Đề tài sử dụng phần mềm SPSS 20.0 để hỗ trợ trong việc phân tích số liệu. Các phương pháp phân tích được sử dụng trong việc giải quyết các mục tiêu của đề
tài như: phân tích thống kê mô tả, phân tích bảng chéo, phân tích tần số, Phân tích Cronbach’s Alpha, Phân tích nhân tố, Phân tích hồi tuyến tính bội và kiểm định sự khác biệt One - Way Anova.
2.2.2.1 Thống kê mô tả
Thống kê mô tả là một trong hai chức năng chính của thống kê (thống kê mô tả và thống kê ứng dụng), là tập hợp tất cả các phương pháp đo lường, mô tả và trình bày số liệu bằng các phép tính và các chỉ số thống kê thông thường như số trung bình (Mean), số trung vị (Median), phương sai (Variance), độ lệch chuẩn (Standard deviation)...cho các biến số liên tục và các tỷ số (Proportion) cho các biến số không liên tục. Trong phương pháp thống kê liên tục, các đại lượng thống kê mô tả chỉ được tính đối với các biến định lượng.
Một số khái niệm:
- Giá trị trung bình (Mean/Average): bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát.
- Số trung vị (Median) – ký hiệu Me: là giá trị của biến đứng ở giữa của một dãy số đã được sắp xếp theo thứ tự tăng hoặc giảm dần. Số trung vị chia dãy số làm 2 phần, mỗi phần có số quan sát bằng nhau.
- Mode – ký hiệu Mo: là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một dãy số phân phối.
- Phương sai: là trung bình giữa bình phương các độ lệch giữa các biến và trung bình của các biến đó.
- Độ lệch chuẩn: là căn bậc hai của phương sai.
2.2.2.2 Phân tích bảng chéo (Cross - tabulation)
Phân tích bảng chéo là một kỹ thuật thống kê mô tả hai hay ba biến cùng lúc vào bảng kết quả phản ánh sự kết hợp hai hay nhiều biến có số lượng hạn chế trong
phân loại hoặc trong giá trị phân biệt. Phân tích bảng chéo thường được sử dụng là hai biến và ba biến.
Phương pháp này được sử dụng để phân tích, đánh giá tính tương quan và sự thay đổi các tỷ lệ của các nhóm chỉ tiêu định tính, cụ thể hơn thì phân tích bảng chéo là phân tích mối liên hệ của biến phụ thuộc Y với các biến độc lập X, hay nói cách khác Y là hàm số của X theo phương trình Y = F(X).
Trong nghiên cứu này sử dụng 2 biến phụ thuộc Y: Y1: tần suất mua sắm với biến độc lập X (thu nhập).
Y2: đối tượng sử dụng sản phẩm mua sắm trực tuyến với biến độc lập X (tình trạng hôn nhân).
Kiểm định Chi bình phương được sử dụng để kiểm định mức ý nghĩa của các phân tích, đánh giá đó.
Khi thực hiện kiểm định, ta có 2 giả thuyết: H0: không có mối quan hệ giữa các biến. H1: có mối quan hệ giữa các biến.
Để kết luận là chấp nhận hay bác bỏ giả thuyết H0, ta sẽ dùng các kiểm định phù hợp. Trong nghiên cứu này sử dụng kiểm định Chi bình phương và mức ý nghĩa là 5%. Dựa vào giá trị P (p-value, trong SPSS viết tắt p-value là sig.) để kết luận là chấp nhận hay bác bỏ giả thuyết H0.
Nếu P-value (sig.) ≤ α (mức ý nghĩa) bác bỏ giả thuyết H0: có nghĩa là có mối quan hệ có ý nghĩa giữa các biến cần kiểm định.
Nếu P-value (sig.) >α (mức ý nghĩa) chấp nhận H0: không có mối quan hệ giữa các biến cần kiểm định.
2 2.2.3 Phương pháp phân tích tần số (Frequency table)
Phương pháp phân tích tần số là phương pháp đếm tần số xuất hiện cho ta biết chỉ tiêu nào được ưa thích hơn. Thông qua chạy phần mềm SPSS ta có bảng tần số và dựa vào đó ta đánh giá chỉ tiêu được yêu thích hơn.
2.2.2.4 Phương pháp kiểm định Cronbach alpha
Phương pháp Cronbach 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 bằng hệ số Cronbach Alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Vì vậy đối với đề tài này tác giả sử dụng hệ số Cronbach’s Alpha là 0,6.
