1. 4 Phương pháp nghiên cứu
3.7. Phương pháp phân tích dữ liệu
Với tập dữ liệu thu về, sau khi hoàn tất việc sàng lọc, kiểm tra, tổng hợp, mã hóa và làm sạch, sẽ tiến hành xử lý và phân tích số liệu bằng phần mềm SPSS IBM 20.0, AMOS 22.0.
Phương pháp phân tích dữ liệu được dùng cho nghiên cứu chính thức bao gồm phân tích hệ số tin cậy Cronbach alpha, phân tích nhân tố khám phá EFA, phân tích yếu tố khẳng định CFA, mô hình cấu trúc tuyến tính SEM, kiểm định Boostrap. Nghiên cứu sơ bộ chỉ đánh giá thang đo bằng hệ số tin cậy Cronbach alpha và phân tích nhân tố khám phá EFA cho từng khái niệm.
Phương pháp thống kê mô tả: Phân tích các đặc điểm, đặc trưng của cá nhân trực tiếp khảo sát. Bên cạnh đó, thống kê mô tả cũng cho ta kết quả để đánh giá về mức độ mua hàng HQ của cá nhân cũng như các yếu tốảnh hưởng đến từng cá nhân.
Phân tích hệ số tin cậy Cronbach alpha: Phân tích hệ số Cronback alpha để loại bỏ các biến không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu. Các biến quan sát có hệ sốtương quan biến tổng (item - total correlation) nhỏhơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronback alpha từ 0.6 trở lên (Nunnally & Burnstein,1994).
Phân tích nhân tố khám phá EFA: Sau khi phân tích hệ số tin cậy alpha, các thang đo được đánh giá tiếp theo bằng phương pháp phân tích nhân tốEFA để thu nhỏ và gom các biến lại, xem xét mức độ hội tụ của các biến quan sát theo từng thành phần và giá trị phân biệt giữa các nhân tố.
Tiêu Chuẩn Bartle tiếp theo và hệ số KMO (Kaiser-Meyer-Olkin): Dùng để đánh giá mức độ thích hợp của kỹ thuật EFA. Theo kiểm định Bartle tiếp theo thì giả thuyết H0 (các biến không tương quan với nhau trong tổng thể) bị bác bỏ và EFA được xem là thích hợp khi: 0.5 ≤ KMO ≤ 1 và sig ≤ 0.05.
Hệ số Eigenvalues: Tiêu chuẩn rút trích nhân tố bao gồm hệ sốEigenvalues đại diện cho lượng biến thiên được giải thích bởi các nhân tố và chỉ số tổng phương sai trích (Cumulative) đại diện cho số phần tram mà phân tích nhân tố giải thích được. Những khái niệm có Eigenvalue <1 sẽ không tóm gọn được thông tin tốt hơn biến gốc (Gerbing & Anderson, 1988). Chính vì điều này, nên các nhân tố chỉđược rút trích tại Eigenvalue ≥ 1 và phương sai trích ≥ 50%. Tuy nhiên, thực tiễn các nghiên cứu cho
thấy hệ sốEigenvalue và phương sai trích phụ thuộc rất lớn vào việc lựa chọn phương pháp trích và phép xoay nhân tố. Phương pháp trích Principal Axis Factoring với phép xoay Promax cho phương sai trích bé hơn, tuy nhiên lại phản ánh cấu trúc dữ liệu tốt hơn phương pháp trích Principal Component với phép xoay varimax (Gerbring & Anderson, 1988). Các nghiên cứu trước đây chỉ ra rằng nếu sau phân tích nhân tố khám phá EFA là phân tích hồi quy thì phương pháp trích Principal Component với phép xoay varimax là thích hợp hơn, còn nếu sau phân tích nhân tố khám phá EFA là phân tích nhân tố khẳng định CFA và phân tích mô hình cấu trúc tuyến tính SEM thì nên lựa chọn phương pháp trích Principal Axis Factoring với phép xoay Promax (Nguyễn Khánh Duy, 2010).
Hệ số tải nhân tố (Factor Loading): Theo Hair và cộng sự (2009), thì hệ số tải nhân tố (Factor Loading) là chỉ tiêu đảm bảo tính thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố lớn hơn 0.3 là mức tối thiểu có thể chấp nhận, lớn hơn 0.4 là có thể chấp nhận được và lớn hơn 0.5 là có ý nghĩa thực tiễn. Tiêu chuẩn để lựa chọn mức giá trị của hệ số tải nhân tố: Cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0.3; nếu cỡ mẫu khoảng 100 thì hệ số tải nhân tố nên lớn hơn 0.55; nếu cở mẫu khoảng 50 thì hệ số tải nhân tố nên lớn hơn 0.75 (Hair, 2009).
