Thiết kế nghiên cứu định lƣợng

Một phần của tài liệu (LUẬN văn THẠC sĩ) nghiên cứu mối quan hệ giữa chất lượng dịch vụ và sự hài lòng của hộ dân đối với hoạt động thu gom rác thải sinh hoạt tại thành phố quy nhơn (Trang 53 - 59)

7. Tính mới của đề tài

2.2.3 Thiết kế nghiên cứu định lƣợng

Nghiên cứu định lƣợng dùng để kiểm định thang đo, mô hình nghiên cứu và giả thuyết nghiên cứu đã điều chỉnh từ nghiên cứu định tính. Các thang đo này đƣợc kiểm định bằng phƣơng pháp hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA. Sau khi kiểm định thang đo, tác giả sẽ tiếp tục kiểm định giả thuyết và mô hình nghiên cứu từ các biến quan sát còn lại bằng phƣơng pháp phân tích tƣơng quan - hồi quy.

2.2.3.1 Chọn kích thước mẫu, phương pháp diều tra chọn mẫu

Để có thể thực hiện phân tích nhân tố EFA và kiểm định hồi quy bội, tác giả dùng hai cách để xác định kích thƣớc mẫu nhƣ sau:

Theo Hair và các cộng sự cho rằng để sử dụng EFA, kích thƣớc mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát/biến đo lƣờng là 5:1, nghĩa là 1 biến đo lƣờng cần tối thiểu là 5 quan sát, tốt nhất là 10:1, có nghĩa là kích thƣớc mẫu tối thiểu phải là n>=5*x+5 với x là tổng số biến quan sát. Theo đó, dựa vào số biến quan sát tác giả đã nêu ở mô hình đã hiệu chỉnh là 32, thì sẽ có n>= 5*32 + 5 = 165 mẫu.

Công thức kinh nghiệm thƣờng dùng để tính kích thƣớc mẫu cho kiểm định hồi quy bội nhƣ sau: n>= 50+8p với p là số lƣợng biến độc lập trong hình. Theo đó, với số biến độc lập là 5 theo nhƣ mô hình nghiên cứu chính thức, tính đƣợc n>= 50+8*5=90 mẫu.

Dựa theo hai cách tính ở trên, cần phải thu thập ít nhất 165 mẫu đạt yêu cầu để thực hiện các bƣớc phân tích tiếp theo, do đó, tác giả dự kiến khảo sát 220 mẫu để có thể đạt đƣợc kết quả nghiên cứu có ý nghĩa.

Trong nghiên cứu chính thức, phƣơng pháp nghiên cứu định lƣợng với phƣơng pháp chọn mẫu phi xác suất sẽ đƣợc tác giá sử dụng cho nghiên cứu này. Theo đó, tác giả sẽ tiếp cận với đối tƣợng nghiên cứu bằng phƣơng pháp thuận tiện. Tác giả sẽ chọn các đối tƣợng mà họ có thể tiếp cận đƣợc. Ƣu điểm của phƣơng pháp này là dễ tiếp cận đối tƣợng và thƣờng sử dụng khi bị giới hạn về thời gian và chi phí. Nhƣng phƣơng pháp này lại không xác định đƣợc sai số do lấy mẫu. Do đối tƣợng khảo sát là những hộ dân sử dụng dịch vụ thu gom rác sinh hoạt nên bảng câu hỏi khảo sát đƣợc gửi cho những cá nhân mà tác giả có thể tiếp cận theo cách thức khảo sát trực tuyến thông qua google form: tác giả tạo bảng khảo sát trên Google form và tiến hành chia sẻ link trên các trang mạng xã hội, diễn đàn; đồng thời vẫn sử dụng bản in giấy

để phỏng vấn trực tiếp các hộ dân chƣa tiếp xúc với phần mềm trên google form…

Kết quả tác giả nhận đƣợc 220 bảng kết quả, trong đó có 205 bảng kết quả khảo sát hợp lệ do có câu không trả lời, có câu ghi ý kiến khác.

