M U :T NG QUAN TÀI NGHIÊN CU
6 Kt cu ca đ tài
3.2.2 Nghiên cu đ nh l ng
có th phân tích nhân t khám phá (EFA) c n thu th p b d li u v i ít nh t 5 m u trên 1 bi n quan sát và kích c m u không nên ít h n 100, (Hair và ctg, 1998).
Bên c nh đó, đ ti n hành phân tích h i quy m t cách t t nh t, kích th c m u c n ph i đ m b o theo công th c (Tabachnick và Fidell, 1996):
n ≥ 8m + 50 Trong đó: n: c m u
m: s bi n đ c l p c a mô hình
đ t đ c kích th c m u t i thi u, nghiên c u này s d ng ph ng pháp
l y m u thu n ti n (phi xác su t). B ng câu h i đi n t đ c t i các thành viên c a các di n đàn mua s m tr c tuy n và g i tr c ti p ph ng v n ng i mua b ng b ng câu h i. T ng b n tr l i h p l đ c là 290, phù h p cho vi c phân tích.
3.2.2.2 X lý d li u
thu n ti n cho vi c x lý d li u, tác gi s d ng ph n m m SPSS 19.0. Vi c mã hóa d li u đ c trình bày theo ph l c s 3.
Phân tích h s Cronbach Alpha
Các thang đo đ c đánh giá b ng đ tin c y qua h s tin c y Cronbach Alpha. Qua đó các bi n quan sát có t ng quan bi n t ng (item-total correlation)
nh h n 0.3 s b lo i và thang đo đ c ch p nh n khi h s Cronbach Alpha t 0.6
tr lên (Nunnally & Burnstein, 1994).
Phân tích nhân t EFA
Phân tích nhân t EFA s đ c s d ng đ gom các bi n t k t qu phân tích Cronbach Alpha đ t o ra các bi n m i t các bi n đã cho phù h p v i m u xem xét.
Trong phân tích nhân t , đi u ki n c n áp d ng là các bi n ph i có t ng quan. S d ng ki m đ nh Barlett's test of sphericity đ ki m đnh gi thuy t Ho là các bi n không có t ng quan v i nhau trong t ng th . Nói cách khác, ma tr n
t ng quan t ng th là m t ma tr n đ ng nh t, m i bi n t ng quan hoàn toàn v i
chính nó (r = 1) nh ng không có t ng quan v i bi n khác (r = 0). Do đó n u ki m
đnh cho th y không có ý ngh a th ng kê thì không nên áp d ng phân tích nhân t cho các bi n đang xem xét.
Trong phân tích nhân t , ch s Kaiser-Meyer-Olkin (KMO) dùng đ xem xét s thích h p c a phân tích nhân t . Tr s c a KMO l n (gi a 0,5 và 1) là đi u ki n đ đ phân tích nhân t là thích h p, còn nh h n 0,5 thì phân tích nhân t có kh
n ng là không thích h p v i d li u. (Hoàng Tr ng và Chu Nguy n M ng Ng c,
2008, trang 31, t p 2).
Trong phân tích nhân t ph ng pháp Principal components analysis đi cùng
phép xoay Varimax đ c s d ng ph bi n nh t. (Hoàng Tr ng và Chu Nguy n
M ng Ng c, 2008, trang 40, t p 2).
K t qu phân tích ma tr n các nhân t s đ c phân tích thêm b ng cách xoay các nhân t . Sau khi xoay các nhân t , h s t i nhân t l n h n 0,5 đ c xem
là có ý ngh a th c ti n (Hair & ctg, 1998)[111]. Tiêu chu n khác bi t h s t i nhân t c a m t bi n quan sát gi a các nhân t l n h n hay b ng 0,3 đ đ m b o giá tr phân bi t gi a các nhân t (Jabnoun và Al Tamimi, 2003)[18]. Ph ng sai trích ph i đ t t 50% tr lên (Hair & ctg, 1998). Ngoài ra, tr s Eigenvalue ph i l n h n 1. Ch nh ng nhân t có Eigenvalue l n h n 1 m i đ c gi l i trong mô hình phân tích. Nh ng nhân t có Eigenvalue nh h n 1 s không có tác d ng tóm t t thông tin
h n m t bi n g c (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
Sau khi phân tích nhân t s hi u ch nh mô hình lý thuy t theo k t qu phân tích và đi u ch nh l i các gi thuy t.
Phân tích h i quy tuy n tính b i
Phân tích h i quy tuy n b i đ c ti n hành theo các b c sau: (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008, t p 1).
Tr c khi ti n hành phân tích h i quy tuy n tính b i thì vi c xem xét m i
t ng quan tuy n tính gi a các bi n đ c l p v i bi n ph thu c và gi a các bi n đ c
l p v i nhau là công vi c ph i làm và h s t ng quan Pearson trong ma tr n h s
t ng quan là phù h p đ xem xét m i t ng quan này. Ma tr n h s t ng quan là
m t ma tr n vuông g m các h s t ng quan. T ng quan c a m t bi n nào đó v i chính nó s có h s t ng quan là 1 và chúng có th đ c th y trên đ ng chéo c a ma tr n. M i bi n s xu t hi n hai l n trong ma tr n v i h s t ng quan nh nhau,
đ i x ng nhau qua đ ng chéo c a ma tr n.
