Mục tiêu 1: Sử dụng các phƣơng pháp thống kê mô tả và phƣơng pháp so sánh để mô tả nhân khẩu học, thói quen và hành vi của một ngƣời xem truyền hình.
Mục tiêu 2: Phân tích các nhân tố ảnh hƣởng đến lòng trung thành của ngƣời xem đài với VTV Cần Thơ. Đầu tiên sử dụng kiểm định thang đo Cronbach’s Alpha để hiệu chỉnh bộ biến đánh giá mức độ hài lòng, phân tích nhân tố EFA nhằm gom nhóm lại các biến quan sát. Bƣớc tiếp theo là vận dụng mô hình SEM vào việc tìm hiểu mối quan hệ giữa các biến với mức độ hài lòng của ngƣời xem đài. Vận dụng mô hình SEM gồm 2 phần sau: phân tích nhân tố khẳng định CFA để tìm hiểu mối tƣơng quan giữa các biến quan sát, triển khai SEM để đánh giá sự tƣơng quan giữa các biến quán sát với mức độ hài lòng. Sau đây sẽ nói rõ hơn về từng phƣơng pháp.
(1) Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Muốn thực hiện phân tích nhân tố thì trƣớc hết chúng ta phải tiến hành kiểm định độ tin cậy của thang đo bằng Cronbach’s Alpha để đảm bảo rằng bộ biến đƣợc đề xuất ban đầu là phù hợp với đề tài nghiên cứu.
Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tƣơng quan với nhau.
Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên gần đến 1 thì thang đo lƣờng là tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm thang đo lƣờng là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Nunnally 1978, Peterson 1994, Slater 1995).
Cronbach’s Alpha cũng đƣợc sử dụng để hiệu chỉnh bộ biến trong trƣờng hợp có những biến khi loại bỏ làm tăng giá trị Cronbach’s alpha.
Phân tích nhân tố là tên chung của một nhóm các thủ tục đƣợc sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Phân tích nhân tố sẽ giúp rút gọn một số lƣợng biến nhiều thành một số lƣợng biến ít hơn mà vẫn không làm mất đi ý nghĩa nghiên cứu vì bộ biến mới vẫn bao hàm tất cả những biến ban đầu.
Phân tích nhân tố có vô số ứng dụng trong các lĩnh vực nghiên cứu kinh tế và xã hội. Trong kinh doanh, phân tích nhân tố có thể ứng dụng trong các trƣờng hợp: phân khúc thị trƣờng, nghiên cứu sản phẩm, nghiên cứu quảng cáo và nghiên cứu định giá.
(2) Phân tích nhân tố khẳng định CFA (Cofirmatory Factor Analysis) với phần mềm Amos (Analysis of Moment Structures). Phần mềm
18
này đƣợc dùng để thực hiện một phƣơng pháp chung trong phân tích dữ liệu là Structural Equation Modeling (SEM - Mô hình cấu trúc tuyến tính) (Nguyễn Khánh Duy). Trên mô hình này các mối quan hệ và mức độ tác động của các biến độc lập đến các biến phụ thuộc sẽ đƣợc thể hiện một cách trực quan nên mang tính dễ hiểu, dễ phân tích hơn.
Trong phân tích CFA, có các vấn đề cần nghiên cứu sau:
Mức độ phù hợp của mô hình với thông tin thị trƣờng: cần xem xét mô hình thiết kế có phù hợp với thị trƣờng hay không thông qua các chỉ tiêu Chi-square, Chi-square điều chỉnh theo bậc tự do (cmin/df), chỉ số thích hợp so sánh (CFI - Comparative Fit Index), chỉ số Turker & Lewis (TLI - Turker & Lewis Index), chỉ số RMSEA (Root Mean Square Error Approximation). Nếu mô hình nhận đƣợc giá trị TLI, CFI >= 0,9, Cmin/df <= 2, RMSEA <= 0,08 thì mô hình phù hợp (tƣơng thích) với dữ liệu thị trƣờng (Nguyễn Khánh Duy).
Tính đơn hƣớng/đơn nguyên: khi mô hình phù hợp với dữ liệu thị trƣờng và không có tƣơng quan giữa các sai số đo lƣờng thì mô hình sẽ đạt tính đơn hƣớng.
Giá trị hội tụ: thang đo đạt giá trị hội tụ khi các trọng số chuẩn hóa đều lớn hơn 0,5, và có ý nghĩa thống kê.
Giá trị phân biệt: khi hệ số tƣơng qua giữa các khái niệm khác biệt so với một mô hình đạt đƣợc giá trị phân biệt.
Giá trị liên hệ lý thuyết: các giá trị mô hình phản ánh lý thuyết nhƣ thế nào.
Các vấn đề từ 1 đến 4 nghiên cứu thông qua mô hình đo lƣờng, riêng vấn đề năm nghiên cứu qua mô hình cấu trúc SEM.
