phân tích nhân tố khẳng định (CFA), phân tích mô hình cấu trúc tuyến tính (SEM)
thông qua phần mềm AMOS được sử dụng để kiểm định thang đo và kiểm định mô hình nghiên cứu.
3.1.2. Quy trình nghiên cứu
Sử dụng phương pháp suy luận từ lý thuyết và mô hình nền tảng về hành vi mua hàng (sử dụng dịch vụ) của Philip Kotler, đồng thời kế thừa các kết quả nghiên cứu
33
trước đây, tác giả xây dựng mô hình nghiên cứu từ đó xây dựng khung khái niệm và
các giả thuyết. Quy trình nghiên cứu được thể hiện chi tiết như hình 3.1dưới đây.
Phỏng vấn
chuyên gia Điều chỉnh Thang đo Nháp II
Cơ sở
lý thuyết nghiên cứu Mô hình Mục tiêu
nghiên cứu Thang đo Nháp I
Nghiên cứu định lượng sơ bộ (N1= 120) Hệ số tin cậy Cronbach’s alpha Phân tích Nhân tố khám phá EFA
Điều chỉnh hoàn chỉnhThang đo
Hình 3.1: Quy trình nghiên cứu
Kiểm định mô hình nghiên cứu lý thuyết SEM Phân tích nhân tố khẳng định CFA Kết luận Nghiên cứu định lượng chính thức (N2= 306)
34
Qui trình nghiên cứu gồm 03 giai đoạn chính: Xây dựng thang đo, Nghiên cứu sơ bộ và Nghiên cứu chính thức.
3.1.2.1. Xây dựng thang đo
Xây dựng thang đo trong nghiên cứu này dựa vào quy trình do Churchil (1979) đưa ra. Tuy nhiên, phương pháp phân tích yếu tố khẳng định CFA (confirmatory factor analysis) được sử dụng để đánh giá giá trị thang đo thay cho phương pháp truyền thống MTMM (multitrait – multimethod)P1F
2
P(dẫn theo Nguyễn Đình Thọ & Nguyễn Thị
Mai Trang, 2008)
Thang đo được xây dựng dựa trên cơ sở lý thuyết về hành vi mua hàng (sử dụng dịch vụ) của Philip Kotler, thuyết hành động hợp lý-TRA của Ajzen & Fishbein (1975)
và thuyết hành vi dự định -TPB của Ajzen (1991) và các nghiên cứu trước đây liên quan đến đề tài. Trên cơ sở này một tập biến quan sát (thang đo nháp I) được xây dựng để đo lường các biến tiềm ẩn (yếu tố nghiên cứu).
3.1.2.2. Nghiên cứu sơ bộ
Phương pháp được sử dụng trong giai đoạn nghiên cứu sơ bộ là phương pháp định tính kết hợp với định lượng, gồm 02 bước:
Bước 1: Phỏng vấn cá nhân trực tiếp
- UCông cụU: Dàn bài cá nhân được chuẩn bị trước – theo thang đo nháp I (chi tiết theo phụ lục 01).
- UĐối tượngU: Các bác sỹ cao cấp, điều dưỡng trưởng, các chuyên gia khám chữa bệnh của Bệnh viện Chợ Rẫy và các chuyên gia trong lĩnh vực quản trị kinh
doanh của trường Đại học Tài chính Marketing và một số bệnh nhân có hiểu
biết về vấn đề nghiên cứu.
- UNội dungU: Trao đổi về các yếu tố tác động đến quyết định chọn Khoa Chăm sóc
sức khỏe theo yêu cầu – Bệnh viện Chợ Rẫy làm nơi kiểm tra sức khỏe tổng
quát.
2Phương pháp MTMM do Campbell & Fiske (1958) đề nghị và được sử dụng phổ biến để đánh giá giá trị các khái niệm nghiên cứu. Tuy nhiên phương pháp này có nhược điểm là nó đòi hỏi phải thực hiện đồng thời nhiều nghiên cứu và nhiều phương pháp.
