘘 gi違i thích 8逢嬰c bao nhiêu % và bao nhiêu % b鵜 th医t thoát). Theo Gerbing và Anderson (1988), các nhân t嘘 có Eigenvalue < 1 s胤 không có tác d映ng tóm t逸t thông tin t嘘t h挨n bi院n g嘘c (bi院n ti隠m 育n trong các thang 8o tr逢噂c khi EFA). Vì th院, các nhân t嘘 ch雨"8逢嬰c rút trích t衣i Eigenvalue œ 1 và 8逢嬰c ch医p nh壱n khi t鰻ng ph逢挨ng sai trích œ 50%. Tuy nhiên, tri s嘘 Eigenvalue và ph逢挨ng sai trích là bao nhiêu còn ph映 thu瓜c vào ph逢挨ng pháp trích và phép xoay nhân t嘘. Theo Nguy宇n Khánh Duy (2009, tr.14), n院u sau phân tích EFA là phân tích h欝i qui thì có th吋 s穎 d映ng ph逢挨ng pháp trích Pricipal components v噂i phép xoay Varimax.
- Tiêu chu育n h羽 s嘘 t違i nhân t嘘 (Factor loadings) bi吋u th鵜 t逢挨ng quan 8挨n gi英a các bi院n v噂i nhân t嘘, dùng 8吋"8ánh giá m泳c ý ngh a c栄a EFA. Theo Hair & ctg, Factor loading > 0,3 8逢嬰c xem là 8衣t m泳c t嘘i thi吋u; Factor loading > 0,4 8逢嬰c xem là quan tr丑ng, Factor loading > 0,5 8逢嬰c xem là có ý ngh a th詠c ti宇n. Tr逢運ng h嬰p ch丑n tiêu chu育n Factor loading > 0,3 thì c叡 m磯u ít nh医t ph違i là 350; n院u c叡 m磯u kho違ng 100 thì nên ch丑n tiêu chu育n Factor loading > 0,55; n院u c叡 m磯u kho違ng 50 thì Factor loading > 0,75 (Nguy宇n Khánh Duy, 2009, tr.14).
Trong nghiên c泳u này, m磯u nghiên c泳u có kích th逢噂c t逢挨ng 8嘘i l噂n (n = 269);
j挨n n英a, sau EFA là phân tích h欝i qui 8a bi院n. Vì th院, trong quá trình Cronbach alpha, tác gi違 quy院t 8inh gi英 l衣i các thang 8o có tr鵜 s嘘 Cronbach alpha œ 0.6 và lo衣i các bi院n quan sát có t逢挨ng quan bi院n t鰻ng < 0,3; trong quá trình EFA, tác gi違 s穎 f映ng ph逢挨ng pháp trích Pricipal axis factoring v噂i phép xoay Promax; lo衣i b臼 các bi院n quan sát có tr鵜 s嘘 Factor loading ø 0.4.
Quá trình phân tích h欝i qui tuy院n tính 8逢嬰c th詠c hi羽n qua các b逢噂c:
D⇔ずc 1: Ki吋m tra t逢挨ng quan gi英a các bi院n 8瓜c l壱p v噂i nhau và v噂i bi院n ph映
thu瓜c thông qua ma tr壱n h羽 s嘘 t逢挨ng quan. Theo 8ó, 8k隠u ki羽n 8吋 phân tích h欝i qui là ph違i có t逢挨ng quan ch員t ch胤 gi英a các bi院n 8瓜c l壱p v噂i nhau và v噂i bi院n ph映
thu瓜c. Tuy nhiên, theo John và Benet – Martinez (2000), khi h羽 s嘘 t逢挨ng quan < 0,85 thì có kh違 n<ng 8違m b違o giá tr鵜 phân bi羽t gi英a các bi院n. Ngh a là, n院u h羽 s嘘 v逢挨ng quan > 0,85 thì c亥n xem xét vai trò c栄a các bi院n 8瓜c l壱p, vì có th吋 x違y ra hi羽n
v逢嬰ng 8a c瓜ng tuy院n (m瓜t bi院n 8瓜c l壱p này có 8逢嬰c gi違i thích b茨ng các bi院n khác).
