2.3.1 Phương pháp thu thập số liệu
2.3.1.1 Thu thập số liệu thứ cấp
Số liệu thứ cấp về tình hình kinh tế xã hội ở TP. Cần Thơ được thu thập từ cục thống kê TP Cần Thơ, niên giám thống kê TP. Cần Thơ và báo cáo tình hình kinh tế xã hội 9 tháng đầu năm 2013 của Ủy ban nhân dân thành phố Cần Thơ. Ngoài ra nghiên cứu còn sử dụng số liệu từ các nghiên cứu đã được tiến hành ở Việt Nam bởi các tổ chức như phòng thương mại và công nghiệp Việt Nam VCCI, công ty cổ phần báo cáo đánh giá Việt Nam VNR500,… Nghiên cứu cũng tham khảo các số liệu được đăng tải ở cổng thông tin điện tử TP. Cần Thơ, diễn đàn trách nhiệm xã hội Việt Nam,…
2.3.1.2 Thu thập số liệu sơ cấp
Cỡ mẫu: nghiên cứu có sử dụng phương pháp EFA, do đó kích thước mẫu thường được xác định dựa vào (1) kích thước tổi thiểu và (2) số lượng biến đo lường đưa vào phân tích. Hair và cộng sự (2006) cho rằng để sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát/biến đo lường từ 5:1. Trọng và Ngọc (2008) cũng cho rằng cỡ mẫu ít nhất phải bằng 4-5 lần số biến quan sát, như vậy, với 16 biến đo lường ban đầu của thang đo CSR, 15 biến đo lường của thang đo BB và FP, để tiến hành EFA, cỡ mẫu tối thiểu phải là 16x4 = 64 quan sát. Bên cạnh đó, nghiên cứu sử dụng phương pháp phân tích mô hình cấu trúc tuyến tính, do đó nhiều nhà nghiên cứu cho rằng cần có kích thước mẫu lớn vì nó dựa trên lý thuyết phân phối mẫu lớn (Raykov và Widaman, 1995). Tuy nhiên, kích thước mẫu bao nhiêu được gọi là lớn thì chưa được xác định rõ ràng. Hơn nữa, kích thước mẫu còn tùy thuộc vào phương pháp ước lượng sử dụng (ví dụ, ML, GLS hay ADF). Nếu sử dụng phương pháp ước lượng ML (Maximum Likelihood) thì kích thước mẫu tối thiểu phải từ 100 đến 150 (Thọ, 2011). Kline (2005) đề nghị kích thước mẫu cho phương pháp ước lượng (ví dụ ML) được sử dụng trong SEM có ba loại mẫu nhỏ ≤ 100, mẫu trung bình 100 - 200, và mẫu lớn ≥ 200 (Kline, 2005). Mặt khác, Cohen (1988) và Barclay và cộng sự (1995) yêu cầu kích thước mẫu tối thiểu nên gấp mười lần số lượng lớn nhất của các biến chỉ báo hoặc các đường dẫn trực tiếp đến một khái niệm phản ánh được sử dụng trong mô hình (Chin, 1998). Trong nghiên cứu này, số đường dẫn nhiều nhất đến một khái niệm là 16 (khái niệm CSR), như vậy cỡ mẫu tối thiểu cần thiết là 160. Kích thước mẫu nhỏ bằng 50 vẫn có thể được sử dụng để tiến hành phân tích SEM (Mandhachitara và Poolthong, 2011). Vậy, nhìn chung cỡ mẫu
được chấp nhận phải lớn hơn 50. Trong phạm vi đề tài, để tăng cường tính đại diện, nghiên cứu chấp nhận cỡ mẫu là 140.
Phương pháp chọn mẫu: nghiên cứu không có được danh sách cập nhật số điện thoại, email đầy đủ của các DN trên địa bàn TP. Cần Thơ, đồng thời những nghiên cứu trước ở Việt Nam về vấn đề TNXH cho thấy tỷ lệ trả lời rất thấp (chỉ khoảng 9%) bởi những khó khăn trong tiếp cận đối tượng được phỏng vấn là lãnh đạo DN (vấn đề nghiên cứu nhạy cảm, lãnh đạo không có thời gian,…) nên nếu sử dụng phương pháp chọn mẫu ngẫu nhiên, trong khoảng thời gian và chi phí hạn chế nghiên cứu sẽ không đảm bảo thu thập được thông tin từ các DN được chọn ngẫu nhiên bằng máy tính. Do đó, nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện. Đối tượng được phỏng vấn là các cấp lãnh đạo trong DN cụ thể gồm giám đốc, quản lý nhân sự, cán bộ công đoàn hoặc cán bộ TNXH. Nghiên cứu sử dụng phương pháp phỏng vấn trực tiếp cá nhân với sự hỗ trợ của bảng câu hỏi soạn sẵn kết hợp với phỏng vấn qua thư, cụ thể là một email chứa phiếu phỏng vấn trực tuyến sẽ được gửi đến danh sách email của các DN trên địa bàn TP. Cần Thơ. Ngoài ra, nghiên cứu cũng tận dụng việc truyền miệng, giới thiệu từ các các đáp viên đã được phỏng vấn và nhờ đáp viên đó giới thiệu thêm những người khác để tiếp tục phỏng vấn.