35
- UMục đíchU: Nghiên cứu định tính nhằm khám phá, bổ sung và điều chỉnh các biến quan sát dùng để đo lường các khái niệm trong mô hình – theo thang đo
nháp II (Chi tiết theo phụ lục 02). Bước 2: Phỏng vấn định lượng sơ bộ
-UCông cụU: Bảng câu hỏi nháp được xây dựng dựa trên các công trình nghiên cứu của các tác giả trong và ngoài nước, từ mô hình nghiên cứu và những thông tin được hiệu chỉnh trong cuộc phỏng vấn ở bước 1 – theo thang đo nháp II -UĐối tượngU: Người dân đến kiểm tra sức khỏe tổng quátvà đã từng kiểm tra sức
khỏe tổng tại Khoa Chăm sóc sức khỏe theo yêu cầu – Bệnh viện Chợ Rẫy.
-UKích thước mẫuU: N1=120
-UNội dungU: Phỏng vấn ý kiến của người dân về các yếu tố tác động đến quyết định lựa chọn Khoa Chăm sóc sức khỏe theo yêu cầu – Bệnh viện Chợ Rẫy làm nơi kiểm tra sức khỏe tổng quát.
-UMục đíchU: Đánh giá nội dung bảng câu hỏi (rõ ràng, phù hợp chưa, có chỗ nào khó hiểu hoặc gây nhầm lẫn hay không) và điều chỉnh nội dung các câu hỏi để hoàn tất bảng câu hỏi chính thức.
- UKết quả nghiên cứu định lượng sơ bộU: Sau khi phỏng vấn sơ bộ, tác giả sẽ đánh giá sơ bộ thang đo theo Hệ số tin cậy Cronbach’s alpha và phân tích yếu tố
khám phá EFA nhằm xác định lại vàđiều chỉnh các biến quan sát trước khi đi đếnkhảo sát chính thức.
3.1.2.3. Nghiên cứu chính thức
Nghiên cứu định lượng
Nghiên cứu chính thức được thực hiện thông qua phương pháp định lượng dùng kỹ thuật thu thập thông tin trực tiếp bằng cách khảo sát thông qua bảng câu hỏi (chi
tiết theo phụ lục 03)với mẫu có kích thước N2 = 306.
Đối tượng khảo sát: Người dân đến kiểm tra sức khỏe tổng quát và đã từng kiểm tra sức khỏe tổng quát tại Khoa Chăm sóc sức khỏe theo yêu cầu – Bệnh viện Chợ Rẫy.
Phương pháp phân tích yếu tố khẳng định CFA được sử dụng để kiểm định thang đo; Phương pháp phân tích mô hình cấu trúc tuyến tính (SEM) được sử dụng
36
để kiểm định độ tương ứng của mô hình lý thuyết và các giả thuyết. Kiểm định mẫu bằng phương pháp bootstrap thông qua phầnmềm xử lý số liệu AMOS.
3.2. Kỹ thuật và phương pháp phân tích dữ liệu
Trình tự tiến hành phân tích dữ liệu được thực hiện như sau:
Bước 1: Thu thập, làm sạch, mã hóa và thống kê dữ liệu
Sau khi khảo sát xong sẽ tiến hành tổng hợp các bảng trả lời, tiến hành làm sạch thông tin, mã hóa các thông tin cần thiết trong bảng trả lời, nhập liệu, thống kê mô tả dữ liệu và phân tích dữ liệu.
Bước 2: Đánh giá độ tin cậy thang đo theo Hệ số tin cậy Cronbach’s alpha.
Bước 3: Phân tích nhân tố khám phá EFA.
Bước 4: Phân tích nhân tố khẳng định CFA, mô hình SEM.