D⇔ずc 2: Xây dばng mô hình hげi qui
A逢嬰c th詠c hi羽n thông qua các th栄 t映c: - N詠a ch丑n các bi院n 8逢a vào mô hình h欝i qui
Vi羽c l詠a ch丑n các bi院n 8逢a vào mô hình h欝i qui có th吋 th詠c hi羽n theo m瓜t trong ba ph逢挨ng pháp: + Ph逢挨ng pháp 8逢a vào d亥n t瑛ng bi院n 8瓜c l壱p; + Ph逢挨ng pháp lo衣i d亥n t瑛ng bi院n 8瓜c l壱p; + Ph逢挨ng pháp ch丑n t瑛ng b逢噂c (k院t h嬰p gi英a 8逢a vào d亥n và lo衣i tr瑛 d亥n). + Ph逢挨ng pháp Enter (SPSS x穎 lý t医t c違 các bi院n 8逢a vào cùng m瓜t l逢嬰t). - Ki吋m 8鵜nh 8瓜 phù h嬰p c栄a mô hình 8吋 l詠a ch丑n mô hình t嘘i 逢u b茨ng cách s穎 f映ng ph逢挨ng pháp phân tích ANOVA 8吋 ki吋m 8鵜nh gi違 thi院t H0: không có m嘘i liên
j羽 tuy院n tính gi英a các bi院n ph映 thu瓜c v噂i t壱p h嬰p các bi院n 8瓜c l壱p ( 1= 2= 3=
n= 0).
P院u tr鵜 s嘘 th嘘ng kê F có Sig r医t nh臼 (<0,05), thì gi違 thuy院t H0d鵜 bác b臼, khi 8ó chúng ta k院t lu壱n t壱p h嬰p c栄a các bi院n 8瓜c l壱p trong mô hình có th吋 gi違i thích cho
u詠 bi院n thiên c栄a bi院n ph映 thu瓜c. Ngh a là mô hình 8逢嬰c xây d詠ng phù h嬰p v噂i t壱p
f英 li羽u, vì th院 có th吋 s穎 d映ng 8逢嬰c. (adsbygoogle = window.adsbygoogle || []).push({});
- Aánh giá 8瓜 phù h嬰p c栄a mô hình b茨ng h羽 s嘘 xác 8鵜nh R2 (R Square). Tuy nhiên, R2có 8員c 8k吋m càng t<ng khi 8逢a thêm các bi院n 8瓜c l壱p vào mô hình, m員c dù không ph違i mô hình càng có nhi隠u bi院n 8瓜c l壱p thì càng phù h嬰p v噂i t壱p d英 li羽u. Vì th院, R2"8k隠u ch雨nh (Adjusted R Square) có 8員c 8k吋m không ph映 thu瓜c vào s嘘 l逢嬰ng
bi院n 8逢a thêm vào mô hình, 8逢嬰c s穎 d映ng thay th院 R2"8吋"8ánh giá m泳c 8瓜 phù h嬰p
e栄a mô hình h欝i qui b瓜i.
- Xác 8鵜nh các h羽 s嘘 c栄a ph逢挨ng trình h欝i qui, 8ó là các h羽 s嘘 h欝i qui riêng ph亥n k: 8o l逢運ng s詠 thay 8鰻i trung bình c栄a bi院n ph映 thu瓜c khi bi院n 8瓜c l壱p Xk
thay 8鰻i m瓜t 8挨n v鵜, trong khi các bi院n 8瓜c l壱p khác 8逢嬰c gi英 nguyên. Tuy nhiên,
8瓜 l噂n c栄a k ph映 thu瓜c vào 8挨n vi 8o l逢運ng c栄a các bi院n 8瓜c l壱p, vì th院 vi羽c so sánh tr逢c ti院p chúng v噂i nhau là không có ý ngh a. Do 8ó, 8吋 có th吋 so sánh các h羽 u嘘 h欝i qui v噂i nhau, t瑛"8ó xác 8鵜nh t亥m quan tr丑ng (m泳c 8瓜 gi違i thích) c栄a các bi院n
8瓜c l壱p cho bi院n ph映 thu瓜c, ng逢運i ta bi吋u di宇n s嘘"8o c栄a t医t c違 các bi院n 8瓜c l壱p
d茨ng 8挨n v鵜"8o l逢運ng 8瓜 l羽ch chu育n beta.
