6. Tổng quan nghiên cứu
2.4. TỔ CHỨC THU THẬP DỮ LIỆU
2.4.1. Chọn mẫu
Đối tƣợng khảo sát: bao gồm cả nam và nữ tại Huyện Hòa Vang, nhóm ngƣời này đều tự quyết định trong việc sử dụng các biện pháp BVTV trong sản xuất.
Kỹ thuật chọn mẫu: sử dụng kỹ thuật chọn mẫu thuận tiện. Theo cách chọn mẫu này thì tác giả sẽ chọn ra các đơn vị mẫu dựa vào sự thuận tiện hay tính dễ tiếp cận nông dân tại các khu vực trồng lúa, tại Huyện Hòa Vang.
Kích thƣớc mẫu: phƣơng pháp phân tích dữ liệu chính đƣợc sử dụng trong nghiên cứu này là phân tích nhân tố khám phá (EFA) và phân tích hồi quy. Để đạt đƣợc đƣợc độ tin cậy cho các phân tích này mẫu thƣờng có kích thƣớc lớn (n ≥ 200; Hoelter, 1983 trích trong Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Mặt khác, trong thực tế các nhà nghiên cứu thƣờng dựa
theo quy tắc kinh nghiệm để xác định cỡ mẫu cho phù hợp với từng phƣơng pháp phân tích. Theo Bollen (1989, trích trong Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009) thì mỗi biến quan sát cần ít nhất là 5 mẫu. Trong đề tài này, có khoảng 34 biến quan sát cần để phân tích nhân tố do đó kích thƣớc mẫu tối thiểu cần thiết là 34 x 5 = 170. Vì vấn đề nghiên cứu tƣơng đối rộng, với nhiều địa điểm khác nhau, do đó tác giả.
Dự kiến điều tra 340 bản để đảm bảo độ tin cậy của mẫu nghiên cứu.
2.4.2. Tổ chức khảo sát
Phƣơng pháp thu thập dữ liệu đƣợc áp dụng là khảo sát bằng bảng câu hỏi và tác giả trực tiếp thực hiện phỏng vấn. Trao bảng câu hỏi và hƣớng dẫn trả lời trực tiếp tại những nơi thuận tiện cho ngƣời trả lời phỏng vấn nhƣ trên cánh đồng, nhà dân, cửa hàng vật tƣ nông nghiệp.
2.4.3. Chuẩn bị xử lý số liệu
Kiểm trả công cụ thu thập dữ liệu.
Kiểm tra các dữ liệu sau khi điều tra để đảm bảo chúng có ý nghĩa, tức là có giá trị đối với việc xử lý và phân tích. Đầu tiên, kiểm tra các phƣơng pháp thu thập dữ liệu có hợp lý không, sau đó kiểm tra bảng câu hỏi đã đƣợc phỏng vẫn để tìm ra các lỗi sai sót.
Hiệu chỉnh dữ liệu
Khi tiến hành điều tra phỏng vấn, do những nguyên nhân chủ quan hoặc khách quan có thể xuất hiện những lỗi sai vì vậy cần phải hiệu chỉnh dữ liệu có ý nghĩa đối với quá trình nghiên cứu. Đối với những bảng câu hỏi thiếu thông tin hoặc ngƣời điều tra chọn 1 phƣơng án trả lời thì có thể loại bỏ ra khỏi mẫu.
Mã hóa dữ liệu
Mã hóa dữ liệu là việc tiến hành chọn các mã số cho các câu hỏi và các phƣơng án trả lời. Đối với câu hỏi đóng, tác giả đã thực mã hóa dữ liệu khi thiết kế bảng hỏi, còn các câu hỏi mở sẽ thực hiện mã hóa dữ liệu sau khi kết
thúc việc điều tra.
Đánh số thứ tự bản câu hỏi.
Cần phải đánh số thứ tự cho các bảng câu hỏi để thuận tiện cho việc nhập liệu phân tích và điều chỉnh các lỗi trong quá trình nhập liệu. Bảng câu hỏi đánh theo thứ tự từ 1 đến 340.
Nhập dữ liệu
Sau khi tiến hành điều tra và hiệu chỉnh dữ liệu, tác giả nhận dữ liệu vào phần mềm SPSS 22 bằng cách sắp xếp thông tin đã mã hóa vào vị trí ô lƣu trữ dữ liệu trên máy tính. Trình tự nhập kết quả điều tra theo thứ tự từ 1 đến 340 trên bảng câu hỏi khảo sát.
