CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Phương pháp xử lý dữ liệu
3.3.1. Kiểm tra dữ liệu
Các dữ liệu thu được sau khảo sát được xử lý bằng SPSS trước khi thực hiện các phân tích tiếp theo, dữ liệu sẽ được kiểm tra tổng quát nhằm phát hiện các sai sót khi nhập liệu dữ liệu vào phần mềm. Các biến quan sát có xảy ra sai sót sẽ được chỉnh sửa, bổ sung hoặc loại bỏ để dữ liệu được chính xác nhất.
3.3.2. Phân tích hệ số tin cậy Cronbach’s Alpha
Sau khi đảm bảo q trình nhập liệu dữ liệu khơng cịn sai sót, dữ liệu của từng thang đo sẽ được tiến hành kiểm tra hệ số tin cậy nhằm đảm bảo sự tin cậy của các kết quả là dữ liệu thu được.
Q trình này được thực hiện như nhau khơng phân biệt là biến tin cậy hay biến phụ thuộc. Ở giai đoạn này, các biến nằm cùng với nhau trong một nhân tố sẽ được đưa vào kiểm định xem có đáng tin cậy và có phản ánh sự tương quan với nhau hay khơng. Các biến có độ tin cậy thấp, khơng đạt yêu cầu sẽ được xem xét chỉnh sửa hoặc loại bỏ trước khi tiến hành bước tiếp theo là phân tích nhân tố khám phá EFA. Về lý thuyết, hệ số tin cậy sẽ biến thiên trong khoảng [0;1] và hệ số tin cậy ở mức càng cao thì càng tốt. Tuy nhiên, có thể diễn ra tình trạng trùng ý nghĩa giữa các câu hỏi trong cùng một thang đo, nghĩa là các câu hỏi phần nào cùng đo lường một ý nghĩa khi hệ số Cronbach’s Alpha >0.95 (Nunnally và Bernstein, 1994; được trích dẫn bởi Nguyễn Đình Thọ, 2011).
Ở q trình này, một yếu tố khác để xác định giữ lại hay loại bỏ các biến là hệ số tương quan biến tổng. Hệ số này nằm ở mức >0.6 thì đủ điều kiện và sẽ tốt hơn nếu nằm ở mức 0.7 đến 0.8. Các biến có hệ số này đạt mức 0.3 trở lên thì đạt yêu cầu (Nunnally, J.
(1978), Psychometric Theory, New York, McGraw-Hill), đồng thời các biến có hệ số <0.3
sẽ được xem xét loại bỏ.
3.3.3. Phân tích EFA
Phâni tíchi nhâni tối khámi phái EFA là bướci i phân tích tiếpi theoi saui khii kiểmi địnhi hệ sối tini cậyi của từng thangi i đoi, q trình phâni tíchi này sẽ không sử dụng lại các biến đã được loại bỏ sau khi kiểm định độ tin cậy. Quá trình này một phương thức nhằmi để rúti gọni tậpi hợpi các biến quani i sáti thànhi mộti số lượng nhỏ hơn các nhân tố có ý nghĩa. Bên cạnh việc rút gọn cáci biếni quani sáti phâni tíchi EFA cũng sẽ giúp định hình lại cáci thangi
đoi. Tính hộii tụi vài phâni biệti trong EFA sẽ đánh giá các thang đo được xây dựng ban đầu (Nguyễn Đình Thọ, 2011) đồng thời phát hiện được các biến không tốt nhằm xem xét loại bỏ.
Trong quá trình này, điều đầu tiên để xác định xem phân tích nhân tố khám phá có tốt hay khơng là chỉ số KMO. Chỉ số này phải đạt giá trị từ 0.5 trở lên thì mới được
xem là thích hợp, cụ thể trong bài nghiên cứu này, chỉ số KMO phải thỏa mãn điều kiện là >0.8 thì mới được xem như đạt yêu cầu để tiếp tục phân tích.
Tiếp theo là kiểm định Bartlett nhằmi xemi xéti sự tươngi quani củai cáci biếni quani sáti trongi cùng một nhâni tối. Kiểmi địnhi Bartlett được xem là cói ýi nghĩai khii giá trị sig của <5% điều đó cho thấy được sự tương quan của các biến.
Hệ số phươngi saii tríchi được xem là phù hợp khi giá trị này ở mức >50%. Hệ số này thể hiện các nhân tố được trích ra ở đại diện được cho phần lớn dữ liệu được đưa vào.
Hệi sối tảii nhâni tối - trọng số nhâni tối, hệ số này được giao động trong khoảng [- 1:1] hệ số nàyi thểi hiệni sự tươngi quani giữai cáci biến quani i sáti vài nhân tối i. Hệi sối tảii nhân tố càngi caoi cho thấy mức độ tương quan của các biến và nhân tố càng lớn, ngược lại hệ số này sẽ càng giảm về -1 nếu mối tương quan giữa nhân tố và biến càng yếu. Giá trị này ở mức từ 0.3 trở lên thì mới có thể giữ lại biến quan sát, đạt giá trị >0.5 cho thấy về mặt thống kê các biến này có giá trị tốt và đạt giá trị >0.7 cho thấy các biến cói ýi nghĩai rất tốt vềi mặti thốngi kêi (Hair và cộng sự, 2009). Với cỡ mẫu nghiên cứu là 400 người, hệi sối tảii nhâni tối được đề nghị phải đạt được của nghiên cứu này là 0.3, các biến có giá trị lớn hơn 0.3 sẽ được giữ lại và các biến quan sát có giá trị nhỏ hơn 0.3 sẽ được loại bỏ.
3.3.4. Viết phương trình hồi quy
Sau khi tạo các biến đại diện cho từng nhóm nhân tố bằng cách tính giá trị trung bình cộng, các biến đại diện cho từng nhân tố sẽ được đưa vào phân tích và viết phương trình hồi quy.
Phân tích và viết phương trình hồi quy là bước cuối cùng của q trình phân tích các dữ liệu. Q trình này nhằm xáci địnhi các trọngi sối củai các nhâni tối độci lậpi táci độngi đếni các nhâni tối phụi thuộci, từi đói xác định đượci mứci ảnhi hưởngi củai cáci biếni độci lậpi đến biếni phụi thuộci bằng phươngi trình hồii quyi.
Ở q trình phân tích này, giá trị sig của kiểm định F phải <5% cho thấy mơ hình hồi quy là phù hợp và giá trị sig của kiểm định t phải <5% choi thấyi biếni độci lậpi cói sự táci độngi đếni biếni phụi thuộc và đủi i điềui kiệni để giữ lại thựci hiệni viết phương trình hồii quyi, các biến có giá trị sig >0.05 sẽ khơng được viết vào phương trình và khơng cần loại bỏ để thực hiện chạy lại.