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 này, cỡ mẫu tối thiểu phải là 50 và tốt hơn là 100 và tỷ lệ quan sát/biến đo lường là 5:1, nghĩa là cứ mỗi biến đo lường thì cần tối thiểu là 5 quan sát. Nghiên cứu này sử
dụng tổng cộng 48 biến quan sát, do đó cỡ mẫu tối thiểu cần thu thập là N ≥ 240.
Đối với phương pháp phân tích mô hình cấu trúc tuyến tính (SEM): Barr & ctg (1999) cho rằng các kiểm định thống kê và độ lệch chuẩn sử dụng cho SEM cũng dựa trên lý thuyết tiệm cận do đó không thể tin cậy với cỡ mẫu nhỏ. Không có một hướng dẫn chắc chắn nào vềđộ lớn cần thiết của mẫu để có thểđạt được độ chính xác hợp lý. Một số nghiên cứu dựa trên mô hình này cho thấy có một số vấn đề phát sinh khi cỡ
mẫu nhỏ hơn 100 (Loehlin,1987; Bollen, 1989). Suy luận từ kinh nghiệm với mô hình hồi quy đa biến cho thấy cỡ mẫu ít nhất nên gấp từ năm đến hai mươi lần số lượng biến cần được ước lượng để có được kết quả đáng tin cậy và có thể giải thích được (Barr và ctg, 1999). Do đó, một cách tương tự như phương pháp EFA được trình bày phía trên, ởđây tác giả xác định cỡ mẫu tối thiểu cần thu thập là N ≥ 240.
Dựa trên cơ sở ý kiến của các nhà nghiên cứu, tác giả lựa chọn cỡ mẫu tối thiểu cần thu thập là N ≥ 240, nhằm đạt được hai khả năng: thứ nhất, đạt được số mẫu tối thiểu theo yêu cầu của phân tích nhân tố khám phá (EFA), phân tích nhân tố khẳng
định (CFA) và kiểm định mô hình SEM; Thứ hai, đảm bảo tính khả thi trong thu thập
42
Nghiên cứu này lấy kích thước mẫu N=426 cho 48 biến quan sát (trong đó, nghiên cứu sơ bộ: N1=120và nghiên cứu chính thức N2= 306)
3.4. Biến và thang đo
3.4.1. Mô tả các biến trong mô hìnhnghiên cứu đề xuất
Các biến trong mô hình nghiên cứu đề xuất được tổng hợp chi tiết tại bảng 3.3 dưới đây.
Bảng 3.3. Bảng thống kê các biến trong mô hình nghiên cứu đề xuất
STT Các nhân tố Ký hiệu Số biến
quan sát
I Các kích thích marketing MR 7
II Các nhu cầu nội tại NT 3
III Các yếu tố môi trường xã hội XH 5
IV Các yếu tố môi trường tự nhiên TN 2
V Nhận biết nhu cầu NB 3
VI Các yếu tố tìm kiếm thông tin TT 4
VII Đánh giá các phương án PA 4
VIII Các yếu tố hoàn cảnh HC 2
IX Quyết định chọn nơi kiểm tra sức
khỏe tổng quát QD 4
X Hành vi sau khi kiểm tra sức khỏe
tổng quát HV 2
XI Đặc điểm cá nhân CN 12
Tổng cộng: 48
3.4.2. Kết quả hiệu chỉnh thang đo trong nghiên cứu định tính sơ bộ
Kết quả hiệu chỉnh Thang đo các 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 của bệnh nhân Việt Namtrong nghiên cứu định tính sơ bộnhư sau: Các yếu tố kích thích marketing (MR)
Mr1: Theo tôi dịch vụ kiểm tra SKTQ tại Khoa là rất tốt có tác động và có tác
độngđến nhu cầu kiểm tra SKTQ của tôi.
Mr2: Chi phí kiểm tra SKTQ tại Khoa phù hợp với thu nhập của tôi, có tác động đến nhu cầu kiểm tra SKTQ của tôi.
43
Mr3: Địa điểm của bệnh viện thuận lợi cho việc khám chữa bệnh và có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Mr4: Tôi cảm thấy hài lòng về dịch vụ hỗ trợ khám bệnh tại Khoa, có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Mr5: Tôi nhận thấy Bệnh viện có đội ngũ Bác sỹ, điều dưỡng và kỹ thuật viên với chuyên môn giỏi, nhiều kinh nghiệm và nhân viên của bệnh viện có thái độ đối xử hòa nhã, thân thiện và hướng dẫn nhiệt tình. Điều này có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Mr6: Tôi nhận thấy quy trình khám bệnh, quy trình thanh toán và quy trình lĩnh thuốc tại Khoa nhanh chóng và thuận tiện với tôi, có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Mr7: Tôi nhận thấy Bệnh viện có cơ sở vật chất tốt, tiện lợi cho việc kiểm tra
SKTQ; có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Các yếu tố về nhu cầu nội tại (NT)
Nt1: Tôi cho rằng bản năng giúp tôi nhận ra nhu cầu kiểm tra SKTQ của mình. Nt2: Tôi cho rằng nhận thức cũng giúp tôi nhận ra nhu cầu kiểm tra SKTQ của
mình.
Nt3: Tôi cho rằng linh cảm góp phần giúp tôi nhận ra nhu cầu kiểm tra SKTQ của
mình.
Các yếu tố về môi trường xã hội (XH)
Xh1: Tôi cảm nhận sự phát triển của nền kinh tế có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Xh2: Tôi cảm nhận sự phát triển của khoa học – công nghệ có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Xh3: Tôi cảm nhận yếu tố chính trị (chính sách pháp luật) có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Xh4: Tôi nhận thấy các giá trị về chuẩn mực trong cuộc sống có tác động đến nhu cầu kiểm tra SKTQ của tôi.
Xh5: Sự cạnh tranh của nhiều cơ sở khám chữa bệnh có tác động đến nhu cầu kiểm tra SKTQ của tôi.
44
Tn1: Tôi nhận thấy vị trí địa lý thuận lợi của bệnh viện có ảnh hưởng đến nhu cầu