(3) Mô hình SEM
Một trong những kỹ thuật phức hợp và linh hoạt nhất đƣợc sử dụng để phân tích mối quan hệ phức tạp trong mô hình nhân quả là mô hình mạng SEM (Structural Equation Modeling). Mô hình SEM đã đƣợc sử dụng rộng rãi trong các lĩnh vực nghiên cứu nhƣ Tâm lý học (Anderson & Gerbing, 1988; Hansell và White, 1991), Xã hội học (Lavee, 1988; Lorence và Mortimer, 1985), Nghiên cứu sự phát triển của trẻ em (Anderson, 1987; Biddle và Marlin, 1987) và trong lĩnh vực quản lý (Tharenou, Latimer và Conroy, 1994). Đặc biệt, mô hình này cũng đƣợc ứng dụng trong rất nhiều mô hình thỏa mãn khách hàng nhƣ ngành dịch vụ thông tin di động (M.-K. Kim et al. / Telecommunications Policy 28 (2004) 145 - 159).
19
Mô hình SEM là sự mở rộng của mô hình tuyến tính tổng quát (GLM) cho phép nhà nghiên cứu kiểm định một tập hợp phƣơng trình hồi quy cùng một lúc.
SEM có thể cho một mô hình phức hợp phù hợp với dữ liệu nhƣ các bộ dữ liệu khảo sát trong dài hạn (longitudinal), phân tích nhân tố khẳng định (CFA), các mô hình không chuẩn hoá, cơ sở dữ liệu có cấu trúc sai số tự tƣơng quan, dữ liệu với các biến số không chuẩn (Non - Normality), hay dữ liệu bị thiếu (missing data). Đặc biệt, SEM đƣợc sử dụng để ƣớc lƣợng các mô hình đo lƣờng (Mesurement Model) và mô hình cấu trúc (Structure Model) của bài toán lý thuyết đa biến.
Mô hình đo lƣờng chỉ rõ quan hệ giữa các biến tiềm ẩn (Latent Variables) và các biến quan sát (observed variables). Nó cung cấp thông tin về thuộc tính đo lƣờng của biến quan sát (độ tin cậy, độ giá trị).
Mô hình cấu trúc chỉ rõ mối quan hệ giữa các biến tiềm ẩn với nhau. Các mối quan hệ này có thể mô tả những dự báo mang tính lý thuyết mà các nhà nghiên cứu quan tâm.
Mô hình SEM phối hợp đƣợc tất cả các kỹ thuật nhƣ hồi quy đa biến, phân tích nhân tố và phân tích mối quan hệ hỗ tƣơng (giữa các phần tử trong sơ đồ mạng) cho phép chúng ta kiểm tra mối quan hệ phức hợp trong mô hình. Khác với những kỹ thuật thống kê khác chỉ cho phép ƣớc lƣợng mối quan hệ riêng phần của từng cặp nhân tố (phần tử) trong mô hình cổ điển (mô hình đo lƣờng), SEM cho phép ƣớc lƣợng đồng thời các phần tử trong tổng thể mô hình, ƣớc lƣợng mối quan hệ nhân quả giữa các khái niệm tiềm ẩn (Latent Constructs) qua các chỉ số kết hợp cả đo lƣờng và cấu trúc của mô hình lý thuyết, đo các mối quan hệ ổn định (recursive) và không ổn định (non- recursive), đo các ảnh hƣởng trực tiếp cũng nhƣ gián tiếp, kể cả sai số đo và tƣơng quan phần dƣ. Với kỹ thuật phân tích nhân tố khẳng định (CFA) mô hình SEM cho phép linh động tìm kiếm mô hình phù hợp nhất trong các mô hình đề nghị.
SEM có nhiều dạng mô hình nhƣ mô hình đo lƣờng, mô hình cấu trúc, mô hình xác lập, mô hình không xác lập, mô hình bão hòa, mô hình độc lập và mô hình tổng quát, nhƣng trong đề tài này, em sử dụng mô hình cấu trúc nên em chỉ trình bày cơ sở lý thuyết về mô hình cấu trúc, không trình bày những mô hình khác để tránh dài dòng khó hiểu.
Mô hình cấu trúc xác định các liên kết (quan hệ nhân quả) giữa các biến tiềm ẩn bằng mũi tên nối kết, và gán cho chúng các phƣơng sai giải thích và chƣa giải thích, tạo thành cấu trúc nhân quả cơ bản. Biến tiềm ẩn đƣợc ƣớc lƣợng bằng hồi quy bội của các biến quan sát. Mô hình SEM không cho phép
20
sử dụng khái niệm biểu thị bởi biến quan sát đơn.Thông thƣờng biến tiềm ẩn đo lƣờng bởi ít nhất là trên một biến, hay từ 3 đến tối đa là 7 biến quan sát. [Hair et al, Chap 11, 2000].
Mô hình cấu trúc có dạng:
Hình 2.5 Mô hình SEM
Mục tiêu 3: Sử dụng ma trận SWOT kết hợp với các kết quả thu đƣợc từ mục tiêu trên để đề xuất các biện pháp giải quyết.
21
CHƢƠNG 3
GIỚI THIỆU VỀ TRUNG TÂM TRUYỀN HÌNH VIỆT NAM TẠI THÀNH PHỐ CẦN THƠ ( VTV CẦN THƠ )