Quy trình nghiên cứu được trình bày như sau:
Hình3.1. Quy trình nghiên cứu
Cơ sở lý thuyết Mô hình và thang độ sơ bộ Nghiên cứu định tính (n=10) Mô hình và thang đo hiệu chỉnh
Nghiên cứu định lượng
(n=400) Cronbach
alpha Kiểm tratương quan biến tổng Kiểm tra Cronbach alpha
EFA Kiểm tratrọng số EFA, nhân tố và phương sai trích
36
3.4.2. Phương pháp lẫy mẫu và thu thập dữ liệu
Để đạt được mục tiêu nghiên cứu đề ra, thiết kế chọn phi xác suất với hình thức chọn mẫu ngẫu nhiên thuận lợi đã được sử dụng và được xem là hợp lý để tiến hành nghiên cứu đề tài này. Lý do để lựa chọn phương pháp chọn mẫu này vì người trả lời dễ tiếp cận, ít tốn kém thời gian và chi phí.
Theo Cooper và Schindler (1988) , lý do quan trọng khiến người ta sử dụng phương pháp chọn mẫu phi xác suất là tính tiết kiệm chi phí và thời gian. Về mặt này thì phương pháp chọn mẫu phi xác suất vượt trội hơn so với chọn mẫu xác suất. Ngoài ra hai tác giả cũng đã nhắc nhở rằng chọn mẫu xác suất không phải lúc nào cũng chính xác và trong một số trường hợp chọn mẫu xác suất là không thể thực hiện được. Tuy nhiên hai tác giả này cũng khẳng định nhược điểm lớn nhất của phương pháp chọn mẫu phi xác suất là chủ quan thiên vị trong quá trình chọn mẫu và sẽ làm méo mó biến dạng kết quả nghiên cứu.
Vì đây là nghiên cứu khám phá cùng với phân tích như trên, phương pháp chọn mẫu phi xác suất với hình thức chọn mẫu thuận tiện là phù hợp nhất. Các bảng câu hỏi nghiên cứu sẽ được gửi trực tiếp đến đối tượng nghiên cứu cho đến khi đạt được số lượng mẫu cần thiết.
Đối tượng khảo sát là những người tiêu dùng đang làm việc, học tập trên địa bàn Thành Phố Hồ Chí Minh. Những quy tắc kinh nghiệm trong xác định cỡ mẫu cho phân tích nhân tố EFA là thông thường thì số quan sát (kích thước mẫu) ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố (trích Hoàng Trọng và Chu Nguyễn Mộng Ngọc – Phân tích dữ liệu nghiên cứu với SPSS, NXB Thống kê 2008. Nghiên cứu này sử dụng cỡ mẫu là 110 với phương pháp chọn mẫu thuận tiện do số biến quan sát là 22
Cách lấy mẫu và thu thập dữ liệu : Mẫu được chọn theo phương pháp thuận tiện. Khảo sát định lượng thực hiện tại khu vực TP.HCM nghiên cứu được thực hine65 theo phương pháp bảng câu hỏi trực tiếp đến 480 người.
Tuy nhiên, do đề tài thực tế, nên số mẫu khảo sát phải sàn lọc rất nhiều để lấy được mẫu chính xác. Chính vì thế, tác giả sẽ tiến hành gởi đi 480 bảng câu hỏi và chọn ra 400 mẫu hợp lệ để khi đưa vào phần mềm SPSS.16.
37
• Phân tích tương quan giữa các nhân tố với xu hướng chọn mua để xem xét mối quan hệ tuyến tính giữa các cặp biến về chiều hướng (thuận hay nghịch) và độ lớn tương quan (mạnh hay yếu). Để đo lường mối quan hệ tuyến tính giữa hai biến định lượng (interval/ratio variables) ta sử dụng hệ số tương quan Pearson r. Hệ số r nằm trong đoạn [-1;1]. Giá trị r càng gần 1 (+1 hoặc -1) thì tương quan giữa hai biến càng mạnh. Giá trị r càng gần 0 (cách xa +1/-1) thì tương quan càng yếu.
