4. Phương pháp nghiên cứu
2.2.3 Mẫu điều tra và cách thức điều tra, xử lý số liệu
Mẫu điều tra được chọn theo phương pháp kết hợp giữa chọn mẫu ngẫu nhiên phân tầng chọn mẫu ngẫu nhiên hệ thống như đã trình bày ở phần trước.
Số bảng hỏi được phát ra là 130. Việc phỏng vấn khách hàng được tiến hành bằng cách tiếp xúc trực tiếp với khách hàng. Sau khi loại đi những phiếu khảo sát không đạt yêu cầu, số bảng được chọn để tiến hành nhập liệu là 130.
Phần mềm SPSS được sử dụng để xử lý và phân tích số liệu. Để thực hiện phân tích đánh giá của nhân viên đối với các yếu tố ảnh hưởng đến sự thỏa mãn trong công việc tại công ty cổ phần Dệt May Huế, các thanh đo được kiểm định thông qua hệ số tin cậy Cronbach’ alpha, phân tích nhân tố khám phá EFA (Exploratory Factor Analysis), phân tích hồi quy tuyến tính bội và các công cụ thống kê mô tả.
Công cụ Cronbach’s alpha dùng để kiểm định mối tương quan giữa các biến (Reliability Analysis). Thang đo có độ tin cậy đáng kể khi hệ số Cronbach’s alpha lớn hơn 0,6. Hệ số tương quan biến tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của các biến với các biến khác trong thang đo càng cao. Theo Nunally & Burnstein (1994) thì các biến có hệ số tương quan biến tổng nhỏ hơn 0,3 được xem là biến rác và bị loại ra khỏi thang đo.
Phân tích nhân tố khám phá được sử dụng để rút gọn tập nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết thông tin của tập biến ban đầu (Hair và các tác giả, 1998). Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0,4 trong một nhân tố1. Ngoài ra, để đạt độ giá trị phân biệt thì khác biệt giữa các hệ số chuyển tải phải bằng 0,3 hoặc lớn hơn2.
1 Theo Hair & ctg (1998), Multivariate Data Analysis, Prentice – Hall International, Inc, Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0,3 được xem là đạt mức tối thiểu, Factor loading > 0,4 được xem là quan trọng, và lớn hơn 0,5 được xem là có ý nghĩa thực tiễn.
2 Jabnoun & Al-Tamimi (2003), Measuring peceived service quality at UAE commercial banks, International Journal of Quality and Reliability Management.
Số lượng nhân tố: được xác định dựa trên chỉ số Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu.
Phương pháp trích hệ số được sử dụng trong nghiên cứu này là Pricipal Axis Factoring với phép xoay Promax. Đây là một trong các phương pháp được sử dụng phổ biến, đồng thời nó cũng phản ánh cấu trúc dữ liệu chính xác hơn phương pháp Pricipal Components Factoring với phép xoay Varimax. Phương pháp Principal Axis Factoring sẽ cho ta số lượng nhân tố là ít nhất để giải thích phương sai chung của tập hợp biến quan sát trong sự tác động qua lại giữa chúng.
Thang đo được chấp nhận khi tổng phương sai trích được bằng hoặc lớn hơn 50%. Phân tích hồi quy tuyến tính bội: được sử dụng để mô hình hoá mối quan hệ nhân quả giữa các biến, trong đó một biến gọi là biến phụ thuộc (hay biến được giải thích) và các biến kia là các biến độc lập (hay biến giải thích). Mô hình này sẽ mô tả hình thức của mối liên hệ và mức độ tác động của các biến độc lập lên biến phụ thuộc. Tương ứng với nội dung nghiên cứu của đề tài này, biến phụ thuộc là Sự hợp tác của các thành viên kênh, còn các biến độc lập là các đánh giá của khách hàng đối với chính sách khuyến khích thành viên kênh mà Nhà phân phối Tuấn Việt đang áp dụng.
Phân tích hồi quy được thực hiện bằng phương pháp hồi quy từng bước (Stepwise) với phần mềm SPSS.
Mức độ phù hợp của mô hình được đánh giá bằng hệ số R2 điều chỉnh. Giá trị R
2 điều chỉnh không phụ thuộc vào độ lệch phóng đại của R 2 do đó được sử dụng phù hợp với hồi quy tuyến tính đa biến.
Kiểm định ANOVA được sử dụng để kiểm định độ phù hợp của mô hình tương quan, tức là có hay không có mối quan hệ giữa các biến độc lập hay biến phụ thuộc. Thực chất của kiểm định ANOVA đó là kiểm định F xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không, và giả thuyết H0 được đưa ra là β1= β2 = β3= β4 = β5 = 0. Trị thống kê F được tính từ giá trị R2 của mô hình đầy đủ, giá trị Sig. bé hơn mức ý nghĩa kiểm định sẽ giúp khẳng định sự phù hợp của mô hình hồi quy.