2.2.3.2 Thiết kế bảng câu hỏi và thang đo

Tác giả sử dụng thang đo khoảng cách để thực hiện nghiên cứu, đây là thang đo cho độ chính xác cao và đƣợc sử dụng rộng rãi trong phân tích thống kê. Thang đo Likert 5 điểm từ mức độ “Hoàn toàn không đồng ý” đến “Hoàn toàn đồng ý” đƣợc sử dụng trong bảng câu hỏi.

Nội dung bảng câu hỏi bao gồm 5 phần (chi tiết bảng câu hỏi đƣợc thể hiện tại Phụ lục 2) gồm:

- Những câu giới thiệu;

- Những câu hỏi để thu thập thông tin khách hàng;

- Các câu hỏi gạn lọc để chọn đúng đối tƣợng khảo sát là những hộ dân đang sử dụng dịch vụ thu gom rác thải sinh hoạt là hộ gia đình và hộ có kinh doanh tại nhà;

- Những câu hỏi đánh giá của hộ dân về dịch vụ thu gom rác thải sinh hoạt tại các hộ dân;

- Những câu hỏi về phƣơng tiện, mức giá dịch vụ; - Và lời cảm ơn.

2.2.3.3 Phương pháp nghiên cứu định lượng và kiểm định kết quả nghiên cứu

Sau khi thu thập dữ liệu, tác giả sẽ tiến hành làm sạch, mã hóa và nhập liệu vào phần mềm SPSS để sử dụng cho các phân tích dữ liệu. Các bƣớc phân tích đƣợc tiến hành nhƣ sau:

- Thống kê mô tả dữ liệu.

- Kiểm định Cronbach’s Alpha (kiểm định độ tin cậy của thang đo để loại bỏ các biến không phù hợp):

Hệ số Cronbach’s Alpha đƣợc dùng để loại bỏ các biến không phù hợp và hạn chế các biến “rác” trong quá trình nghiên cứu, đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha. Hệ số đo lƣờng tính nhất quán nội tại của thang đo, hệ số càng cao thể hiện tính đồng nhất của các biến càng cao tức là mức độ liên kết của các biến đo lƣờng càng cao. Theo các nhà nghiên cứu, Cronbach’s Alpha từ 0,8 trở lên là thang đo lƣờng tốt, nhƣng nếu khái niệm nghiên cứu là mới hoặc mới đối với ngƣời trả lời thì có thể chấp nhận đƣợc Cronbach’s Alpha từ 0,6 trở lên.

Ngoài ra, hệ số Cronbach’s Alpha khi loại biến phải nhỏ hơn hệ số Cronbach’s Alpha của thang đo theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc [16].

Tuy nhiên hệ số Cronbach’s Alpha chỉ đo lƣờng độ tin cậy của thang đo chứ không tính đƣợc độ tin cậy của từng biến quan sát, hay nói cách khác hệ số Cronbach’s Alpha không cho biết biến đo lƣờng nào cần đƣợc bỏ đi hay giữ lại, vì vậy, cần phải xét thêm hệ số tƣơng quan tổng biến của các biến. Nếu các biến có hệ số tƣơng quan tổng biến nhỏ hơn 0,3, đƣợc coi là biến “rác” và có thể loại ra khỏi thang đo.

- Phân tích nhân tố khám phá EFA:

Đây là một phƣơng pháp phân tích thống kê nhằm rút gọn một tập nhiều biến quan sát thành một nhóm để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hết các nội dung thông tin của biến ban đầu.

Phân tích nhân tố khám phá EFA theo phƣơng pháp trích Principle Component, sử dụng phép xoay Varimax để phân nhóm các yếu tố, sau đó tiến hành xem xét các chỉ số:

+ Hệ số tải nhân số: các biến có hệ số tải nhân số nhỏ hơn 0,3 sẽ bị loại. + Hệ số KMO (Kaiser-Mayer-Olkin): đƣợc dùng để xem xét sự thích hợp của phân tích nhân tố, hệ số KMO phải có giá trị trong khoảng 0,5 đến 1

thì phân tích mới thích hợp, còn nếu giá trị nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu..

