3.1.3.1 Phương pháp thống kê mô tả
Phƣơng pháp thống kê mô tả với các chỉ tiêu nhƣ tỷ lệ, tần suất, trung
bình,… đƣợc sử dụng để mô tả thực trạng hoạt động của các doanh nghiệp sơ chế
dừa với các nhà cung cấp nguyên vật liệu và nhà phân phối sản phẩm đầu ra đến
tay ngƣời tiêu dùng tại tỉnh Bến Tre.
Một số khái niệm:
Giá trị trung bình (Mean): bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát;
Số trung vị - Me (Median): giá trị của biến đứng ở vị trí giữa của một dãy số đã đƣợc sắp xếp theo thứ tựtăng hoặc giảm dần;
Mode-Mo (Mode): giá trị có tần số cao nhất trong dãy phân phối [5].
Phƣơng sai: sai số trung bình bình phƣơng giữa các lƣợng biến và số trung bình số học của các lƣợng biến đó: σ2 = ∑(xi-μ)2/N Trong đó: xi là giá trị lƣợng biến thứ i. μ là trung bình của tổng thể. N là sốđơn vị tổng thể.
-Độ lệch chuẩn là căn bậc hai của phƣơng sai [5].
Bảng phân phối tần số:
Tần số là số lần xuất hiện của một quan sát, tần số của một tổ là số quan sát
rơi vào giới hạn của tổđó. Phân tích tần số cho ta thấy mức độ tập trung của các giá trị giúp ta có cái nhìn tổng quan vềcác quan sát. Để lập một bảng phân tích tần số trƣớc hết ta phải sắp xếp dữ liệu theo một thứ tự nào đó tăng dần hoặc giảm dần.
Sau đó thực hiện các bƣớc sau:
Bước 1:Xác định số tổ:
HVTH: PHAN VĂN NI Trang 24
Bước 2:Xác định khoảng cách tổ
h = (Xmax - Xmin)/k
Trong đó: Xmax và Xmin lần lƣợt là lƣợng biến lớn nhất và nhỏ nhất trong dãy phân phối.
Bước 3:Xác định giới hạn trên và dƣới của mỗi tổ.
Giới hạn dƣới của tổđầu tiên sẽ là giá trị biến nhỏ nhất của dãy số phân phối,
sau đó lấy giới hạn dƣới cộng với khoảng cách tổ (h) sẽ đƣợc giá trị của giới hạn trên, lần lƣợt cho đến tổ cuối cùng. Giới hạn trên của tổ cuối cùng thƣờng là giá trị
biến lớn nhất của dãy số phân phối.
Bước 4: Xác định tần số của mỗi tổ bằng cách đếm số quan sát rơi vào
giới hạn của tổđó. Cuối cùng trình bày kết quả trên bảng biểu và sơ đồ.
Cách tính cột tần sốtích lũy: Tần số tích lũy của tổ thứ nhất chính là tần số
của nó, tần số của tổ thứ hai bao gồm tần số của tổ thứ nhất và cả tần số của tổ thứ
hai, tần số của thứ tổ ba là tần số của chính nó và tần số của cả hai tổ thứ nhất và thứ hai [5]
3.1.3.2 Hệ số tin cậy Cronbach’s Alpha
Phƣơng pháp Cronbach’s Alpha dùng để loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo
thông qua hệ số Cronbach’s Alpha. Những số có hệ số tƣơng quan biến tổng (it –
total correlation) nhỏhơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sửdụng trong trƣờng hợp khái niệm đang nghiên cứu mới (Nunnally,
1978; Peterson, 1994; Slater, 1995). Tuy nhiên, cũng cần lƣu ý rằng nếu Cronbach’s
Alpha quá cao (>0,95) thì có khảnăng xuất hiện biến quan sát thừa (Redunmant its) ở trong thang đo. Biến quan sát thừa là biến đo lƣờng một khái niệm hầu nhƣ trùng với biến đo lƣờng khác, tƣơng tự nhƣ trƣờng hợp cộng tuyến (collinearity) trong hồi quy,
3.1.3.3 Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá là một phƣơng pháp phân tích thống kê dùng để
rút gọn một tập hợp 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 nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998). Trong phân tích nhân tố, ta
cũng quan tâm đến chỉ số KMO (Kaiser - Meyer - Olkin) để xem xét sự thích hợp của mô hình phân tích nhân tố và tổng phƣơng sai trích cho thấy khảnăng giải thích của các nhân tố thay cho các biến ban đầu. Nếu chỉ số KMO nằm trong khoảng 0,5
đến 1 thì ta sử dụng phân tích nhân tố là thích hợp với dữ liệu nghiên cứu và thang
đo chỉđƣợc chấp nhận khi tổng phƣơng sai trích lớn hơn 50%. Đểxác định số nhân tố có rất nhiều phƣơng pháp để sử dụng, trong nghiên cứu này tác giả lựa chọn
phƣơng pháp thông dụng nhất là sử dụng hệ số eigenvalue (determination based on eigen value): chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích;
Nhƣợc điểm của phƣơng pháp này là khi qui mô mẫu lớn (trên 200), có nhiều khả năng sẽ có nhiều nhân tố thỏa mãn mức ý nghĩa thống kê mặc dù trong thực tế có nhiều nhân tố chỉ giải thích đƣợc một phần nhỏ toàn bộ biến thiên. Tiếp theo ta tiến hành xoay nhân tốtheo phƣơng pháp trích Principal Axis Factoring với phép xoay Promax (Oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phƣơng pháp trích Principal Compontents với phép xoay Varimax (Orthogonal)
(Gerbing & Anderson, 1988). Trong phƣơng pháp phân tích nhân tố đƣợc quan tâm nhất là hệ số tải nhân tố Factor loading. Theo Hair & ctg (1998), factor loading là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA, factor loading >0,3 đƣợc xem là
đạt đƣợc mức tối thiểu và cỡ mẫu nên chọn ít nhất là 350, Factor loading >0,4 đƣợc xem là quan trọng, nếu cỡ mẫu khoảng 100 thì factor loading >0,5 đƣợc xem là có ý
nghĩa thực tiễn, với sốmẫu 201 nên tác giả chọn hệ số tải nhân tố Factor loading >0,5[2].
HVTH: PHAN VĂN NI Trang 26