V- Cán bộ hướng dẫn: (Ghi rõ học hàm, học vị, họ, tên)
3.2.2. Nghiên cứu định lượng:
Bảng câu hỏi sau khi được xây dựng xong, đưa vào khảo sát thực tế. Dữ liệu được mã hoá thành các biến, nhập và làm sạch dữ liệu trước khi xử lý nhằm mục đích phát hiện các sai sót như khoảng trống hoặc trả lời không hợp lệ. Thông tin thu thập được xử lý bằng phần mềm SPSS 18.0 với 3 bước:
-30-
Bước 1: Kiểm định chất lượng của thang đo
Đánh giá độ tin cậy và độ giá trị các thang đó. Độ tin cậy của thang đo được đánh giá qua hệ số Cronbach’s Alpha, qua đó các biến không phù hợp sẽ bị loại nếu hệ số tương quan biến tổng của các biến quan sát (Corrected Item - Total Correlation) lớn hơn 0,3 và tiêu chuẩn để chọn thang đo là có độ tin cậy Alpha từ 0,6 trở lên (Nunnally and Burnstein, 1994)
Bước 2: Phân tích nhân tố khám phá (Exploratory Factor Analysis, EFA)
+ Kiểm định tính thích hợp của EFA.
Sử dụng thước đo KMO (Kaiser – Meyer – Olkin) để đánh giá sự thích hợp của mô hình EFA đối với ứng dụng vào dữ liệu thực tế nghiên cứu.
Khi trị số KMO thỏa mãn điều kiện: 0,5 < KMO <1, phân tích nhân tố khám phá là thích hợp cho dữ liệu thực tế.
+ Kiểm định tương quan của các biến quan sát trong thước đo đại diện. Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (nhân tố). Khi mức ý nghĩa (Significance, Sig.) của kiểm định Bartlett nhỏ hơn 0,05 thì các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
+ Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố.
Sử dụng phần trăm phương sai tích lũy (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phương sai trích nhất thiết phải lớn hơn 50% (Nguyễn Đình Thọ, 2011). Ví dụ khi phương sai trích là 65% có nghĩa là 65% thay đổi của các nhân tố được giải thích bởi các biến quan sát (thành phần của Factor).
Bước 3: Phân tích hồi quy đa biến (Multiple Regression Analysis, MRA)
+ Kiểm định tương quan từng phần của các hệ số hồi quy.
Mục tiêu của kiểm định này nhằm xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ý nghĩa (Sig.) của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig. ≤ 0,05), ta kết
-31-
luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
+ Mức độ phù hợp của mô hình.
Mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình được xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng không và mô hình được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không.
Giả thuyết: Ho: các hệ số hồi quy đều bằng không H1: có ít nhất một hệ số hồi quy khác không
Sử dụng phân tích phương sai (analysis of variance, ANOVA) để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig.≤ 0,05), chấp nhận giả thiết H1, mô hình được xem là phù hợp.