Sau khi thu nhận các bảng trả lời thì mã hóa các thông tin cần thiết trong bảng trả lời, nhập dữ liệu và phân tích dữ liệu bằng phần mềm SPSS version 16.
Thực hiện thống kê mô tả dữ liệu đã được thu thập
Tiên hành đánh giá thang đo bằng hệ số Cronbach Alpha
Thực hiện phân tích nhân tố khám phá EFA
Xem xét mối tương quan của các biến thành phần: Khi phân tích hồi quy tuyến tính, các mối tương quan tuyến tính giữa tất cả các biến cần được kiểm tra trước để đánh giá mối quan hệ giữa các biến định lượng. Hệ số tương quan Pearson được sử dụng để lượng hóa mực độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của r tiến đến gần 1 khi hai biến có mối tương quan tuyến tính chặt chẽ (Hoàng Trọng và Chu Nguyễn Mông Ngọc, 2008).
Phân tích hồi quy tuyến tính: Phân tích hồi quy bội là một kỹ thuật thống kê được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập (Hoàng Trọng và Chu Nguyễn Mông Ngọc, 2008). Mô hình có dạng sau:
Yi=β0+β1X1i+ β1X1i+….+ βpXpi+ei
Ký hiệu Xpi biểu hiện của biến độc lập thứ p tại quan sát thứ i Các hệ số βp được gọi là hệ số hồi quy riêng phần.
Thành phần ei là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi là σ2
.
Trong quá trình phân tích hồi quy tuyến tính được thực hiện theo các bước sau:
- Kiểm tra phân tích kết quả hồi quy, các giả định cần thiết trong hồi quy tuyến tính cần được kiểm tra: Giả định liên hệ tuyến tính, không có hiện tượng đa cộng tuyến giữa các biến độc lập, phương sai của phân phối phần dư là không đổi, các phần dư có phân phối chuẩn, không có hiện tượng tương quan các phần dư.
Giả định liên hệ tuyến tính: được kiểm định thông qua đồ thị phân tán giữa các phần dư và giá trị dự đoán của mô hình hồi quy tuyến tính (Hoàng Trọng và Chu nguyễn Mộng Ngọc, 2008).
Kiếm tra không có hiện tượng đa công tuyến giữa các biến độc lập: Để kiểm tra hiện tượng đa công tuyến thì ta dựa vào hệ số VIF, nếu hệ số VIF lớn hơn 10 thì có dấu hiệu của đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Vì vậy, hệ số VIF phải nhỏ hơn 10, thì mối quan hệ tương quan giữa các biến độc lập sẽ thấp.
Kiếm tra phương sai của phân phối phần dư là không đổi: Nếu mô hình hồi quy có nhiều biến giải thích thì kiểm định tương quan hạng Spearman có thể tính giữa trị tuyệt đối của phần dư với từng biến và nếu có giá trị sig. của kiểm định lớn hơn mức ý nghĩa (> 0.05) thì phương sai của phân phối phần dư là không đổi (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm tra các phần dư có phân phối chuẩn: Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, Phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,… Vì vậy, để khảo sát phân phối của phần dư thì sử dụng biểu đồ tần số Histogram, biểu đồ tần số Q-Q
lot, biểu đồ P-P, kiểm định Kolmogrov (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm tra không có hiện tượng tương quan giữa các phần dư: Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008): đại lượng thống kế Durbin-Watson (d) có thể dùng để kiểm định tương quan của các sai số kề nhau (Tương quan chuỗi bậc nhất).
Giả thuyết khi tiến hành kiểm định này là:
H0: Hệ số tương quan tổng thể của các phần dư bằng 0.
Đại lương d có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2. Giá trị d thấp (và nhỏ hơn 2) có nghĩa là các phần dư gần nhau có tương quan thuận. Giá trị d lớn hơn 2 (và gần 4) có nghĩa là các phần dư có tương quan nghịch.
- Kiểm định độ phù hợp của mô hình hồi quy:
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008): Một thước đo sự phù hợp của mô hình tuyến tính thường dùng là hệ số R2. Hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, càng đưa thêm nhiều biến vào mô hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh là không phải phương trình càng nhiều biến sẽ phù hợp với dữ liệu. Do đó, sử dụng hệ số R2 hiệu chỉnh để đánh độ phù hợp của mô hình sẽ an toàn và chính xác hơn vì nó không thổi phồng mức độ phù hợp mô hình.
Hơn nữa, kiểm định F được dùng trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập là nó xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ biến độc lập hay không.
Giả thuyết H0: β1= β2= β3=….= βk=0
Nếu mức ý nghĩa sig. < 0,05, thì ta bác bỏ giả thuyết H0 và kết luận là kết hợp của các biến hiện có trong mô hình có thể giải thích được sự thay đổi của biến phụ
thuộc, điều này có ý nghĩa là mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
KẾT LUẬN CHƯƠNG 3
Chương này trình bày phương pháp thực hiện nghiên cứu nhằm đạt được mục tiêu đề ra. Quá trình này gồm 2 bước:
Nghiên cứu sơ bộ bằng phương pháp định tính với kỹ thuật phỏng vấn sâu nhằm bổ sung và hiệu chỉnh các thang đo các biến trong mô hình: mẫu, cách thực hiện và kết quả đạt được.
Nghiên cứu chính thức bằng phương pháp định lượng được thực hiện thông qua việc phỏng vấn bằng bảng câu hỏi. Sau đó, dữ liệu sẽ được xử lý và phân tích bằng phầm mềm SPSS: mẫu, cách thực hiện cũng như phương pháp xử lí dữ liệu. Chương tiếp theo, tác giả sẽ trình bày kết quả kiểm định thang đo và các kết quả hồi qui của mô hình nghiên cứu.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 3 đã trình bày thiết kế nghiên cứu, quy trình nghiên cứu, tiến độ thực hiện nghiên cứu, kết quả nghiên cứu định tính. Chương 4 sẽ trình bày kết quả nghiên cứu định lượng thông qua phương pháp đánh giá độ tin cậy Cronbach’s alpha và phân tích nhân tố khám phá EFA. Mô hình được phân tích bằng hồi qui bội theo phương pháp Enter.