Mặc dù chọn mẫu thuận tiện được xem là tiết kiệm chi phí, thời gian và thuận lợi hơn so với chọn mẫu ngẫu nhiên nhưng kết quả từ chọn mẫu thuận tiện bị hạn chế về giá trị, bởi nhìn chung thì chọn mẫu thuận tiện không phản ánh được cấu trúc của tổng thể nên hạn chế khả năng suy rộng cho toàn bộ tổng thể. Do đó, để tăng tính đại diện của số liệu, nghiên cứu cũng lưu ý một số đặc điểm cơ bản của các DN ở TP. Cần Thơ:
- TP. Cần Thơ gồm 5 quận: quận Bình Thủy, Cái Răng, Ô Môn, Ninh Kiều, Thốt Nốt và 4 huyện: Cờ Đỏ, Phong Điền, Thới Lai, Vĩnh Thạnh nhưng ba quận Ninh Kiều, quận Bình Thủy và quận Cái Răng đã tập trung 3.111 DN, chiếm 70,32 % các DN của toàn thành phố (2011). Do đó, dữ liệu của nghiên cứu sẽ được tiến hành thu thập chủ yếu trên ba quận này.
- Bên cạnh đó, nghiên cứu còn có được số lượng DN được thống kê theo 3 khu vực kinh tế: nông, lâm nghiệp và thủy sản; công nghiệp, xây dựng; thương mại, dịch vụ. Do đó, nghiên cứu cũng quan tâm đến tỷ lệ số DN trong từng khu vực (bảng 2.3). Với cỡ mẫu là 140 thì số mẫu cần được phân bổ như bảng sau:
Bảng 2.3: Phân bổ số lượng DN theo khu vực kinh tế
Khu vực kinh tế Tỷ lệ (%) Số DN cần phỏng vấn Số trả lời cần đạt
Nông, lâm nghiệp và thủy sản
1,08 9 1
Công nghiệp, xây dựng 34,27 378 34
Thương mại, dịch vụ 64,65 722 65
Nguồn: tính toán từ số liệu niên giám thống kê TP. Cần Thơ năm 2011
Thiết kế bảng câu hỏi: Bảng câu hỏi gồm 6 phần:
-Thông tin chung về DN và đáp viên: nhằm xác định các thông tin về họ tên đáp viên, chức vụ; tên, địa chỉ, loại hình, ngành nghề, số lao động, vốn hoạt động kinh doanh của DN.
-Hiểu biết về TNXH: sự am hiểu về TNXH, nguồn thông tin về TNXH mà đáp viên tiếp cận, mô tả TNXH.
-Tình hình thực hiện TNXH của DN trong 5 năm qua.
-Tình hình lợi ích kinh doanh và hiệu quả tài chính DN đạt được trong 5 năm qua.
-Những đặc tính mà người lãnh đạo áp dụng trong DN.
-Giải pháp: khó khăn của DN khi thực hiện TNXH, theo quan điểm của đáp viên có nên thực hiện TNXH hay không? Đề xuất giải pháp.