• Phân tích hồi quy tuyến tính đa biến bằng phương pháp Enter. Hệ số RP
2
Phiệu chỉnh (Adjusted R Square) được dùng để xác định độ phù hợp của mô hình. Kiểm định F
dùng để khẳng định khả năng mở rộng của mô hình này cho tổng thể. Kiểm định t để xem xét ý nghĩa của hệ số hồi quy. Đánh giá mức độ tác động (mạnh hay yếu) giữa các biến thông qua hệ sô Bêta. Mức ý nghĩa được xác lập cho các kiểm định và phân tích là 5% (độ tin cậy 95%). Cuối cùng nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuối cùng là phù hợp, một loạt các dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính cũng được thực hiện. Các giả định được kiểm định trong phần này gồm liên hệ tuyến tính (dùng biểu đồ phân tán (Scatterplot), phân phối chuẩn của phần dư (dùng Histogram và Q-Q plot), tính độc lập của phần dư dùng đại lượng thống kê (Durbin –Watson), hiện tượng đa cộng tuyến (tính độ chấp nhận Tolerance và hệ số phóng đại VIF)
3.4.3 Phân tích dữ liệu
Phương pháp nghiên cứu định lượng được sử dụng trong giai đoạn nghiên cứu chính thức để kiểm định thang xu hướng chọn mua xăng sinh học E5 tại Tp. HCM Thông qua khảo sát, qua bảng câu hỏi được thiết kế và hiệu chỉnh phù hợp với mục tiêu nghiên cứu [Phụ lục 1] đối với 450 người trên địa bàn Tp.HCM.
Việc kiểm định các thang đo và mô hình lý thuyết cùng với các giả thuyết đề ra bằng hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố, phân tích tương quan hồi quy, kiểm định mô hình lý thuyết dựa trên kết quả xử lý của phần mềm SPSS. Dữ liệu sau khi được mã hoá và làm sạch sẽ được tiến hành phân tích thông qua các bước sau: • Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha, nhiều nhà nghiên cứu cho rằng Cronbach’s Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là
38
tốt, từ 0.7 đến 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được (Hoàng Trọng – Chu Nguyễn Mộng Ngọc,
2008). Đối với nghiên cứu này thì Cronbach’s Alpha từ 0.6 trở lên là chấp nhận được.
• Phân tích nhân tố khám phá (EFA) nhằm nhận diện các nhân tố giải thích cho biến thành phần. Các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 được coi là biến rác và sẽ bị loại khỏi thang đo. (theo Nunnally & Burnstein (1994)). Tiêu chuẩn phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50%. Theo tiêu chuẩn Kaiser những nhân tố cho chỉ số Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình (Garson,2003). Nghiên cứu này sẽ sử dụng chỉ số Eigenvalue bằng 1. Các biến có hệ số tương quan giữa đơn biến và các nhân tố (Factor loading) lớn hơn hoặc bằng 0.5 trong một nhân tố (Jun & ctg, 2002). Để đạt được độ giá trị phân biệt, khác biệt giữa các factor loading phải lớn hơn hoặc bằng 0.3 (Jabnoun & ctg, 2003). Đánh giá chỉ số KMO để xem sự thích hợp của phân tích nhân tố (EFA), chỉ số KMO phải lớn hơn 0.5 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc ,2008). Kiểm định Bartlett để xem xét giả thuyết về mức độ tương quan giữa các biến quan sát bằng không trong tổng thể. Kiểm định Bartlett phải có ý nghĩa thống kê kh (Sig < hoặc = 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008)
Đề tài sử dụng hai phần mềm phân tích thống kê SPSS để phân tích dữ liệu. Phần mềm SPSS 16.0 được sử dụng để đánh giá sơ bộ thang đo thông qua kểm định hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA vàphân tích thống kê mô tả mẫu. Trình tự tiến hành phân tích dữ liệu được thực hiện như sau:
Bước 1 chuẩn bị thông tin: thu nhận bảng trả lời, tiến hành làm sạch thông tin, mã hóa các thông tin cần thiết trong bảng trả lời, nhập liệu và phân tích dữ liệu bằng phần mềm SPSS 16.0.
Bước 2 nghiên cứu thống kê mô tả: tiến hành thống kê mô tả dữ liệu thu thập được.
Bước 3 đánh giá độ tin cậy: tiến hành đánh giá thang đo bằng phân tích Cronbach’s Alpha.
39 khám phá EFA (Exploratory Factor Analysis).
3.4.4. Đánh giá độ tin cậy thang đo
Thang đo được đánh giá độ tin cậy thông qua hai công cụ là hệ số Cronbach Alpha và phân tích nhân tố. Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng vàChu Nguyễn Mộng Ngọc, 2005). Hệ số Cronbach’s Alpha được tính theo công thức:α = N*ρ / [1 + ρ*(N - 1)] trong đó ρ là hệ số tương quan trung bình giữa các mục hỏi và N là số mục hỏi.
