- Tên đề tài:
2.2.2Phƣơng pháp phân tích số liệu
6. Các nhận xét khác:
2.2.2Phƣơng pháp phân tích số liệu
Để thực hiện nghiên cứu này, tác giả sử dụng các phƣơng pháp phân tích số liệu sau:
- Mục tiêu 1: Sử dụng thống kê mô tả để xác định thông tin chung của đáp viên và đánh giá thực trạng tiêu dùng hàng may mặc của ngƣời dân quận Ninh Kiều, thành Phố Cần Thơ cũng nhƣ phân tích nhận định của ngƣời tiêu dùng về hàng may mặc Việt.
+ Thống kê mô tả: Thống kê tần số, tính điểm trung bình của từng biến quan sát và nhóm biến, mô tả các thuộc tính mẫu nhƣ: giới tính, tuổi, nghề nghiệp, thu nhập, trình độ học vấn, tình trạng hôn nhân của từng đáp viên.
- Mục tiêu 2: Sử dụng kiểm định độ tin cậy thang đo Cronbach alpha để đánh giá độ tin cậy thang đo các nhân tố ảnh hƣởng đến xu hƣớng tiêu dùng hàng may mặc Việt. Sau đó, phân tích nhân tố khám phá EFA (exploratory factor analysis) để xác định nhóm các nhân tố ảnh hƣởng đến xu hƣớng tiêu dùng hàng may mặc Việt. Tác giả dùng phân tích hồi quy tuyến tính để xác định các nhân tố quan trọng và ƣớc lƣợng mức độ ảnh hƣởng của các nhân tố độ nhạy văn hóa, tính chủng vị tiêu dùng, cảm nhận về chất lƣợng và cảm nhận về giá đến xu hƣớng tiêu dùng hàng may mặc Việt. Cuối cùng, tác giả sử dụng kiểm định T – test và Anova để kiểm định sự khác biệt giữa các nhóm ngƣời mua hàng khác nhau (giới tính, tuổi, nghề nghiệp, trình độ học vấn, thu nhập, tình trạng hôn nhân) đến xu hƣớng tiêu dùng hàng may mặc Việt.
+ Kiểm định độ tin cậy thang đo Cronbach alpha: Đƣợc sử dụng để loại bỏ biến rác trƣớc khi tiến hành phân tích nhân tố. Các biến có hệ số tƣơng quan biến tổng (corrected item total correlation) nhỏ hơn 0,3 sẽ bị loại. Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng từ 0,7 đến 0,8. Nếu Cronbach alpha ≥ 0,6 là thang đo có thể sử dụng đƣợc trong trƣờng hợp khái niệm thang đo lƣờng là mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 24).
+ Phân tích nhân tố khám phá (exploratory factor analysis): Phân tích nhân tố khám phá là một nhóm các thủ tục đƣợc sử dụng để thu nhỏ và tóm tắt các dữ liệu. Bản thân các nhân tố chung cũng có thể đƣợc diễn tả nhƣ những kết hợp tuyến tính của các biến quan sát:
Fi = Wi1X1 + Wi2X2 + Wi3X3 + … + WikXk Trong đó:
Fi: ƣớc lƣợng trị số của nhân tố thứ i (độ nhạy văn hóa, tính chủng vị tiêu dùng, cảm nhận về chất lƣợng, cảm nhận về giá)
Wi: quyền số hay trọng số nhân tố. k: số biến.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 27 - 31), một số tiêu chuẩn mà các nhà nghiên cứu cần quan tâm nhƣ sau:
-Kiểm định Bartlett (Bartlett’s test of sphericity): Đại lƣợng Barlett là một đại lƣợng thống kê dùng để xem xét giả thuyết các biến không có tƣơng quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê thì các biến quan sát có tƣơng quan với nhau trong tổng thể.
-Hệ số KMO (Kaiser-Mayer-Olkin): Đây là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, phân tích nhân tố khám phá thích hợp khi 0,5 ≤ KMO ≤ 1.
-Hệ số tải nhân tố (factor loading): Là hệ số tƣơng quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Hệ số tải nhân tố > 0,3 đƣợc xem là đạt mức tối thiểu, > 0,4 đƣợc xem là quan trọng và ≥ 0,5 đƣợc xem là có ý nghĩa thực tiễn.
-Phƣơng sai trích (variance explained criteria): Tổng phƣơng sai trích phải lớn hơn 50%.
-Chỉ số eigenvalue: Chỉ số này đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Chỉ những nhân tố có eigenvalue > 1 mới đƣợc giữ lại trong mô hình phân tích.
+ Kiểm định giả thuyết về trị trung bình của hai tổng thể độc lập hay phối hợp từng cặp (Independent sample T- test): Kiểm định về sự khác biệt trị trung bình của hai tổng thể độc lập. Nếu Sig. trong kiểm định T-test α (mức ý nghĩa) thì có sự khác biệt có ý nghĩa về trung bình của hai tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 138 - 139).
thuật cơ bản để xác định tỷ lệ ảnh hƣởng của một yếu tố, hoặc thiết lập các yếu tố có sự thay đổi tổng (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 145-146).
+ Hồi quy tuyến tính bội: Thực hiện phân tích hồi quy nhằm nghiên cứu mối liên hệ phụ thuộc của biến phụ thuộc vào các biến độc lập (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phƣơng trình: Y = 1X12X2...nXn
Y: biến phụ thuộc X: biến độc lập
Phƣơng pháp đƣa biến là phƣơng pháp chọn từng bƣớc (stepwsise) để đƣa các biến độc lập vào mô hình. Để đánh giá mức độ phù hợp của mô hình nghiên cứu, các nhà nghiên cứu sử dụng hệ số R square điều chỉnh (adjusted R-square) để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình. Hệ số beta chuẩn hóa đƣợc dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào biến phụ thuộc càng lớn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).