Từcơ sở lý thuyết đã hình thành nên mô hình “Những tác động của âm nhạc và điện ảnh HQ đến quyết định mua hàng HQ của người tiêu dùng tại TP.HCM” với 41 biến quan sát. Nhóm tác giả quyệt định giữ lại các thang đo có hệ số Cronbach’s alpha ≥0.6 và loại các biến có tương quan giữa biến và tổng (Iterm-total correlation) ≤ 0.3. Trong thực hiện phân tích nhân tố khám phá EFA nhóm tác giả sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax, loại bỏ các biến quan sát có giá trị hệ số tải nhân tố (Factor loading) nhỏhơn 0.5.
Phân tích nhân tố khẳng định (CFA) và kiểm định thang đo
Mô hình cấu trúc tuyến tính (SEM): Bao gồm nhiều kỹ thuật thống kê khác nhau như phân tích đường dẫn (Path Analysis), phân tích nhân tố khẳng định (Confirmatory Factor Analysis), Mô hình nhân quả với các biến tiềm ẩn (Causal modeling with Latent variable, và cũng thường gọi là SEM), và thậm chí cả phân tích phương sai (Analysis of Variance), mô hình hồi quy tuyến tính bội (Multiple Linear Regression). Đề tài sẽ tập trung phân tích CFA và SEM. Trong kiểm định thang đo,
phương pháp CFA trong phân tích cấu trúc tuyến tính SEM có nhiều ưu điểm hơn so với phương pháp truyền thống như phương pháp hệ sốtương quan, phương pháp phân tích nhân tố khám phá EFA, phương pháp đa khái niệm – đa phương pháp MTMM (Bagozzi & Foxall, 1996). Lý do là CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường. Hơn nữa, chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không cần dùng nhiều phương pháp như trong phương pháp truyền thống MTMM (Steenkamp & van Trijp, 1991)
Các đánh giá khi phân tích CFA gồm:
Đánh giá độ tin cậy của thang đo: thông qua Hệ số tin cậy tổng hợp (composite reliability) (Joreskog, 1971), tổng phương sai trích (Fornell & Larcker, 1981) và hệ số tin cậy Cronbach’s Alpha. Phương sai trích (Variance Extracted) của mỗi khái niệm nên vượt quá 0,5 (Hair et al,2009) và phương sai trích cũng là một chỉ tiêu đo lường độ tin cậy. Nó phản ánh biến thiên chung của các biến quan sát được tính toán bởi biến tiềm ẩn. 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. Nó đo lường tính kiên định nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời (Schumacker & Lomax,2004)
Tính đơn hướng(unidimensionality):mức độ phù hợp của mô hình với dữ liệu thịtrường cho chúng ta điều kiện cần và đủđể cho tập biến quan sát đạt được tính đơn hướng, trừ trường hợp các sai số của các biến quan sát có tương quan với nhau (Steenkamp & Van Trijp,1991)
Giá trị hội tụ (Convergent validity): thang đo đạt được giá trị hội tụ khi các trọng số chuẩn hoá của thang đo đều cao (>0,5); và có ý nghĩa thống kê (P <0,05) (Gerbring & Anderson,1988)
Giá trị phân biệt (Discriminant validity): có thể kiểm định giá trị phân biệt của các khái niệm trong mô hình tới hạn (saturated model) mô hình mà các khái niệm nghiên cứu được tự do quan hệ với nhau). Có thể thực hiện kiểm định hệ số tương
quan xét trên phạm vi tổng thế giữa các khái niệm có thực sự khác biệt so với 1 hay không. Nếu nó thực sự khác biệt thì các thang đo đạt được giá trị phân biệt.
Giá trị liên hệ lý thuyết (Nomological validity): các giá trị trên được đánh giá thông qua mô hình đo lường. Riêng giá trị liên hệ lý thuyết được đánh giá trong mô hình lý thuyết (Anderson & Gerbing, 1988). Khi các vấn đề trên thoả mãn thì mô hình đo lường là tốt. Tuy nhiên, rất hiếm mô hình đo lường nào đạt được tất cả các vấn đề trên. Ví dụ, mô hình đo lường vẫn có thể được sử dụng khi thang đo không đạt được tính đơn hướng (Nguyễn Đình Thọvà Nguyễn Thị Mai Trang, 2011).
Đểđo lường mức độ phù hợp của mô hình với thông tin thị trường, các chỉ số thường sử dụng là Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI_ Comparative Fit Index). Chỉ số Tucker & Lewis (TLI_ Tucker & Lewis Index); Chỉ số RMSEA (Root Mean Square Error Approximation). Mô hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi-square có P-value > 0,05. Tuy nhiên Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu. Nếu một mô hình nhận được các giá trị GFI, TLI, CFI ≥0,9 (Bentler & Bonetiếp theo, 1980); CMIN/df ≤ 2, một số trường hợp CMIN/df có thể ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0,08, RMSEA ≤ 0,05 được xem là rất tốt (Steiger, 1990); thì mô hình được xem là phù hợp với dữ liệu thị trường, hay tương thích với dữ liệu thị trường. Mô hình nghiên cứu sẽ được đánh giá dựa trên các chỉ tiêu giá trị GFI ≥0,9, TLI ≥0,9, CFI ≥0,9, CMIN/df ≤ 3, RMSEA ≤ 0,08 thì mô hình phù hợp (tương thích) với dữ liệu thị trường (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011).