N u k t lu n đ c là các bi n đ c l p và bi n ph thu c có t ng quan tuy n tính v i nhau qua h s t ng quan Pearson, đ ng th i gi đnh r ng chúng ta đã cân nh c k b n ch t c a m i liên h ti m n gi a các bi n và xem nh đã xác đnh
đúng h ng c a m t m i quan h nhân qu gi a chúng, thì chúng ta có th mô hình
hóa m i quan h nhân qu c a chúng b ng mô hình h i quy tuy n tính b i, trong đó m t bi n đ c g i là bi n ph thu c và các bi n còn l i g i là các bi n đ c l p.
Ki m đ nh đ phù h p c a mô hình. Ki m đ nh F trong b ng phân tích
ph ng sai là m t phép ki m đ nh v đ phù h p c a mô hình h i quy tuy n tính
Ki m đ nh ý ngh a c a các h s h i quy. Ki m đnh t trong b ng các thông s th ng kê c a t ng bi n đ c l p dùng đ ki m đ nh ý ngh a c a các h s h i quy.
S d ng ph ng pháp Enter, SPSS x lý t t c các bi n đ a vào m t l n và
đ a ra các thông s th ng kê liên quan đ n các bi n.
Sau đó, dò tìm các vi ph m gi đ nh c n thi t trong h i quy tuy n tính b i.
i v i gi đnh liên h tuy n tính và ph ng sai b ng nhau, s d ng đ th phân tán gi a các ph n d chu n hóa và giá tr d đoán chu n hóa. N u gi đnh liên h tuy n tính và ph ng sai b ng nhau đ c th a mãn, thì s không nh n th y có liên h gì gi a các giá tr ph n d chu n hóa và giá tr d đoán chu n hóa. Chúng s phân tán r t ng u nhiên trong m t vùng xung quanh
đ ng đi qua tung đ 0, không t o thành m t hình d ng nào.
i v i gi đnh v phân ph i chu n c a ph n d , s d ng bi u đ t n s c a các ph n d . N u trung bình b ng 0 và đ l ch chu n x p x b ng 1 thì có th k t lu n r ng gi đnh phân ph i chu n không b vi ph m.
i v i gi đnh v tính đ c l p c a sai s t c không có t ng quan gi a các
ph n d , đ i l ng th ng kê Durbin-Watson dùng đ ki m đ nh t ng quan
c a các sai s k nhau. i l ng d có giá tr bi n thiên trong kho ng [dU; 4- dU]. N u các ph n d không có t ng quan, giá tr d s g n b ng 2.
i v i gi đ nh ph ng sai c a sai s không đ i, ki m tra ph ng sai c a sai s không thay đ i có b vi ph m hay không b ng ki m đ nh t ng quan h ng Spearman, v i gi thuy t Ho là h s t ng quan h ng c a t ng th b ng 0. N u k t qu ki m đ nh không bác b gi thuy t Ho thì k t lu n
ph ng sai c a sai s không thay đ i. Ph ng trình h i quy tuy n tính b i có
nhi u bi n gi i thích thì h s t ng quan h ng có th tính gi a tr tuy t đ i c a ph n d v i t ng bi n riêng.
i v i gi đnh không có m i t ng quan gi a các bi n đ c l p (đo l ng hi n t ng đa c ng tuy n), s d ng h s phóng đ i ph ng sai (VIF - Variance inflation factor), n u VIF v t quá 10 đó là d u hi u c a hi n
Ti p theo là đánh giá đ phù h p c a mô hình h i quy tuy n tính b i b ng h s R2 và h s R2 đi u ch nh. H s R2 đã đ c ch ng minh là hàm không gi m theo s bi n đ c l p đ c đ a vào mô hình, càng đ a thêm nhi u bi n đ c l p vào mô hình thì R2 càng t ng. Tuy nhiên, đi u này c ng đ c ch ng minh r ng không
ph i ph ng trình càng có nhi u bi n s càng phù h p h n v i t p d li u. gi i
quy t tình hu ng này, h s R2 đi u ch nh đ c s d ng đ ph n ánh t t h n m c đ phù h p c a mô hình h i quy tuy n tính b i. H s R2 đi u ch nh không nh t thi t ph i t ng lên khi nhi u bi n đ c l p đ c đ a thêm vào mô hình. H s R2
đi u chnh là th c đo s phù h p đ c s d ng cho tình hu ng h i quy tuy n tính
b i vì nó không ph thu c vào đ l ch phóng đ i c a h s R2.
Sau cùng s hi u ch nh mô hình lý thuy t. Sau khi hi u ch nh mô hình xong,
vi t ph ng trình h i quy tuy n tính b i, d a vào các h s h i quy riêng ph n đ
xác đnh m c đ nh h ng c a các nhân t đ n s hài lòng c a khách hàng mua
hàng l tr c tuy n. H s h i quy riêng ph n c a nhân t nào càng l n thì m c đ nh h ng c a nhân t đó đ n s hài lòng c a khách hàng mua hàng l tr c tuy n càng cao, n u cùng d u thì m c đ nh h ng theo chi u thu n và ng c l i.