CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.4 Nghiên cứu định lƣợng
3.4.1 Mẫu nghiên cứu
Tổng thể nghiên cứu: là xã viên tại Hợp tác xã vận tải đƣờng thủy tại thành phố Nha Trang.
Phƣơng pháp chọn mẫu: Phƣơng pháp đƣợc lựa chọn là phƣơng pháp thuận tiện. Bảng câu hỏi sẽ đƣợc gửi đến những đối tƣợng thỏa điều kiện là xã viên của Hợp tác xã vận tải đƣờng thủy tại Nha Trang. Việc khảo sát không tập trung vào một khung giờ nhất định nào và trải đều các đối tƣợng xã viên để có đƣợc kết quả khách quan, đảm bảo khả năng đại diện cho mẫu.
Theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2011), đối với nghiên cứu sử dụng phƣơng pháp phân tích nhân tố khám phá (EFA) kích thƣớc mẫu tối thiểu phải là 50, tốt hơn là 100 và kích thƣớc mẫu tối thiểu là 5 mẫu cho một tham số cần ƣớc lƣợng. Còn theo Tabachnick và Fidell (1996), đối với đề tài sử dụng phƣơng pháp phân tích hồi quy thì cơng thức kinh nghiệm sẽ là tổng thể mẫu nghiên cứu N ≥ 8*m + 50 với m là số biến nghiên cứu độc lập.
Phƣơng pháp lấy mẫu đƣợc tiến hành theo phƣơng pháp ngẫu nhiên thuận tiện. Đề tài sử dụng hai phƣơng pháp phân tích EFA và phân tích hồi quy nên với kích thƣớc mẫu này đủ để đảm bảo đƣợc phân tích EFA (37*5=185) và cả phân tích hồi quy tuyến tính bội (10*8 + 50 = 130).
Với nghiên cứu này để đảm bảo lƣợng thông tin cho nghiên cứu tác giả chọn số lƣợng mẫu là 300.
Với 300 bảng câu hỏi đƣợc gửi đến các xã viên và thu về đƣợc 299 bảng trả lời trong đó có 49 phiếu khơng đạt u cầu và những phiếu không đạt yêu cầu đƣợc gửi về cho ngƣời đƣợc phỏng vấn để bổ sung hồn thiện. Kết quả có 250 phiếu trả
lời đƣợc dùng trong nghiên cứu.
3.4.2 Xữ lý dữ liệu
Dữ liệu nghiên cứu sau khi thu thập sẽ đƣợc xử lí trên phần mềm SPSS 25.0 theo trình tự sau:
Phân tích độ tin cậy (hệ số Cronbach’s Alpha)
Sử dụng phƣơng pháp hệ số tin cậy Cronbach’s Alpha trƣớc khi phân tích nhân tố khám phá EFA để loại các biến nghiên cứu khơng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ, 2011). Tiêu chuẩn chọn thang đo khi có độ tin cậy Cronbach’s Alpha từ 0.8 trở lên và các biến quan sát có hệ số tƣơng quan biến tổng phải lớn hơn 0.3. Tuy nhiên trong trƣờng hợp khái niệm đo lƣờng là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu thì hệ số Cronbach’s Alpha từ 0.6 trở lên là chấp nhận đƣợc (Peterson, 1994). Trong nghiên cứu này, tác giả chọn tiêu chuẩn hệ số tin cậy lớn hơn 0.6 và tƣơng quan biến tổng lớn hơn 0.3.
Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis) nhằm rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập hợp ít biến hơn để chúng có ý nghĩa hơn.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, cịn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Ngoài ra, phân tích nhân tố cịn dựa vào Eigenvalue để xác định số lƣợng nhân tố. Đại lƣợng Eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc, do đó chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mơ hình.
Phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) và ma trận nhân tố khi các nhân tố đƣợc xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Hệ số tải nhân tố (factor loading) biểu diễn tƣơng quan giữa các biến và các nhân tố, cho biết nhân tố và biến có liên quan chặt chẽ với nhau hay không. Nghiên cứu sử dụng phƣơng pháp trích nhân tố Principal components với phép quay Varimax nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Sau khi rút trích đƣợc các nhân tố, tiến hành lƣu lại các nhân số (trị số của các biến tống hợp) để tạo thành các biến mới dùng cho các phƣơng phân tích tƣơng quan và hồi quy tiếp theo.
Phân tích tƣơng quan
Ngƣời ta sử dụng hệ số tƣơng quan Pearson để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng. Nếu giữa 2 biến có sự tƣơng quan chặt thì phải lƣu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Giá trị tuyệt đối r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính giữ các biến. Giá trị r = 0 chỉ ra rằng hai biến khơng có mối lien hệ tuyến tính. Cần xem xét hiện tƣợng đa cộng tuyến khi phân tích hồi quy nếu giá trị tuyệt đối của hệ số tƣơng quan Pearson lớn hơn 0.4. Trong phân tích tƣơng quan Pearson, khơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều đƣợc xem xét nhƣ nhau. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích Hồi quy
Trong phân tích hồi qui, để mơ hình có ý nghĩa và đƣợc chấp nhận thì trị số thống kê F đƣợc tính bằng R2 có giá trị sig. < 0.05. Hệ số R2 hiệu chỉnh thể hiện mức độ giải thích của mơ hình hồi quy tuyến tính đa biến. Mơ hình tốt nếu có R2 hiệu chỉnh lớn hơn 0.5.
Mơ hình hồi qui đƣợc xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng đƣợc phƣơng trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:
- Khơng có tƣơng quan chuỗi bậc nhất trong mơ hình;
- Có liên hệ tuyến tính giữa các biến độc lập với biến phụ thuộc; - Phần dƣ của biến phụ thuộc có phân phối chuẩn;
- Khơng có tƣơng quan giữa các biến độc lập (khơng có hiện tƣợng đa cộng tuyến).
Tóm tắt chƣơng 3
Chƣơng 3 trình bày quy trình nghiên cứu và phƣơng pháp nghiên cứu sử dụng trong luận án. Nghiên cứu đƣợc thực hiện thông qua hai giai đoạn: Nghiên cứu sơ bộ (nghiên cứu định tính và nghiên cứu định lƣợng sơ bộ) và nghiên cứu định lƣợng chính thức. Kết quả nghiên cứu định tính nhằm chuẩn hóa mơ hình lý thuyết, bổ sung và điều chỉnh thang đo của các khái niệm nghiên cứu để phù hợp với ngữ cảnh nghiên cứu. Kĩ thuật sử dụng trong nghiên cứu định tính là thảo luận tay đơi với chun gia.
Nghiên cứu định lƣợng sơ bộ đƣợc thực hiện với mẫu là 299 xã viên. Kết quả nghiên cứu sơ bộ thông qua phƣơng pháp đánh giá hệ số tin cậy Cronbach’s Alpha và phân tích yếu tố khám phá (EFA) cho thấy các thang đo đều đạt yêu cầu về độ tin cậy, giá trị hội tụ và giá trị phân biệt. Vì vậy, các thang đo này đƣợc sử dụng trong nghiên cứu định lƣợng chính thức với kích thƣớc mẫu là 250.