3.2.1. Đánh giá độ tin cậy thang đo theo hệ số tin cậy Cronbach’s alpha
Độ tin cậy thang đo được đánh giá bằng phương pháp hệ số tin cậy Cronbach’s alpha. Sử dụngphương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả. Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các biến đo lường cóliên kết với nhau hay không nhưng không cho biết biến nào cần loại đi và biến nào cần giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến-tổng (item-
total correlation) để loại ra những biến không đóng góp nhiều cho khái niệm cần đo. Các biến quan sát có hệ số tương quan biến-tổng < 0.3 sẽ bị loại bỏ (Nunnally
& Burnstein 1974, dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Nhiều nhà nghiên cứu đồng ý rằng hệ số tin cậy Cronbach’s Alpha: từ 0.8 đến gần 1 thì thang đo lường tốt, từ0.7 đến 0.8 là sử dụng được; nhiều nhà nghiên cứu đề nghị rằng Cronbach’s alpha từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm đang đo lường là mới hoặc là mới trong hoàn cảnh nghiên cứu (NunnallyP2F
3 P , 1978; PetersonP3F 4 P , 1994; SlaterP4F 5 P
, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc,
2008). Một số nhà nghiên cứu khác cho rằng Hệ số tin cậy Cronbach’s alpha nên ≥
0.70 (Stevens, 2002; Bryman & Cramer, 2005; Field, 2009).
3 Nunnally,J.(1978), Psychometric Theory, NewYork, McGraw-Hill
4 Peterson, R. (1994), “A Meta – Analysis of Cronbach’s Coefficient Alpha”, Journal of Consumer Reseach,
No.21 Vo.2, pp.38-91
37
Cronbach’s Alpha không chỉ được kiểm định trên tổng các yếu tố mà nó cũng
nên được kiểm định cho từng nhóm các yếu tố riêng lẻ (Nunnally & Bernstein, 1994; DeVon và ctg., 2007). Các tác giả trên cũng thống nhất cho rằng mỗi nhân tố (factor) phải có ít nhất 03 biến quan sát (hay giải thích), mặc dù vậy trong một số trường hợp mỗi nhân tố có 2 biếncũng được chấp nhận.
Trong nghiên cứu này, tác giả chọn thang đo có độ tin cậy Cronbach’s alpha >0.7 (Stevens, 2002; Bryman & Cramer, 2005; Field, 2009) và Các biến quan sát có
hệ số tương quan biến-tổng < 0.3 sẽ bị loại bỏ (Nunnally & Burnstein 1974, dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
3.2.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo (gọi
là các nhân tố).
Khi EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn:
(1) Hệ số KMO (Kaiser-Meyer-Olkin): KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, Hệ số KMO nằm trong khoảng 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố khám phá là thích hợp; Kiểm định Bartlett có ý nghĩa thống kê khi Sig < 0.05 :
Khi Sig <0.05 thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Hệ số KMO từ 0.50 đến 0.70 được coi là tạm được; từ trên 0.70 đến 0.80 là tốt; từ trên 0.80 đến 0.90 là rất tốt và trên 0.90 là tuyệt vời (Field, 2009)
(2) Hệ số tải nhân tố (Factor Loading): Factor Loading là chỉ tiêu đểđảm bảo mức ý nghĩa thiết thực của EFA. Theo Bryman & Cramer (2005)có hai phương pháp
trích nhân tố là Principal Component Analysis (PCA) và phương pháp Principal Axis Factoring (PAF). Trong phương pháp PCA, tất cảcác phương sai của một biến (Tổng các biến) đều được phân tích, trong khi phương pháp PAF chỉ phân tích biến chung. Do vậy, sử dụng phương pháp PCA sẽ cho biết cấu trúc ma trận chặt chẽhơn phương
pháp PAF. Các tác giả Meyers; Gamst & Guarino (2006) cũng cho rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất. Do vậy, trong nghiên cứu này tác
38
giả sử dụng phương pháp trích nhân tố Principal Component Analysis (PCA) với phép quay Varimax.
Theo Anderson & Gerbing (1988); Hair & ctg, (2010), hệ số tải nhân tố hay trọng số tải nhân tố (Factor loading) là chỉtiêu để đảm bảo mức ý nghĩa thiết thực của
EFA: Factor loading > 0.3 được xem là đạt mức tối thiểu; Factor loading > 0.4 được xem là quan trọng. Factor loading > 0.5 được xem là có ý nghĩa thực tiễn.
Nhìn chung kích thước mẫu (sample size) nhỏ thì yêu cầu về hệ số tải nhân tố phải cao (Hair & ctg, 2010).Bảng 3.4 dưới đây cho biết kích cỡ mẫu và các yêu cầu về hệ số tải nhân tố tương ứng ra sao. Đối với nghiên cứu này, kích cỡ mẫu được chọn trong nghiên cứu sơ bộ là N1= 120 nên mẫu phù hợp với yêu cầu hệsố tải nhân tố là
≥ 0.50.
