7. KẾT CẤU LUẬN VĂN
2.3.1. Các kĩ thuật phân tích
Kĩ thuật Chức năng Thông số yêu cầu
Cronbach alpha
- Kiểm tra độ tin cậy của thang đo, độ giá trị hội tụ
- Loại bỏ biến rác có thể
gây ra các nhân tố khác
trong phân tích nhân tố
- Hệ số Cronbach tối thiểu hơn 0.6, trên 0.8 là thang đo lường tốt (nếu
lớn hơn 0.95 không tốt vì các biến đo lường hầu như là một).
- Hệ số tương quan với biến tổng
phải lớn hơn 0.3 (nếu nhỏ hơn 0.3 được xem là biến rác, cần loại bỏ ra
khỏi thang đo) (Nguyễn Đình Thọ,
2007)
Phân tích nhân tố
EFA
- Loại các biến có hệ số tải
nhân tố nhỏ
- Kiểm tra yếu tố trích được
- Kiểm tra phương sai trích được
- Kiểm tra giá trị phân biệt
của thang đo.
- Loại các biến có hệ số tải nhân tố
nhỏ (Factor loading > 0.3 được xem đạt mức tối thiểu, > 0.4 được xem là quan trọng, ≥ 0.5 được xem là có ý nghĩa thực tiễn, độ lớn của hệ số này còn phù hợp với kích thước mẫu)
- Chênh lệch hệ số tải của một biến ở các nhân tố phải lớn hơn 0.3.
- Kiểm định Barlett phải có ý nghĩa
thống kê (có nghĩa các biến có tương
quan khác 0)
- Hệ số KMO: phải lớn hơn 0.5 (có
nghĩa việc sử dụng phân tích nhân tố
là phù hợp)
- Phương sai trích được phải lớn hơn
0.5
- Nên dùng phương pháp quay Promax để đạt cấu trúc dữ liệu chính xác hơn. (Barbara M. Byrne)
2.3.1 Các kĩ thuật phân tích:
Phân tích tương quan và
hồi qui
- Tính hệ số tương quan (r)
giữa biến phụ thuộc và biến độc lập (xem thử giữa
chúng có mối liên hệ với
nhau không, dự đoán hiện tượng đa cộng tuyến?)
- Phân tích hồi qui
- r lớn (có ý nghĩa thống
kê)
- Kiểm tra R2, kiểm định
ANOVA, kiểm tra hệ số
hồi qui, kết quả kiểm định
- Kiểm tra giả thuyết của
phân tích hồi qui:
+ Đa cộng tuyến (hệ số
VIF): nhỏ hơn 2
+ Phần dư có phân phối
chuẩn: kiểm tra biểu đồ
phân phối phần dư, biểu đồ
P-P plot.
+ Phương sai không đổi:
vẽ mối liên hệ giữa biến
phụ thuộc và phần dư, thực
hiện phân tích hồi qui biến
dự báo và phần dư (Hoàng Trọng & ctg, 2008)
Phân tích nhân tố CFA
(phân tích dựa trên phương
pháp maximum likelihood,
đòi hỏi các biến phải có
phân phối chuẩn).
- Đo lường mức độ phù hợp của mô hình (có phù hợp với dữ liệu thị trường).
- Kiểm tra độ giá trị hội tụ, độ giá trị phân biệt và tính
đơn hướng.
- Tính độ tin cậy của thang đo (độ tin cậy tổng hợp và
phương sai trích)
- Kiểm tra phương sai trích được
- Chi-square có P-value > 0.05 (bị ảnh hưởng bởi qui
mô mẫu), GFI, TLI, CFI ≥0.9, CMIN/df ≤ 3, RMSEA ≤ 0.08, RMSEA ≤ 0.05
- Loại biến có hệ số tải nhỏ hơn 0.5 (để đạt giá trị hội
tụ) có ý nghĩa thống kê nhỏ hơn 5%, hệ số tương
quan giữa hai khái niệm
2.3.1 Các kĩ thuật phân tích:
Phân tích nhân tố CFA
(phân tích dựa trên phương
pháp maximum likelihood,
đòi hỏi các biến phải có
phân phối chuẩn).
- Thang đo phù hợp với
mô hình có nghĩa thang đo đạt tính đơn hướng (trừ trường hợp các sai số có tương quan với nhau)
(Nguyễn Đình Thọ, 2007)
Phân tích SEM - Kiểm tra độ thích hợp
của mô hình và giá trị liên hệ lý thuyết.
- Kiểm định giả thuyết, ước lượng boostrap để đánh giá độ tin cậy của các ước lượng
- Chi-square có P-value > 0.05 (bị ảnh hưởng bởi qui
mô mẫu), GFI, TLI, CFI ≥0.9, CMIN/df ≤ 2 (tối
thiểu là 3 trong một số
trường hợp, RMSEA ≤
0.08, RMSEA ≤ 0.05
- Kiểm tra liên hệ tuyến
tính giữa các cặp khái
niệm trong mô hình (phải
có ý nghĩa thống kê)
- Kiểm định Bootstrap: CR
< 2 (Nguyễn Đình Thọ,
2007).