Kiểm định mô hình bằng phân tích cấu trúc tuyến tính (SEM)
Trong kiểm định giả thuyết và mô hình nghiên cứu, mô hình cấu trúc tuyến tính SEM cho phép chúng ta kết hợp được các khái niệm tiềm ẩn với đo lường của chúng và có thểxem xét các đo lường độc lập hay kết hợp chung với mô hình lý thuyết cùng một lúc. Chính vì thế, phương pháp phân tích SEM được sử dụng rất phổ biến trong các ngành khoa học xã hội trong những năm gần đây và thường được gọi là phương pháp phân tích dữ liệu thế hệ thứ hai (Hulland, 1996)
Phương pháp phân tích cấu trúc tuyến tính được sử dụng để kiểm định mô hình nghiên cứu. Phương pháp ước lượng ML (Maximum Likelihood) được sử dụng để
ước lượng các tham số trong các mô hình. Lý do là khi kiểm định phân phối của các biến quan sát thì phân phối này lệch một ít so với phân phối chuẩn đa biến, tuy nhiên hầu hết các kurtoses và skewnesses đều nằm trong khoảng [-1; +1] nên ML vẫn là phương pháp ước lượng thích hợp (Muthen & Kaplan, 1985). Phương pháp bootstrap sẽđược sử dụng để ước lượng lại các tham số mô hình để kiểm tra độ tin cậy của các ước lượng. Kết quảước lượng ML sẽđược sử dụng để kiểm định lại các giả thuyết.
Phân tích đa nhóm
Phương pháp phân tích cấu trúc đa nhóm được sử dụng để so sánh mô hình nghiên cứu theo nhóm giới tính, nghề nghiệp, thu nhập,... Phương pháp phân tích cấu trúc đa nhóm sử dụng trong nghiên cứu này bao gồm khả biến và bất biến từng phần (cục bộ). Phương pháp ước lượng ML được sử dụng trong phân tích đa nhóm. Kiểm định Chi-square được sử dụng để so sánh giữa 2 mô hình bất biến và khả biến. Nếu kiểm định Chi-square cho thấy giữa mô hình bất biến và mô hình khả biến không có sự khác biệt (P-value > 0,1) thì mô hình bất biến sẽđược chọn (có bậc tựdo cao hơn). Ngược lại, nếu sự khác biệt Chi-square là có ý nghĩa giữa hai mô hình (P-value<0,05) thì chọn mô hình khả biến (có độtương thích cao hơn). (Nguyễn Đình Thọvà Nguyễn Thị Mai Trang, 2011).
Tóm tắt Chương 3
Nghiên cứu được thực hiện thông qua hai giai đoạn là nghiên cứu định tính và nghiên cứu định lượng.
Nghiên cứu định tính bằng hình thức phỏng vấn chuyên sâu theo một nội dung được chuẩn bị trước dựa theo các thang đo có sẵn. Nội dung thảo luận sẽ được ghi nhận, tổng hợp làm cơ sở cho việc điều chỉnh và bổ sung các biến.
Nghiên cứu định lượng với kỹ thuật thu thập dữ liệu là phỏng vấn thông qua bảng câu hỏi. Dữ liệu thu thập được xử lý bằng phần mềm SPSS và Amos. Sau khi mã hóa và làm sạch dữ liệu sẽ trải qua các phân tích chính thức như sau: đánh giá độ tin cậy và giá trị các thang đo, phân tích nhân tố khám phá EFA, nhân tố khẳng định CFA, phân tích mô hình cấu trúc tuyến tính SEM, kiểm định boostrap và phân tích đa nhóm để kiểm định sự khác biệt.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Từ kết quả thu thập dữ liệu đã được thiết kếở chương 3, phần này sẽ thực hiện lần lượt các phép thống kê mô tả, đánh giá độ tin cậy của thang đo, phân tích nhân tố khẳng định, kiểm định mức độ phù hợp của mô hình và giả thuyết nghiên cứu, phân tích cấu trúc đa nhóm.
