Khảo sát được tiến hành bằng phương pháp phỏng vấn trực tiếp các khách hàng đang điều trị nội trú tại bệnh viện, tác giả đi đến từng khoa điều trị để phá phiếu khảo sát.
Sau đó, dữ liệu được xử lý bằng Microsoft Excel và được phân tích bằng chương trình SPSS 20.0. Qua quá trình phân tích dữ liệu được thực hiện qua các giai đoạn như sau:
Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Một thang đo được coi là có giá trị khi nó đo lường đúng cái cần đo, có ý nghĩa là phương pháp đo lường đó không có sai lệch mang tính hệ thống và sai lệch ngẫu nhiên. Điều kiện đầu tiên cần phải có là thang đo áp dụng phải có độ tin cậy. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0.8 đến 1 thì thang đo lường là tốt, từ 0.7 đến 0.8 là sử dụng được. Cũng có nhiều nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nguyễn Đình Thọ 2013).
Trong nghiên cứu này, tác giả quyết định sử dụng tiêu chuẩn Cronbach’s Alpha lớn hơn hoặc bằng 0.6 và các biến quan sát hệ số tương quan biến tổng (Corrected item- total correlation) nhỏ hơn 0.3 sẽ bị loại (Nguyễn Đình Thọ 2013).
Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis)
Phân tích nhân tố khám phá EFA được dùng để kiểm định giá trị khái niệm của thang đo. Các tham số thống kê trong phân tích EFA như sau:
- Đánh giá chỉ số Kaiser - Mayer - Olkin (KMO) để xem xét sự thích hợp của phân tích nhân tố khám phá (EFA), chỉ số KMO phải thỏa mãn điều kiện 0.5< KMO<1 (Đinh Phi Hổ 2012).
- Kiểm định Barlett dùng để xem xét các biến quan sát có tương quan với nhau trong một thang đo. Khi mức ý nghĩa của kiểm định Bartlett nhỏ hơn 0.05 thì các biến quan sát có tương quan tuyến tính với nhân tố đại diện (Đinh Phi Hổ 2012).
- Các trọng số nhân tố (factor loading) nhỏ hơn 0.5 trong EFA sẽ tiếp tục bị loại bỏ, và chênh lệch trọng số của các thang đo phải >0.3, tuy nhiên nếu thang đo không quá nhỏ (>0.4) có thể giữ các biến đóng vai trò quan trọng. Phương pháp trích hệ số sử dụng là Principal Component Analysis (PCA) và điểm dừng khi trích các nhân tố có Eigenvalue lớn hơn 1, trị số phương sai trích nhất thiết phải lớn hơn 50% (Đinh Phi Hổ 2012)
Kiểm định giả thuyết nghiên cứu bằng mô hình hồi quy tuyến tính (Multple Regression Analysis, MRA)
Kiểm định tương quan từng phần của các hệ số hồi qui nhằm xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xem xét riêng từng biến độc lập). Khi mức ý nghĩa của hệ số hồi qui từng phần có độ tin cậy ít nhất 95% (Sig<0.05), kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc (Đinh Phi Hổ 2012)
Rà soát các giả định:
- Kiểm định độ phù hợp của mô hình.
- Kiểm định giả thuyết của phân phối chuẩn của phần dư. - Kiểm định hiện tượng tự tương quan.
- Kiểm định về hiện tượng đa cộng tuyến.