Theo quy ước thì một tập hợp các mục hỏi dùng để đo lường được đánh giá là tốt phải có hệ số α lớn hơn hoặc bằng 0,8.Tuy nhiên, đối với “trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu” thì hệ số Cronbach’s Alpha từ 0,6 trở lên Cronbach’s và tương quan tổng biến (Corrected Item
– Total Correlation) phải lớn hơn 0,3 là phép đo đảm bảo độ tin cậy và chấp nhận được
(Nunnally vad Burnstein, 1994).
3.4.5. Phân tích nhân tố khám phá EFA
Phân tích nhân tốđược dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo (gọi là các nhân tố). Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá được dùng để kiểm định giá trị khái niệm của thang đo.
Phương pháp phân tích nhân tố được tiến hành để rút gọn tập hợp các biến độc lập thành một tập nhỏ hơn là các biến đại diện cho mỗi nhóm nhân tố mà không làm mất đi ý nghĩa giải thích và thông tin của nhóm nhân tố đó (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) Hệ số (Kaiser – Meyer – Olkin) KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0,5 và 1) có nghĩa là phân tích nhân tố thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu. Phương pháp sử dụng là Principal component với phép quay nhân tố là Promax. Các biến quan sát có hệ số tải nhân tố
40
(Loading Factor) nhỏ hơn 0,5 sẽ bị loại (Hair và cộng sự, 1998) Chọn nhân tố cố định có giá trị Eigenvalues >1 (Gerbing và Anderson, 1988).
Việc phân tích nhân tố sẽ được tiến hành với toàn bộ các biến quan sát, sau đó sẽ loại bỏ từng biến có hệ số truyền tải thấp
3.4.6. phân tích tương quan
Phân tích tương quan giữa các nhân tố với mức độ thoả mãn trong công việc của CBVC để xem xét mối quan hệ tuyến tính giữa các cặp biến về chiều hướng (thuận hay nghịch) và độ lớn tương quan (mạnh hay yếu). Để đo lường mối quan hệ tuyến tính giữa hai biến định lượng (interval/ratio variables) ta sử dụng hệ số tương quan
Pearson r. Hệ số r nằm trong đoạn [-1;1]. Giá trị r càng gần 1 (+1 hoặc -1) thì tương quan giữa hai biến càng mạnh. Giá trị r càng gần 0 (cách xa +1/-1) thì tương quan càng yếu.
3.4.7. phân tích hồi quy tuyến tính
Phân tích hồi quy tuyến tính đa biến bằng phương pháp Enter. Hệ số R2 hiệu chỉnh (Adjusted R Square) được dùng để xác định độ phù hợp của mô hình. Kiểm định F dùng để khẳng định khả năng mở rộng của mô hình này cho tổng thể. Kiểm định t để xem xét ý nghĩa của hệ số hồi quy. Đánh giá mức độ tác động (mạnh hay yếu) giữa các biến thông qua hệ sô Bêta. Mức ý nghĩa được xác lập cho các kiểm định và phân tích là 5% (độ tin cậy 95%). Cuối cùng nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuối cùng là phù hợp, một loạt các dò tìmsự vi phạm các giả định cần thiết trong hồi quy tuyến tính cũng được thực hiện. Các giả định được kiểm định trong phần này gồm liên hệ tuyến tính (dùng biểu đồ phân tán (Scatterplot), phân phối chuẩn của phần dư (dùng Histogram và Q-Q plot), tính độc lập của phần dư dùng đại lượng thống kê (Durbin –Watson), hiện tượng đa cộng tuyến (tính độ chấp nhận Tolerance và hệ số phóng đại VIF)
3.5. HIỆU CHỈNH THANG ĐO
Thang đo trong nghiên cứu được điều chỉnh dựa trên cơ sở lý thuyết và các nghiên cứu trên thế giới cùng với ngữ cảnh của thị trường Việt Nam. Việc điều chỉnh và bổ
41
sung cho phù hợp với thị trường Việt Nam dựa vào kết quả nghiên cứu định tính. Từ kết quả nghiên cứu này sẽ có những điều chỉnh và bổ sung thang đo cho phù hợp.
Thang đo trong nghiên cứu này dựa vào lý thuyết nền với 5 khái niệm nghiên cứu được sử dụng:
(1) Giá trị cảm nhận
(2) Quy chuẩn chủ quan
(3) Tính hữu dụng sản phẩm
(4) Lời truyền miệng
(5) Chính sách
TÓM TẮT CHƯƠNG 3
Chương này trình bày phương pháp nghiên cứu được thực hiện để đánh giá thang đo các khái niệm nghiên cứu và mô hình lý thuyết. Phương pháp nghiên cứu được thực hiện qua hai bước, nghiên cứu sơ bộ và nghiên cứu chính thức.
