2.3.2.1 Mục tiêu nghiên cứu chính thức
- Kiểm định giá trị của thang đo bằng phương pháp phân tích nhân tố EFA. - Đánh giá độ tin cậy của thang đo bằng hệ số tin cậy Cronbach’s Alpha.
- Phân tích hồi quy bội đề kiểm định các giả thuyết nghiên cứu và đánh giá mức độ ảnh hưởng của các biến độc lập tới biến phụ thuộc.
- Kiểm định so sánh nhóm bằng Anova và T-test
2.3.2.2 Phương pháp chọn mẫu
* Quy mô mẫu
Xác định kích thước mẫu là công việc khá phức tạp bởi hiện tại có quá nhiều quan điểm khác nhau. Theo Hair & ctg (1998), để phân tích nhân tố khám phá (EFA) phải có ít nhất 5 mẫu trên 1 biến quan sát. Theo Hair & ctg (2006) trích trong Nguyễn Đình Thọ (2011) thì để sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát (observations)/biến đo lường(items) là 5:1, nghĩa là 1 biến đo lường cần tối thiếu là 5 quan sát, tốt nhất là 10:1 trở lên.
Theo kinh nghiệm, nguyên tắc chọn mẫu là = số biến * 5 là số mẫu tối thiểu. Như vậy cỡ mẫu của nghiên cứu là 140 (28 biến * 5). Tuy nhiên, để tăng cường độ tin cậy, tác giả tiến hành khảo sát cỡ 350 mẫu.
* Phương pháp thu thập số liệu
Sau khi thu thập được bảng câu trả lời, tác giả tiến hành lọc bảng câu hỏi, làm sạch dữ liệu, mã hóa những thông tin trong câu hỏi, nhập liệu và phân tích dữ liệu bằng phần mềm SPSS 20.
Tiếp theo, dữ liệu đã được làm sạch và nhập vào phần mềm sẽ được phân tích các bước tiếp theo:
a. Phương pháp phân tích thống kê mô tả
Đây là phương pháp mô tả rõ ràng, đơn giản làm cho người đọc dễ hình dung các nội dung cần nghiên cứu có trong mô hình. Mô tả các đặc điểm về mẫu nghiên cứu: độ tuổi, giới tính, học vấn, nghề nghiệp, thu nhập.
b. Kiểm định độ tin cậy Cronbach’s Alpha
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi
phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
- Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
c. Kiểm định giá trị của thang đo bằng phương pháp phân tích nhân tố EFA
Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), 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 có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Factor loading > 0,4 được xem là quan trọng
• Factor loading > 0,5 được xem là có ý nghĩa thực tiễn
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: Hệ số tải nhân tố (Factor loading ) > 0,5.
0,5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0,05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
d. Phân tích mô hình hồi quy bội
Sau khi kiểm tra giá trị của thang đo bằng phân tích nhân tố EFA và kiểm định độ tin cậy của thang đo bằng Cronbach’s Alpha, các nhân tố được trích trong phân tích nhân tố được sử dụng trong phân tích hồi quy để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo.
Mô hình hồi quy bội MLR (Multiple Linear Regression) biểu diễn mối quan hệ giữa hai hay nhiều biến độc lập với biến phụ thuộc định lượng (Nguyễn Đình Thọ, 2011).
Để kiểm định mối quan hệ giữa các biến độc lập với ý định sử dụng VLXKN, và mối quan hệ giữa các biến độc lập với nhau, phương pháp tương quan Pearson correlation coefficient được sử dụng.
Sau khi phân tích tương quan, tác giả tiến hành phân tích hồi quy đa biến theo phương pháp Enter với mức ý nghĩa 5% để kiểm định các giả thuyết nghiên cứu và độ phù hợp của mô hình cũng như mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Lý do tác giả lựa chọn phân tích hồi quy tuyến tính chứ không phải hồi quy phi tuyến vì các nghiên cứu trước đây cũng sử dụng phương pháp này. Phương pháp hồi quy được sử dụng trong luận án là phương pháp bình phương bé nhất OLS. Hệ số R2 điều chỉnh 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, kiểm định T dùng để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0.
Phương trình hồi quy bội cho nghiên cứu đề xuất ban đầu như sau:
Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 + 5X5 +6X6 + e
Trong đó:
- Y: biến phụ thuộc - "ý định sử dụng VLXKN trên địa bàn thành phố Nha Trang, tỉnh Khánh Hòa của nhóm khách hàng cá nhân".
- X1, X2, X3, X4, X5, X6 là các biến độc lập, tác động đến biến Y, lần lượt là: Thái độ, Chuẩn mực chủ quan, Nhận thức về chất lượng, Cảm nhận về giá, Xúc tiến thương mại, Nhận thức về môi trường.