D⇔ずc 3: Kiあm tra vi phＴm các giＶ"8おnh cＺn thiｘt trong hげi qui
Mô hình h欝i qui 8逢嬰c xem là phù h嬰p v噂i t鰻ng th吋 nghiên c泳u khi không vi pham các gi違"8鵜nh. Vì th院, sau khi xây d詠ng 8逢嬰c ph逢挨ng trình h欝i qui, c亥n ph違i ki吋m tra các vi ph衣m gi違"8鵜nh c亥n thi院t sau 8ây:
- Ph亥n d逢 c栄a các bi院n ph映 thu瓜c có phân ph嘘i chu育n và ph逢挨ng sai c栄a sai s嘘
không 8鰻i;
- Không có t逢挨ng quan gi英a các ph亥n d逢;
- Không có t逢挨ng quan gi英a các bi院n 8瓜c l壱p (không có hi羽n t逢嬰ng 8a c瓜ng tuy院n).
Trong 8ó:
- Công c映"8吋 ki吋m tra gi違"8鵜nh ph亥n d逢 có phân ph嘘i chu育n là 8欝 th鵜 t亥n s嘘
Histogram, ho員c 8欝 th鵜 t亥n s嘘 P-P slot.
- Công c映"8吋 ki吋m tra gi違"8鵜nh sai s嘘 c栄a bi院n ph映 thu瓜c có ph逢挨ng sai không
8鰻i là 8欝 th鵜 phân tán c栄a ph亥n d逢 và giá tr鵜 d詠"8oán ho員c ki吋m 8鵜nh Spearman. - Công c映"8逢嬰c s穎 d映ng 8吋 ki吋m tra gi違"8鵜nh không có t逢挨ng quan gi英a các ph亥n d逢 là 8衣i l逢嬰ng th嘘ng kê d (Durbin – Watson).
- Công c映"8逢嬰c s穎 d映ng 8吋 phát hi羽n t欝n t衣i hi羽n t逢嬰ng 8a c瓜ng tuy院n là 8瓜
ch医p nh壱n c栄a bi院n (Tolerance) ho員c h羽 s嘘 phóng 8衣i ph逢挨ng sai (Variance inflation factor – VIF). Theo Hoàng Tr丑ng và Chu Nguy宇n M瓜ng Ng丑c (2005,
tr.217, 218), qui t逸c chung là VIF > 10 là d医u hi羽u c栄a 8a c瓜ng tuy院n; trong khi 8ó, theo Nguy宇n Aình Th丑 và Nguy宇n Th鵜 Mai Trang (2011, tr. 497), khi VIF > 2 c亥n ph違i c育n tr丑ng hi羽n t逢嬰ng 8a c瓜ng tuy院n.
̇ Kiあm 8おnh sば khác biうt vｚ sば"8ánh giá cてa khách hàng 8ぐi vずi các yêu tぐ tác
8じng 8ｘn quyｘt 8おnh tiêu dùng sのa bじt nhｆp khｂu cてa ng⇔ぜi dân TP.HCM theo các 8ｐc 8kあm cá nhân cてa khách hàng
Công c映 s穎 d映ng là phép ki吋m 8鵜nh Independent – Sample T-Test ho員c phân tích ph逢挨ng sai (ANOVA). Trong 8ó:
- Independent – Sample T-Test 8逢嬰c s穎 d映ng trong tr逢運ng h嬰p 8員c 8k吋m cá nhân c栄a khách hàng có hai thu瓜c tính (ch鰯ng h衣n, gi噂i tính bao g欝m: gi噂i tính nam và gi噂i tính n英),vì th院 chia t鰻ng th吋 m磯u nghiên c泳u làm hai nhóm t鰻ng th吋 riêng bi羽t;
- Phân tích ph逢挨ng sai (ANOVA) 8逢嬰c s穎 d映ng trong tr逢運ng h嬰p 8員c 8k吋m cá nhân c栄a khách hàng có ba thu瓜c tính tr荏 lên, vì th院 chia t鰻ng th吋 m磯u nghiên c泳u làm ba nhóm t鰻ng th吋 riêng bi羽t tr荏 lên (ch鰯ng h衣n, trình 8欝 hoc v医n bao g欝m: ch逢a
j丑c qua cao 8鰯ng; cao 8鰯ng và 8衣i h丑c; trên 8衣i h丑c). Ph逢挨ng pháp th詠c hi羽n là ki吋m 8鵜nh có hay không s詠 khác bi羽t gi英a các nhóm t鰻ng th吋"8逢嬰c xác 8鵜nh theo các 8員c 8k吋m cá nhân c栄a khách hàng [Hoàng Tr丑ng và Chu Nguy宇n M瓜ng Ng丑c, 2005, tr. 113-118, 122-123].