Bảng 3.1. Kích cỡ mẫu và hệ số tải nhân tố
Kích cỡ mẫu (Sample size) Yêu cầu về hệ số tải nhân tố (factor loading)
50 ≥ .75 60 ≥ .70 70 ≥ .65 85 ≥ .60 100 ≥ .55 120 ≥ .50 150 ≥. 45 200 ≥ .40 250 ≥ .35 350 ≥ .30
(Nguồn: Hair & ctg, 2010)
(3) Tổng phương sai giải thích (Total variance explained) (hay còn gọi là Tổng phương sai trích hoặc Tổng biến thiên được giải thích bởi nhân tố): Thang đo được chấp nhận khi tổng phương sai giải thích ≥ 50% (Anderson & Gerbing 1988; Hair & ctg 2010)
(4) Giá trị Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi
nhân tố): có giá trị > 1 thì nhân tốrút ra có ý nghĩa tóm tắt thông tin nhất (Anderson &
Gerbing 1988)
3.2.3. Phân tích nhân tố khẳng định CFA, mô hình SEM
Từ kết quả EFA, các biến quan sát được gom lại thành từng nhóm, tạo thành mô hình trong nghiên cứu. Chúng ta sẽ tiếp tục phân tích nhân tố khẳng định CFA, SEM
39
thông qua phần mềm AMOS (Analysis of Moment Structures) để kiểm định các thang
đo(đo lường mức độ phù hợp của mô hình) từ kết quả EFA.
Để đo lường mức độ phù hợp của mô hình với dữ liệu thị trường người ta
thường sử dụng các chỉ tiêu: Giá trị Chi-Square điều chỉnh theo bậc tự do (CMIN/df): khi CMIN/df ≤ 2, mô hình được coi là được chấp nhận. Trong một sốtrường hợp, chỉ
số này lớn hơn 2 và nhỏ hơn 3 cũng được chấp nhận với điều kiện các chỉ số khác
cũng đạt yêu cầu, ngưỡng kỳ vọng của CMIN/df là từ 1 đến 3 (Kline, 1998; Bollen, 1990; Fredenberger, 1994; Hair & ctg, 1995). Các chỉ số thống kê: CFI (comparative fit index); GFI (goodness of fit index) ; TLI (Tucker-Lewis coefficient). Nếu một mô hình nhận được các giá trị: GFI, TLI, CFI từ 0.9 đến 1; CMIN/df ≤ 2; RMSEA (Root Mean Square Error of Approximation) <0.08 thì mô hình được xem là phù hợp với dữ
liệu thịtrường (Steiger, 2000; Browne & Cudeck, 1993); Các chỉtiêu đánh giá khác là:
- Đánh giá độ tin cậy tổng hợp của thang đo thông qua: (a) Hệ số tin cậy tổng hợp (composite reliability); (b) Tổng phương sai trích được (variance extracted) và (c) Hệ số Cronbach’s Alpha. Theo Hair (1998): “Tổng phương sai trích được (variance extracted) của mỗi khái niệm nên ≥ 0.5” và Tổng phương sai trích được cũng là một chỉtiêu đo lường độ tin cậy. Nó phản ánh lượng biến thiên chung của các biến quan sát
được tính toán bởi biến tiềm ẩn. Schumacker & Lomax (2006) cho rằng trong CFA, một vấn đề quan trọng cần phải quan tâm khác là độ tin cậy của tập hợp các biến quan
sát đo lường một khái niệm (nhân tố) và như truyền thống, hệ số tin cậy Cronbach’s Alpha vẫn thường được sử dụng (được dẫn bởi Nguyễn Đình Thọ & Nguyễn Thị Mai Trang 2008).