Khi thực hiện các nghiên cứu định lượng, người nghiên cứu phải sử dụng các loại thang đo lường khác nhau. Việc lượng hóa các khái niệm nghiên cứu đòi hỏi phải có những thang đo lường được xây dựng công phu và được kiểm tra độ tin cậy trước khi vận dụng. Một trong những hình thức đo lường các khái niệm trừu tượng được sử dụng phổ biến nhất trong nghiên cứu kinh tế xã hội là thang đo được Rennis Likert (1932) giới thiệu. Bảng câu hỏi cho nghiên cứu này sử dụng thang đo Likert 5 mức độ để đo lường mức độ gia tăng trong việc thực hiện TNXH và mức độ gia tăng các lợi ích kinh doanh và hiệu quả tài chính mà DN đạt được trong 5 năm gần đây (tức là từ 2008 hoặc kể từ khi DN thành lập đối với DN thành lập dưới 5 năm). Bởi vì số điểm của thang đo càng cao càng làm tăng độ chính xác, nhiều quá sẽ làm cho đáp viên phân vân khó trả lời hơn và làm giảm sự khác biệt giữa các số đo, nên 5 mức độ là phù hợp. Ý nghĩa của giá trị trung bình đối với thang đo được tính như sau:
Giá trị khoảng cách = (Maximum-Minimum)/n = (5-1)/5 = 0,8 (2.5) Như vậy, việc xác định mức độ gia tăng trong việc thực hiện TNXH, lợi ích kinh doanh và hiệu quả tài chính dựa theo các mức điểm sau đây:
1. 1,00 - 1,80 Không gia tăng 2. 1,81 - 2,60 Tăng lên một ít 3. 2,61 - 3,40 Tăng lên khá nhiều 4. 3,41 - 4,20 Tăng lên nhiều 5. 4,21 - 5,00 Tăng lên rất nhiều
Ngoài ra, trong bảng câu hỏi còn có một câu hỏi về mức độ hiểu biết về TNXH của đáp viên, câu hỏi sử dụng thang đo Likert 3 mức độ, vì đã có quá nhiều câu hỏi sử dụng thang điểm 5, nếu tiếp tục sử dụng lại thang điểm này sẽ khiến đáp viên nhàm chán, mệt mỏi do phải cân nhắc nhiều. Hơn nữa ở đây tác giả không cần biết quá chi tiết về mức độ hiểu biết của đáp viên và 3 mức độ cũng sẽ giúp đáp viên dễ xác định hơn. Với 1 - Không biết đến, 3 - Biết rất rõ. Tương tự như trên, mức độ hiểu biết về TNXH của lãnh đạo DN được xác định dựa theo các mức điểm sau:
1. 1,00 – 1,66 Không biết đến 2. 1,67 – 2,33 Biết không rõ lắm 3. 2,34 – 3,00 Biết rất rõ
2.3.2 Phương pháp phân tích số liệu
2.3.2.1 Phương pháp so sánh
Phương pháp so sánh được sử dụng khá phổ biến trong các hiện tượng kinh tế. Phương pháp này bao gồm: so sánh số tương đối và so sánh số tuyệt đối.
a) So sánh số tuyệt đối
Số tuyệt đối là kết quả phép trừ giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu kinh tế. Kết quả so sánh phản ánh tình hình thực hiện kế hoạch, sự biến động về khối lượng, quy mô của các hiện tượng kinh tế (Nam, 2008).
Công thức: rY = Y1 – Y0 (2.6)
Trong đó:
Y0: chỉ tiêu năm trước (kỳ gốc) Y1: chỉ tiêu năm sau (kỳ nghiên cứu)
b) So sánh số tương đối
Số tương đối là kết quả của phép chia giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu kinh tế. Số tương đối là chỉ tiêu tổng hợp biểu hiện bằng số lần (%) phản ánh được tình hình kinh tế khi số tuyệt đối không thể nói lên được. Kết quả so sánh bằng số tương đối biểu hiện kết cấu, mối quan hệ, tốc độ phát triển của các hiện tượng kinh tế (Nam, 2008)
Công thức: %Y = (rY/Y0)*100 (2.7) Trong đó:
Y0: chỉ tiêu năm trước. Y1: chỉ tiêu năm sau.
ΔY: là phần chệnh lệch tăng, giảm của các chỉ tiêu kinh tế. %Y: là biểu hiện tốc độ tăng trưởng của các chỉ tiêu kinh tế.
2.3.2.2 Thống kê mô tả
Thống kê mô tả là các phương pháp có liên quan đến việc thu thập số liệu, tóm tắt, trình bày, tính toán các đặc trưng khác nhau để phản ánh một cách tổng quát đối tượng nghiên cứu.
Trong đó:
-Phương pháp tần số: sử dụng bảng phân phối tần số là bảng tóm tắt dữ liệu được xếp thành từng yếu tố khác nhau, dựa trên những tấn số xuất hiện của các đối tượng trong cơ sở dữ liệu để so sánh tỷ lệ, phản ánh số liệu.
- Một số đại lượng thống kê mô tả được sử dụng trong nghiên cứu gồm: Số trung bình cộng (Mean): bằng tổng tất cả các giá trị lượng biến quan sát chia cho số quan sát.
Mode (Mo): là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một dãy số phân phối.