Nghiên cứu sơ bộ gồm có sơ bộ định tính được thực hiện thông qua kỹ thuật phỏng vấn sâu (deepth interview) với 12 người sau đó nghiên cứu định lượng 450 người đã từng và sử dụng xăng sinh học E5 trên địa bàn thành phố Hồ Chí Minh thông qua bảng câu hỏi khảo sát. Thu thập dữ liệu bằng phỏng vấn trực tiếp với số mẫu
n=400.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Nghiên cứu định lượng chính thức được thiết kế nghiên cứu trong chương 3 và tiến hành thu thập mẫu nghiên cứu. Sau thu thập, tác giả lựa chon 400 mẫu nghiên cứu thỏa mãn yêu cầu lựa chọ đáp viên để đưa vào bộ dữ liệu sơ cấp. Dữ liệu này được đưa vào nghiên cứu trong chương này thực hiện qua các bước thực hiện thống kê mô tả, đánh giá độ tin cậy của thang đo bằng hệ số cronbach’s alpha, thực hiện phân tích nhân tố khám phá EFA, phân tích hồi quy tuyến tính.
42
4.1.1. Tổng quan về xăng sinh học E5
Xăng sinh học E5 là nhiên liệu chứa 5% thể tích cồn sinh học và 95% thể tích xăng truyền thống. Bên cạnh đó, việc sử dụng nhiên liệu được cho là hành động thiết thực để bảo vệ môi trường. Vì nguyên liệu sinh học (NLSH) là loại nhiên liệu được chế xuất từ các hợp chất có nguồn gốc động thực vật như trên nên nó là sản phẩm hoàn toàn thân thiện với môi trường và là nguồn nhiên liệu tái sinh được.
Sử dụng NLSH giúp giảm thiểu đáng kể các loại khí thải độc hại có trong các nhiên liệutruyền thống như CO, SO2, hạt bụi và khí CO2. Ngoài ra, lượng khí độc hại thải ra môi trường của xăng sinh học ít hơn so với xăng truyền thống, làm giảm hiệu ứng nhà kính, giúp cho môi trường được an toàn và trong sạch hơn.
Đó là lý do vì sao nhiên liệu xăng sinh học được coi là nhiên liệu của tương lai, được cả thế giới quan tâm. Cần lưu ý là nếu sử dụng nhiên liệu xăng có hàm lượng ethanol cao có thể gây ảnh hưởng đến một số chi tiết kim loại, cao su, nhựa, polymer của động cơ. Tuy nhiên, với hàm lượng 5% ethanol trong E5 thì các ảnh hưởng này không xảy ra.
Theo TS. Phạm Hữu Tuyến, việc sử dụng xăng E5 giúp cải thiện tính năng động cơ, giảm phát thải, mang lại lợi ích cho ngườitiêu dùng và xã hội. Quá trình sử dụng E5 rất thuận tiện, không cần phải điều chỉnh động cơ khi chuyển đổi giữa nhiên liệu E5 và xăng thông thường.
Trong các kết quả nghiên cứu của Phòng Thí nghiệm động cơ đốt trong, động cơ sử dụng xăng sinh học E5 tạo ra rất ít khí thải CO và HC, ít hơn hẳn các loại xăng thông dụng như A92 và A95 tới 20%. Chính vì vậy, loại xăng E5 có thể được coi là thân thiện với môi trường. Bên cạnh giảm đáng kể thành phần khí CO và HC, khả năng tăng tốc của xe cũng tốt hơn đối với xăng sinh học E5.
Khí thải CO là một khí rất độc, mức phát thải CO rất cao ở động cơ xe máy. Quá trình cháy trong động cơ sử dụng E5 được cải thiện nhờ hỗn hợp giữa không khí và nhiên liệu đồng đều hơn do khả năng bay hơi tốt của E5. Ngoài ra, sự có mặt của thành phần ôxy trong E5 là yếu tố giúp cho nhiên liệu được cháy trong điều kiện không quá thiếu ôxy (cháy với hỗn hợp nhạt hơn so với trường hợp động cơ xăng dùng bộ chế sử
43
dụng nhiên liệu xăng RON92) và cháy kiệt. Đây là cơ sở tạo ra ít khí thải độc hại CO và HC. Thêm vào đó, các loại xe mới hiện nay có bộ phận xử lý khí thải, kết hợp với