4.1. KẾT QUẢ PHÂN TÍCH THỐNG KÊ MÔ TẢ
Với 600 bảng câu hỏi phát ra, kết quả thu về 513 trả lời trong đó số trả lời hợp lệ chiếm 438 bảng và kết quả khảo sát online nhận được 109 trả lời với số trả lời hợp lệ chiếm 63 bảng. Tổng kết quả trả lời hợp lệđược đưa vào xử lý và phân tích chiếm 501 mẫu. Kết quả khảo sát về giới tính có 252 người tham gia là nữ chiếm 50,3%, 249 người tham gia là nam chiếm 49,7%. Tỷ lệ chênh lệch không đáng kể, tương đối cân bằng nam và nữ.
Kết quả khảo sát độ tuổi: Có 90 người nhỏhơn 18 tuổi chiếm 18%; 347 người có độ tuổi từ 18- 30 chiếm 69,30% có thểnói đây là nhóm tuổi trẻ, dễ tiếp cận các trào lưu văn hóa mới trong đó có các trào lưu âm nhạc và điện ảnh Hàn Quốc. Nhóm đối tượng này có mức độ hòa nhập văn hóa tốt vì thế khá phù hợp với mục tiêu nghiên cứu của đề tài. Nhóm tuổi từ 30-45 tuổi là 52 người chiếm 10.4%; 12 người trên 45 tuổi chiếm 2.4%.
Hình 4.1 : Thống kê độ tuổi của đáp viên
Kết quả khảo sát về trình độ học vấn: có 70 người có trình độ trung học phổ thông chiếm 14%; 118 người có trình độ trung cấp chiếm 23,6%; 110 người có trình độ cao đẳng chiếm 22%; 196 người có trình độ đại học chiếm 39,10%; 7 người có
018% 069% 010% 002% Dưới 18 tuổi Từ 18-35 tuổi Từ 30-45 tuổi Trên 45 tuổi
trình độsau đại học chiếm 1,4%. Điều này cũng dễ thấy, âm nhạc và điện ảnh HQ tác động sâu rộng đến giới trẻhơn so với người lớn và lớp trẻthường xuyên khám phá và tìm kiếm những điều mới lạ về hình thức giải trí trong cuộc sống.
Hình 4.2 : Thống kê trình độ học vấn
Kết quả thống kê nghề nghiệp : 84 người là học sinh, sinh viên chiếm 16,80%, đây là nhóm đối tượng có điều kiện và dễ bị tác động khi tiếp xúc với văn hóa Hàn Quốc; 196 người là nhân viên chiếm 39,1%; 118 người là chuyên viên chiếm 23.6%; 62 người là các nhà quản lý điều hành chiếm 12,40%. Nhóm ngành nghề khác chiếm 8.2% (tương đương 41 người).
Hình 4.3: Mô tả nghề nghiệp của đáp viên
Kết quả thống kê thu nhập :Mức thu nhập dưới 5 triệu là 156 người chiếm 30,1%; từ 5-15 triệu là 192 người chiếm 37.1%; từ 15-25 triệu là 80 người chiếm 15.6%; mức thu nhập trên 25 triệu là 91 người chiếm trên 17.2%.
014% 024% 022% 039% 001% THPT Trung cấp Cao đẳng Đại học Sau đại học 000% 005% 010% 015% 020% 025% 030% 035% 040% Học sinh - Sinh viên
Nhân viên Chuyên viên Quản lý điều hành Khác 017% 039% 024% 012% 008%
Bảng 4.1: Thống kê thu nhập của đáp viên
SốLượng Tỷ Lệ
Thu nhập
Dưới 5 triệu đồng 150 29.90%
Từ 5-15 triệu đồng 191 38.1%
Từ 15-25 triệu đồng 76 15.2%
Trên 25 triệu đồng 84 16.8%
Tổng 501 100%
4.2. KẾT QUẢ KIỂM ĐỊNH PHÂN PHỐI CHUẨN
Vì sự chuẩn hóa của dữ liệu là một trong những giả định quan trọng cho các kiểm định thống kê, vì vậy trước khi tiến hành bước phân tích đánh giá độ tin cậy của thang đo, tác giả tiến hành kiểm định phân phối chuẩn.
Theo Charles Murray (1994), trị số trung bình và trung vị gần bằng nhau và độ xiên dao động từ -1 đến +1 được coi như có phân phối chuẩn.
Căn cứ bảng 4.2, trị số trung bình và trung vị của các biến có độ lệch gần bằng nhau. Cao nhất là biến Hình ảnh thương hiệu sản phẩm HQ có trung bình là 3,6375 và có trung vị là 3,80; thấp nhất là biến cảm nhận xuất xứ quốc gia có trung bình là 3,0449 và trung vị là 3,250. Độ xiên của các biến đều nằm trong khoảng từ -1 đến +1 trong đó biến Niềm tin sản phẩm HQ có độ xiên cao nhất là 0,67 và biến Âm nhạc và điện ảnh HQ có độ xiên nhỏ nhất là -0,826. Vì vậy, các biến đều được xem là phân