2.3.2.3 Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s
Alpha
Hệ số Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ của các mục hỏi trong thang đo tương quan với nhau. Công thức tính hệ số Cronbach’s Alpha là: α = Nρ/[1 + ρ(N – 1)] (2.8)
Trong đó: ρ là hệ số tương quan trung bình giữa các mục hỏi
Trong kiểm định Cronbach’s Alpha, các biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại bỏ ra khỏi mô hình. Tiêu chuẩn để chọn
thang đo khi nó có độ tin cậy Alpha từ 0,6 trở lên nhưng tốt nhất là lớn hơn 0,7 (Nunnally và Burnstein, 1994). Chính vì thế, hệ số Cronbach’s Alpha được chọn sử dụng trong nghiên cứu là 0,7. Tuy nhiên, cũng cần lưu ý rằng nếu Cronbach’s Apha quá cao (>0,95) thì có khả năng xuất hiện biến quan sát thừa
(Redundant items) ở trong thang đo. Bên cạnh hệ số Cronbach’s Alpha của mô
hình, kết quả của kiểm định độ tin cậy của thang đo còn có hệ số Cronbach’s Alpha nếu bỏ từng biến trong mô hình. Nếu hệ số Cronbach’s Alpha nếu bỏ một biến nào đó lớn hơn hệ số Cronbach’s Alpha của mô hình thì biến đó nên được loại bỏ, vì khi bỏ biến đó hệ số Cronbach’s Alpha của mô hình sẽ tăng lên và thang đo có độ tin cậy cao hơn (Trọng và Ngọc, 2008).
2.3.2.4 Đánh giá mức độ hội tụ của các quan sát bằng phân tích nhân tố khám phá EFA
Sau khi đánh giá sơ bộ thang đo và độ tin cậy của các biến quan sát bằng hệ số Cronbach’s Alpha, các biến này được đưa vào kiểm định trong phân tích EFA để đánh giá giá trị hội tụ và giá trị phân biệt của thang đo (Thọ và Trang, 2011).
Phương pháp EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát. Số lượng các nhân tố cơ sở tuỳ thuộc vào mô hình nghiên cứu, trong đó chúng ràng buộc nhau bằng cách xoay các vector trực giao nhau để không xảy ra hiện tượng tương quan.
Hai phép trích nhân tố được sử dụng phổ biến trong EFA là:
- Phép trích nhân tố là Principal Component Analysis (PCA) với phép quay vuông góc Varimax: được sử dụng khi chúng ta muốn trích được nhiều phương sai từ các biến đo lường với số thành phần nhỏ nhất để phục vụ cho mục tiêu dự báo tiếp theo (Dunteman, 1989; Hair và cộng sự, 2006).
- Phép trích nhân tố là Principal Axis Factoring (PAF) với phép quay không vuông góc Promax được sử dụng nhằm giải thích tốt nhất hiệp phương sai giữa các biến quan sát (Kim và Mueller, 1987), phản ánh cấu trúc dữ liệu chính xác hơn PCA (Gerbing và Anderson, 1988). Vì vậy, phương pháp này thường được sử dụng để đánh giá thang đo lường.
Phương pháp trích hệ số được sử dụng là Principal Axis Factoring với phép quay Promax cho thang đo CSR , BB và FP
Kiểm định Barlett (Barlett’s test of sphericity) xem xét giả thuyết về độ
tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (sig < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Trọng và Ngọc, 2008).
Hệ số KMO (Kaiser-Meyer-Olkin measure of sampling adequacy) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến quan sát, với độ lớn của hệ số tương quan riêng phần của chúng (Norusis, 1994). KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO phải lớn hơn 0,50. Kaiser (1974) đề nghị KMO ≥ 0,90: rất tốt; KMO≥0,80: tốt; KMO≥0,70: được; KMO≥ 0,60: tạm được; KMO≥ 0,50: xấu và KMO< 0,50: không thể chấp nhận được.
Tổng phương sai trích (Total variance explained – TVE): Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50% (Gerbing và Anderson, 1988). Thỏa được điều kiện này ta kết luận là mô hình EFA phù hợp.
Trọng số nhân tố (factor loading): Theo Hair và cộng sự (1998), trọng số nhân tố (ensuring practical significance) là chỉ tiêu 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, ≥ 0,5 được xem là có ý nghĩa thực tiễn. Do đó, để tăng độ tin cậy cho thang đo thì trong nghiên cứu này những biến quan sát có trọng số nhân tố <0,5 sẽ bị loại.
Xác định số lượng nhân tố trong phân tích EFA: Số lượng nhân tố được
xác định dựa trên chỉ số eigenvalue, chỉ số này đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser, những nhân tố có eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình (Garson, 2003; Duy, 2009; Thuận và cộng sự, 2012)
2.3.2.5 Kiểm định thang đo bằng phân tích nhân tố khẳng định – CFA