2.2.2.5 Phương pháp phân tích nhân tố khám phá (EFA)
Mục đích của phương pháp phân tích này là nhóm lại các biến có xu hướng tương đương nhau về mặt ý nghĩa. Đầu tiên ta đặt giả thuyết sao cho phù hợp với mục đích nghiên cứu. Sau đó, ta chạy SPSS ta có các bảng cần phải phân tích:
Bảng kiểm định Barlett’s: với mức ý nghĩa α đưa ra trước, nếu sig < α thì bác bỏ giả thuyết H0.
Bảng ma trận tương quan (Correlation Matrix): ta xem các giá trị gần bằng 0,5 hay lớn hơn 0,5 để ta nhóm lại và phán đoán có bao nhiêu nhóm nhân tố.
Tiếp theo, ta dựa vào phương sai tổng hợp từng nhân tố (Eigenvalue): những nhân tố có Eigenvalue > 1 mới được đưa vào mô hình; đồng thời, số nhân tố được chọn vào mô hình phải có tổng phương sai tích lũy giữa hai nhân tố lơn hơn 60%.
Từ bảng ma trận chuẩn hóa (Rotated Component Matrix) và bảng ComponentScore Coefficient Matrix, ta có kết quả định tính và định lượng về số nhân tố chung được tạo ra và biến nào ảnh hưởng đến biến nhân tố chung nhiều hơn.
Cuối cùng, bản thân nhân tố được chọn có thể diễn tả như những kết hợp tuyến tính của các biến quan sát.
Phương trình phân tích nhân tố: Fi = wi1X1 + wi2X2 +…+ wikXk Trong đó:
Fi: ước lượng trị giá nhân tố thứ i
wi: trọng số hay hệ số điểm nhân tố thứ i k: số biến
Hình 2.6 Tiến trình phân tích nhân tố 2.2.2.6 Phương pháp hồi quy tuyến tính bội
Sau khi tìm ra được các nhóm nhân tố ảnh hưởng đến chất lượng dịch vụ mua sắm trực tuyến hàng may mặc. Từ đó, để xác định nhân tố nào ảnh hưởng nhiều nhất đến quyết định mua sắm trực tuyến hàng may mặc, tác giả sử dụng phương pháp hồi quy tuyến tính (Regression Analysis).
Xác định vấn đề nghiên cứu Lập ma trận tương quan
Xác định số nhân tố Giải thích các nhân tố
Tính điểm nhân tố Chọn nhân tố thay thế
Mục đích của việc thiết lập mô trình hồi quy là tìm ra nhân tố nào ảnh hưởng đến một tiêu chí nào đó. Xác định các nhân tố ảnh hưởng tốt để phát huy và nhân tố ảnh hưởng xấu để khắc phục.
Phương trình hồi quy có dạng: YI = +1X1 +2X2+…+ kXk Trong đó:
Y: biến phụ thuộc (quyết định mua sắm trực tuyến hàng may may mặc của nữ giới tại tỉnh Hậu Giang)
Xi (i = 1, 2,…, k): biến độc lập (các nhân tố được rút ra từ phân tích nhân tố) : hệ số chặn của phương trình hồi quy
: các tham số hồi quy
Kết quả từ SPSS có các thông số sau:
Multiple R: hệ số tương quan bội (Multiple Corrlation Corfficient) nói lên tính liên hệ chặt chẽ của mối liên hệ giữa biến phụ thuộc Y và các biến độc lập Xi, R càng lớn thì mối liên hệ càng chặt chẽ (-1 ≤ R ≤ 1).
Hệ số xác định đã điều chỉnh R2 (Adjusted Corfficient of Determination), đây là một chỉ số quan trọng để chúng ta nên thêm bớt một biến độc lập vào phương trình hồi quy.
Giá trị F, giá trị này cho ta kết luận mô hình hồi quy có ý nghĩa khi nó nhỏ hơn mức ý nghĩa nào đó và giá trị Significance F cũng là cơ sở quyết định chấp nhận hay bác bỏ H0 trong kiểm định bao quát các tham số của mô hình hồi quy. Nói chung F càng lớn thì khả năng bác bỏ giả thuyết H0 càng cao – giả thuyết H0 cho rằng tất cả các tham số hồi quy đều bằng 0, nghĩa là các biến độc lập (Xi) không liên quan tới biến phụ thuộc Y.
Phương trình các yếu tố ảnh hưởng quyết định mua sắm trực tuyến hàng may của nữ giới tại tỉnh Hậu Giang:
CHƯƠNG 3
TỔNG QUAN VỀ TỈNH HẬU GIANG