+ Để xác định số lƣợng nhân tố, tác giả dùng hệ số eigenvalue đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mô hình.

+ Thang đo đƣợc chấp nhận với tổng phƣơng sai trích đƣợc bằng hoặc lớn hơn 50%

- Kiểm định T-test và ANOVA: đƣợc dùng để kiểm định sự khác biệt giữa các nhóm.

- Phân tích hồi quy: Phân tích tƣơng quan Pearson’s để xác định các mối quan hệ có ý nghĩa thống kê giữa các biến hay đo mức độ kết hợp kết hợp tuyến tính giữa các biến trƣớc khi tiến hành phân tích hồi quy tiếp theo. Phân tích hồi quy tuyến tính bội là phƣơng pháp phân tích dùng kỹ thuật thống kê đƣợc sử dụng để xem xét tác động của các biến độc lập vào biến phụ thuộc. Khi sử dụng phƣơng pháp này, có hai vấn đề cần lƣu ý đó là mối quan hệ giữa các biến phụ thuộc với biến độc lập là quan hệ tƣơng quan, các tham số thống kê cần đƣợc quan tâm là:

+ Hệ số R2 điều chỉnh (Adjusted coefficient of determination) đo lƣờng phƣơng sai của biến phụ thuộc đƣợc giải thích bởi các biến độc lập có tính đến số lƣợng biến phụ thuộc và cỡ mẫu. Hệ số này càng cao, độ chính xác của mô hình càng lớn và khả năng dự báo của các biến độc lập càng chính xác.

+ Hệ số Beta chuẩn hóa (Standarlized Beta Coefficent): hệ số hồi quy chuẩn hóa cho phép so sánh một cách trực tiếp về mức độ ảnh hƣởng của các biến độc lập lên biến phụ thuộc.

+ Kiểm định mức ý nghĩa của hệ số Beta: tác giả sử dụng trị thống kê t để kiểm tra mức ý nghĩa của hệ số Beta. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, có thể kết luận hệ số Beta có ý nghĩa về mặt thống kê.

+ Kiểm định độ phù hợp của mô hình với tập dữ liệu: sử dụng kiểm định F để kiểm định mức ý nghĩa thống kê của mô hình. Giả thuyết Ho là các hệ số Beta trong mô hình đều bằng 0. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, có thể an toàn bác bỏ giả thuyết Ho hay mô hình phủ hợp với tập dữ liệu khảo sát.

+ Hệ số phóng đại phƣơng sai (VIF- Variance inflation factor): đo lƣờng hiện tƣợng đa cộng tuyến (có mối tƣơng quan giữa các biến độc lập hay không). Thông thƣờng nếu VIF của một biến độc lập >10 thì biến này hầu nhƣ không có giá trị giải thích biến phụ thuộc trong mô hình (Hair và cộng sự, 2006 trích trong Nguyễn Đình Thọ, 2011, trang 497)

+ Viết phƣơng trình hồi quy tuyến tính: tác giả sử dụng 1 mô hình hồi quy bội và 1 mô hình hồi quy đơn nhƣ sau:

Y1=β0 +β1 X1 +β2 X2 +β3 X3 +β4 X4 +β5 X5

Trong đó: Y1 là Sự hài lòng của hộ dân khi sử dụng dịch vụ TGRTSH; β0: hằng số hồi quy,βi là các trọng số hồi quy; Xi là các nhân tố tác động đến sự hài lòng của hộ dân khi sử dụng dịch vụ TGRTSH.

Chƣơng 3. KẾT QUẢ NGHIÊN CỨU

Một phần của tài liệu (LUẬN văn THẠC sĩ) nghiên cứu mối quan hệ giữa chất lượng dịch vụ và sự hài lòng của hộ dân đối với hoạt động thu gom rác thải sinh hoạt tại thành phố quy nhơn (Trang 53 - 59)