Phương pháp xử lý số liệu

Tiến hành khảo sát 200 người tiêu dùng đã từng mua Chả cả SG Food tại quận Gò vấp bằng phương pháp chọn mẫu thuận tiện. Với tập dữ liệu thu về, sau khi hoàn tất việc sàng lọc, kiểm tra, mã hóa, nhập liệu và làm sạch dữ liệu, sẽ tiến hành xử lý số liệu bằng phần mềm SPSS 20.0 với một số phương pháp phân tích như sau:

3.4.2.1. Đánh giá độ tin cậy của thang đo

Quá trình phân tích dữ liệu nghiên cứu được thực hiện qua các giai đoạn:

Đánh giá độ tin cậy thang đo

Việc đánh giá độ tin cậy của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA thông qua phần mềm xử lý SPSS để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn độ tin cậy (biến rác). Trong đó:

Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát thông qua hệ số Cronbach’s Alpha. Theo nhiều nhà nghiên cứu (Nunally,1978; Peterson, 1994; Slater, 1995) đề nghị hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể chấp nhận được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu. Tuy nhiên, theo Nunnally và cộng sự (1994), hệ số Cronbach’s Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach’s Alpha, người ta còn sử dụng hệ số tương quan biến tổng (iterm-total correlation) và những biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ (Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

3.4.2.2. Phân tích nhân tố khám phá EFA

Phân tích nhân tố khám phá EFA được sử dụng phổ biến để đánh giá giá trị thang đo (tính đơn hướng, giá trị hội tụ và giá trị phân biệt) hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các thuộc tính của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:

Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến không có tương quan với nhau trong tổng thể) bị bác bỏ và EFA được gọi là thích hợp khi: 0,5 ≤KMO ≤ 1 và Sig < 0,05. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Engenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue >1 và được chấp nhận khi tổng phương sai trích ≥ 50%. Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và cộng sự (2009), Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng. Ngoài ra, trường hợp các biến có Factor loading được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp nhận < 0,3).

Trong quá trình EFA, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax; loại bỏ các biến quan sát có trị số Factor loading ≤ 0,4 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factorloading giữa các nhân tố ≤ 0,3.

3.4.2.3. Phân tích tương quan - hồi qui

Phân tích tương quan

Kiểm tra tương quan giữa biến các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến nghĩa là một biến độc lập này có được giải thích bằng một biến khác (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Phân tích hồi quy bội

Sau khi kết luận các biến độc lập và biến phụ thuộc có mối quan hệ tuyến tính với nhau có thể mô hình hóa quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Kiểm định sự phù hợp của mô hình thông qua kiểm định F và hệ số R2 hiệu chỉnh.

Kiểm định giả thuyết về độ phù hợp của mô hình.

Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.

Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Kiểm định phương sai của sai số không đổi

MÔ HÌNH NGHIÊN CỨU ĐỀ XUẤT

DIỄN ĐẠT VÀ MÃ HÓA THANG ĐO