3. Phương pháp nghiên cứu
3.2.3. Phương pháp xử lý dữ liệu
Dữ liệu sau khi thu thập được xử lý bằng phần mềm SPSS 20.0 và Microsoft Excel. Các phép thống kê kiểm định hồi quy đa biến dùng để kiểm định mối quan hệ hoặc
ảnh hưởng giữa hai hay nhiều biến như mối quan hệ giữa hành vi đầu tư và quyết định đầu tư, giữa hành vi đầu tư và các phương pháp lựa chọn ra quyết định đầu tư
hoặc mối liên hệ giữa hành vi đầu tư và các mục tiêu đầu tư.
Các phép thống kê đơn giản như tần số, phần trăm, trị trung bình hoặc độ lệch chuẩn dùng để mô tảđặc điểm của nhà đầu tư, các khía cạnh hành vi đầu tư của nhà
đầu tư hoặc các quyết định đầu tư.
Phép thống kê phân tích phương sai Anova dùng để tìm sự khác biệt trong câu trả lời của các nhóm nhà đầu tư khác nhau về hành vi đầu tư, quyết định đầu tư, mục tiêu đầu tư và hành vi giám sát các khoản đầu tư. Các tiêu chí dùng để phân nhóm nhà đầu tư là dựa vào nhân khẩu học, xã hội học, kinh nghiệm đầu tư.
Ngoài ra, bài luận văn còn dùng phương pháp phân tích thứ bậc AHP được xử lý bằng Excel để xác định tầm quan trọng của các yếu tố trong từng khía cạnh hành vi cũng như mức độ quan trọng của các khía cạnh hành vi này đối với hành vi đầu tư tổng thể. Xác định tầm quan trọng của các yếu tố đối với từng phương pháp lựa chọn ra quyết định đầu tư và tầm quan trọng của các phương pháp này trong việc hình thành quyết định đầu tư của nhà đầu tư.
Trước khi thực hiện các phép thống kê, cần tiến hành kiểm định độ tin cậy của thang đo và phân tích nhân tố (EFA) nhằm đánh giá tính nhất quán nội tại của mỗi thang đo. Để đánh giá độ tin cậy của thang đo dựa vào hệ số cronbach’s alpha. Hệ số α này càng lớn thì độ tin cậy của thang đo càng cao. Hệ số α từ 0,8 đến 1 được xem là thang đo tốt. Tuy nhiên theo Hair và cộng sự (2006), hệ số α từ 0,6 trở lên thì độ tin cậy của thang đo được chấp nhận.
Phân tích nhân tố để tìm ra cấu trúc tiềm ẩn của các biến quan sát trên cơ sởđó có thể thu nhỏ và tóm tắt dữ liệu. Trong bài luận văn này, hai khái niệm nghiên cứu là hành vi đầu tư và quyết định đầu tưđược thực hiện phân tích nhân tố. Mức độ thích hợp của tương quan nội tại giữa các biến quan sát trong các khái niệm nghiên
cứu được thể hiện bằng hệ số Kaiser-Myer- Olkin (KMO) đo lường sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Barlett’s. Mức ý nghĩa thống kê của kiểm định Bartlett cho biết giữa các biến tồn tại mối tương quan, giá trị này nhỏ hơn giá trị alpha của bài nghiên cứu (sig < α). Sự rút trích các nhân tố đại diện của các biến quan sát được thực hiện bằng phân tích nhân tố chính với phép quay varimax.
Giá trị Eigenvalue dùng để đo độ phù hợp của nhân tố ẩn, nó cho biết phương sai tính cho một nhân tố, do vậy điều kiện dùng để quyết định số nhân tố dựa trên Eigenvalue từ 1 trở lên hoặc tổng phương sai trích của các nhân tố đạt 60% trở lên
đối với các nghiên cứu về xã hội
Như vậy, mô hình nhân tố được chọn là mô hình gồm các nhân tố thoảđiều kiện trị số KMO > 0.5, sig < α, Eigenvalues > 1, tổng phương sai trích > 60%, các biến có hệ số tải nhân tố > 0.5 (Hair và cộng sự, 2006)
Phân tích hồi quy đa biến nhằm chỉ ra mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc. Kết quả hồi quy dùng để dự báo giá trị của biến phụ thuộc theo giá trị của biến độc lập.
Khi giải thích phương trình hồi quy cần lưu ý đến hiện tượng đa cộng tuyến xảy ra Các biến hiện tượng đa cộng tuyến cao có thể làm sai lệch kết quả và không có tính tổng quát cao. Để kiểm tra hiện tượng đa cộng tuyến sử dụng hệ số phóng đại phương sai VIF, nếu VIF bằng 1 không có hiện tượng đa cộng tuyến, nếu VIF > 10 có hiện tượng đa cộng tuyến của biến đang xét. (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2007)
Phân tích phương sai thì giá trị p phải nhỏ hơn giá trị alpha đang xét thì mới có ý nghĩa thống kê (sig < α)