- 0 là hằng số, các hệ số là các hệ số hồi quy, hệ số càng lớn thì mức độ tác động
càng lớn, tùy theo tác động dương hay tác động âm. - e : sai số chuẩn.
Kết quả hồi quy được dùng để phân tích:
- Đánh giá độ phù hợp của mô hình hồi quy đa biến thông qua chỉ số R2
- Đánh giá ý nghĩa của mô hình thông qua F-test
- Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị độ chấp nhận (tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor).
- Xác định mức độ ảnh hưởng của các nhân tố tác động đến ý định sử dụng
VLXKN thông qua hệ số . Nhân tố có hệ số càng lớn thì có thể kết luận là ảnh hưởng
càng lớn đến ý định sử dụng VLXKN.
e. Phân tích phương sai
Phân tích phương sai được dùng để so sánh trung bình của các tổng thể. Trong nội dung luận văn này, tác giả sử dụng phương pháp phân tích phương sai một yếu tố (One – Way ANOVA) để xác định sự khác nhau về ý định sử dụng trực tuyến giữa những nhóm khách hàng khác nhau. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), các điều kiện khi phân tích ANOVA:
- Kiểm địnhk Levene Ho: “Phương sai bằng nhau”, nếu Sig < 0,05 thì phương sai giữa các nhóm là khác nhau nên không sử dụng được kết quả phân tích ANOVA, khi đó phải sử dụng kiểm định Tamhane’s T2 để xác định. Nếu Sig ≥ 0,05 thì phương sai giữa các nhóm khác nhau là như nhau nên có thể sử dụng kết quả phân tích ANOVA.
- Kiểm định ANOVA: Nếu Sig > 0,05 thì chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm. Nếu Sig ≤ 0,05 đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm.
* Thống kê phiếu điều tra
Tác giả đã thực hiện quá trình thu thập dữ liệu thông qua bảng câu hỏi theo phương pháp đã trình bày như trên. Kết quả thu thập phiếu điều tra được thể hiện trong bảng 2.12. Trong tổng số 350 bảng hỏi thu thập được phát ra, tác giả thu về 319 bảng, sau khi kiểm tra, tác giả đã loại bỏ 24 bảng không sử dụng được do thiếu thông tin, câu trả lời một chiều, không nhất quán, còn lại 295 bảng được đưa vào xử lý dữ liệu.
Bảng 2.12: Bảng thống kê phiếu điều tra
Nội dung Số phiếu
phát ra Số phiếu thu về Số phiếu không hợp lệ Số phiếu sử dụng được Số bảng trả lời thu thập 350 319 24 295 Nguồn: Tác giả tự tổng hợp Tóm tắt chương 2
Tóm lại, chương 2 đã trình bày phương pháp nghiên cứu của luận văn. Luận văn được thực hiện qua hai giai đoạn là nghiên cứu định tính và nghiên cứu định lượng
Nghiên cứu định tính sử dụng phương pháp phỏng vấn sâu, thảo luận nhóm được thực hiện trước để định hướng cho nghiên cứu định lượng. Từ kết quả nghiên cứu định tính, các biến độc lập được xác định và sàng lọc. Nghiên cứu định tính cũng khẳng định mối quan hệ giữa các biến độc lập và biến phụ thuộc trong mô hình lý thuyết, đồng thời điều chỉnh và hoàn thiện bảng câu hỏi làm công cụ cho nghiên cứu định lượng.
Nghiên cứu định lượng sử dụng phương pháp điều tra chọn mẫu với công cụ là bảng câu hỏi và xử lý dữ liệu bằng phần mềm SPSS 20, Nghiên cứu định lượng được thực hiện trên quy mô mẫu là 350 người tiêu dùng bằng phương pháp phát bảng câu hỏi trực tiếp và gửi qua email. Dữ liệu thu thập sẽ được phân tích bằng phần mềm SPSS 20 theo quy trình, bắt đầu từ phân tích độ tin cậy và phân tích nhân tố để rút ra các nhân tố phù hợp cho phân tích hồi quy. Sau khi thực hiện kiểm định các giả thuyết mô hình cấu trúc và độ phù hợp của mô hình tổng thể, kết quả phân tích hồi quy sẽ trả lời cho câu hỏi nghiên cứu của đề
tài "Các yếu tố ảnh hưởng đến ý định sử dụng VLXKN của khách hàng cá nhân tại
CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
Trong chương này, tác giả sẽ trình bày kết quả nghiên cứu trên cơ sở phân tích những dữ liệu đã thu thập được. Bao gồm:
1. Thống kê mô tả mẫu nghiên cứu 2. Đánh giá thang đo
3. Kiểm định giả thuyết nghiên cứu
4. So sánh ảnh hưởng các nhóm của biến kiểm soát tới ý định sử dụng VLXKN