Thang đo đạt yêu cầu về giá trị và độ tin cậykhi đáp ứng các chỉ tiêu:
+ Hệ số tin cậy Cronbach’s alpha > 0.7 (Stevens, 2002; Bryman & Cramer, 2005; Field, 2009)
+ Độ tin cậy tổng hợp (CR-Composite reliability) >0.50 (Nunnanlly, 1978; Hair & ctg, 1995)
+ Tổng phương sai giải thích > 50% (Field, 2009)
+ Phương sai trích trung bình (Average Variance Extracted – AVE) > 0.50
40
- Giá trị hội tụ (convergent validity) và giá trị phân biệt (discriminant validity) của các trọng số hồi quy chuẩn hoá (Standardized Regression Weight - SRW): Các trọng số hồi quy chuẩn hoá đạt giá trị hội tụkhi >0.50 và đạt giá trị phân biệt khi <1.0 (Peter, 1981; Anderson & Gerbing, 1988;Bagozzi & Yi, 1988).
- Kiểm tra độ tin cậy tổng hợp (CR- Composite reliability) >0.50 (Nunnanlly, 1978;Hairs và ctg, 1995)
- Chỉ số then chốt CR (Critical ratios) : CR >1.96 (Bagozzi & Yi, 1988)
- Mô hình ước lượng bootstrap: Độ chệch (Bias) giữa mô hình ước lượng chuẩn
hoá ML (Maximum Likelihood Estimates) và mô hình ước lượng bootstrap có xuất
hiện đồng thời có giá trị nhỏhơn sai số chuẩn (Standardized error- S.E) và trị tuyệt đối
của bias/SE-bias < 1.96 thì kết luận: Với phương pháp kiểm định mô hình bootstrap thì
ước lượng trong mô hình hiệu chỉnh đạt yêu cầu về độ tin cậy (Rich & Dekhtyar, 2004; Scott & Gray, 1998)
- Kiểm định các giả thuyết: Khi trọng số hồi quy của tác động đạt giá trị hội tụ và giá trị phân biệt đồng thời CR (Chỉ số then chốt-Critical ratios) > 1.96, ta chấp nhận giả thuyết (Bagozzi & Yi, 1988)
3.3. Mẫu dữliệu nghiên cứu
Mẫu trong nghiên cứu sơ bộ và nghiên cứu chính thức được chọn theo phương pháp chọn mẫu thuận tiện.
Kích thước mẫu là N=N1 + N2 = 426, trong đó, nghiên cứu sơ bộ: N1=120 và
nghiên cứu chính thức N2= 306
Cho đến nay vẫn chưa có sự thống nhất về số lượng mẫu cụ thể cho phân tích nhân tố khám phá (EFA), phân tích nhân tố khẳng định (CFA) và mô hình cấu trúc tuyến tính (SEM). Có nhiểu chỉ dẫn về sự phù hợp của số mẫu dùng trong nghiên cứu. Tác giả Tabachnick & Fidell (2006) cho rằng 50 mẫu thì quá nghèo nàn, 100 thì hơi ít, 200 thì vừa phải, 300 thì tốt, 500 thì rất tốt và 1000 là xuất sắc. Tác giả Kline (1979); Gorsuch (1983); Field, A. P. (2005) cho rằng số mẫu tối thiểu cần có là 100. Tác giả Guilford (1954) và Thompson (2004) cho rằng để đảm bảo số mẫu cần thiết dùng trong phân tích nhân tố khám phá EFA, Phân tích nhân tố khẳng định CFA và kiểm
41
Số mẫu bao nhiêu là thích hợp phụ thuộc vào số biến được dùng trong phân tích, được thể hiện ởbảng 3.1 dưới đây (Lawrence S. Meyers & ctg,2006).
Bảng 3.2. Số biến và số mẫu trong nghiên cứu
Số biến Số mẫu
10 200
25 250
90 400
150 1000
(Nguồn: Lawrence S. Meyers & ctg, 2006)
Nghiên cứu này sử dụng các phương pháp: Phân tích nhân tố khám phá (EFA), phân tích nhân tố khẳng định (CFA), phân tích mô hình cấu trúc tuyến tính (SEM). Do
đó, cỡ mẫu được xác định dựa trên cỡ mẫu lớn nhất của các phương pháp sau:
Đối với phương pháp EFA: Hair và ctg (2010) cho rằng để sử dụng phương pháp