CHƯƠNG 2 THIẾT KẾ NGHIÊN CỨU
2.6. Các thủ tục phân tích dữ liệu sử dụng trong nghiên cứu
2.6.1. Phân tích độ tin cậy bằng hệ số Cronbach alpha
Độ tin cậy của thang đo được đánh giá bằng phương pháp phân tích 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).
- Các biến quan sát có tương quan biến - tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:
- Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ hơn 0,4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
- Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).
2.6.2. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Các thang đo đạt yêu cầu về độ tin cậy sẽ được sử dụng phân tích nhân tố để rút gọn một tập gồm nhiều biến quan sát thành một tập biến (gọi là nhân tố) ít hơn; các
nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu (Hair, Anderson, Tatham và Black; 1998).
Phương pháp phân tích nhân tố khám phá EFA được dùng để kiểm định giá trị khái niệm của thang đo (dẫn theo Lê Ngọc Đức, 2008).
Bảng 2.4: Các bước phân tích nhân tố EFA Bước Nội dung
1 Đối với các biến quan sát đo lường các khái niệm thành phần là các nhân tố ảnh hưởng đến sự hài lòng của khách tham quan tại Bảo tàng Đà Nẵng, nghiên cứu này sử dụng phương pháp trích nhân tố PrincipalAxis factoring với phép quay Varimax
2 - Kiểm định Bartlett: các biến quan sát có tương quan với nhau trong tổng thể
- Xem xét giá trị KMO: 0,5≤KMO≤1 thì phân tích nhân tố là thích hợp với dữ liệu, ngược lại kmo≤0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc - 2005)
- Để phân tíc EFA có giá trị thực tiễn: tiến hành loại các biến quan sát có hệ số nhân tố >0,5
- Xem lại thông số Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗ nhân tố) có giá trị >1
- Xem xét giá trị tổng phương sai trích (yêu cầu là ≥ 50%): cho biết các nhân tố được trích giải thích được % sự biến thiên của các biến quan sát Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA:
- Sử dụng phương pháp trích yếu tố là Principal components với phép quay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues =1. Với các thang đo đơn hướng thì sử dụng phương pháp trích yếu tố Princial components. Tiến hành loại các biến số có trọng số nhân tố (còn gọi là hệ số tải nhân tố) nhỏ hơn 0,4 và tổng phương sai trích được bằng hoặc lớn hơn 50% (thang đo được chấp nhận) (Gerbing & Anderson, 1988; dẫn theo Nguyễn Đình Thọ& Nguyễn Thị Mai Trang, 2009).
mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0,3 là đạt được mức tối thiểu; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0,3; nếu cỡ mẫu khoảng 100 thì chọn hệ số tải nhân tố lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0,75 (Hair, Anderson, Tatham và Black; 2008).
2.6.3. Phân tích tương quan
Sau quá trình thực hiện kiểm định thang đo: đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA); tiến hành tính toán nhân số của nhân tố (giá trị của các nhân tố trích được trong phân tích nhân tố EFA) bằng cách tính trung bình cộng của các biến quan sát thuộc nhân tố tương ứng.
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi quy đa biến để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.
Phân tích tương quan
- Kiểm định mối tương quan tuyến tính giữa các biến trong mô hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Đồ thị phân tán cũng cung cấp thông tin trực quan về mối tương quan tuyến tính giữa hai biến. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng: giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
- Trong mô hình nghiên cứu, kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập; đồng thời cũng xem xét mối tương quan giữa các biến độc lập với nhau để nhận dạng hiện tượng đa cộng tuyến.
Phân tích hồi quy đa biến
- Sau khi kết luận là hai biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính (Hoàng Trọng &
Chu Nguyễn Mộng Ngọc, 2005).
- Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.
- Phương trình hồi quy đa biến cho mô hình nghiên cứu đề xuất ban đầu (theo mô hình lý thuyết):
SUHAILONG=β0+β1*SUHUUHINH+β2*DOTINCAY+β3*SUCAMTHONG + β4*DAMBAO +β5*DAPUNG
Thông tin các biến trong mô hình - SUHAILONG: sự hài lòng - SUHUUHINH: sự hữu hình - DOTINCAY: độ tin cậy
- SUCAMTHONG: sự cảm thông - DAMBAO: mức độ đảm bảo - DAPUNG: khả năng đáp ứng
Kiểm định các giả thuyết, sử dụng với phần mềm SPSS:
- Đánh giá độ phù hợp của mô hình hồi quy đa biến - Kiểm định giả thuyết về độ phù hợp của mô hình
- Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 2 thì có thể nhận xét có hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
- Xác định mức độ ảnh hưởng của các nhân tố tác động đến sự hài lòng của khách tham quan: nhân tố có hệ số β càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các nhân tố khác trong mô hình nghiên cứu.