Làm sạch dữ liệu
Khi nhập liệu có thể xảy ra các lỗi nhƣ nhập đáp án ngoài khoảng cho phép, bỏ sót đáp án… Vì thế trƣớc khi xử lý số liệu thì tác giả đã kiểm tra các lỗi bằng cách lập các bảng mô tả hay bảng tần số để thấy đƣợc số lƣợng lỗi và lỗi ở câu hỏi số bao nhiêu.
2.4.4. Phƣơng pháp phân tích số liệu
Tác giả sử dụng các phƣơng pháp thống kê đối với từng nhóm chỉ tiêu thu đƣợc từ cuộc khảo sát bằng phần mềm SPSS 22.
Bên cạnh đó nhóm nghiên cứu cũng sử dụng các phƣơng pháp phân tích nhân tố, phân tích hồi quy và các kiểm định đối với các nhóm nhân tố dùng để đánh giá hành vi dự định ngƣời nông dân Huyện Hòa Vang sử dụng PPSH trong trồng lúa .
2.5. CÁC PHƢƠNG PHÁP PHÂN TÍCH DỮ LIỆU
2.5.1. Phân tích độ tin cậy thang đo bằng hệ số Cronbach’s Alpha
Theo N. Đ.Thọ và N.T.M. Trang (2009) độ tin cậy của thang đo đƣợc đánh giá bằng phƣơng pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phƣơng pháp hệ số tin cậy Cronbach’s Alpha trƣớc khi phân tích nhân tố EFA để loại các biến không phù hợp.
Hệ số Cronbach’s Alpha chỉ cho biết các biến có hệ số tƣơng quan hay không, nếu hệ số Cronbach’s Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao. Tuy nhiên, hệ số Cronbach’s Alpha không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó việc tính toán hệ số tƣơng quan biến – tổng giúp loại bỏ ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng trọng, Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí đƣợc sử dụng khi thực hiện đánh giá độ tin cậy thang đo: Loại các biến quan sát có hệ số tƣơng quan biến – tổng nhỏ (< 0.4) thì tiêu chuẩn chọn thang đo với hệ số Alpha > 0.7.
Các mức giá trị của Alpha: > 0.8 là thang đo lƣờng tốt, 0.7 <Alpha <0.8 là sử dụng đƣợc, Alpha ≥0.6 có thể sử dụng trong trƣờng hợp khái niệm nghiên cứu là mới trong bối cảnh nghiên cứu (Nunally, 1978, Peterson, 1994, Salater, 1995; dẫn theo Hoàng trọng, Chu Nguyễn Mộng Ngọc, 2005).
Dựa trên những thông tin thu thập đƣợc từ những nghiên cứu trƣớc đây, đề tài thực hiện đánh giá thang đo dựa theo tiêu chí:
Loại các biến quan sát có hệ số tƣơng quan biến – tổng nhỏ (< 0.4) vì chúng đƣợc xem là những biến rác không đóng góp nhiều cho sự mô tả của khái niệm cần đo.
Chọn thang đo có độ tin cậy Alpha >0.6 vì khái niệm nghiên cứu là mới đối với đối tƣợng nghiên cứu khi tham gia trả lời bảng câu hỏi điều tra.
2.5.2 Phân tích nhân tố khám phá EFA
Phƣơng pháp phân tích nhân tố đƣợc tiến hành để rút gọn tập hợp các biến độc lập thành một tập hợp nhỏ hơn là các biến đại diện cho mỗi nhóm nhân tố mà không mất đi ý nghĩa giải thích và thông tin của nhóm nhân tố đó (Hoàng Trọng & Mộng Ngọc, 2005, tr 260). Ngoài ra, một định nghĩa khác về
phƣơng pháp phân tích nhân tố của Hair (1998) cho rằng phƣơng pháp phân tích thống kê dùng để tập hợp nhiều biến quan sát phụ thuộc vào nhau thành một tập biên ít hơn để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. Hệ số tải nhân tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
- Factor loading >0.3 đƣợc xem là đạt mức tối thiểu.
- Factor loading >0.4 đƣợc xem là quan trọng.
- Factor loading> 0.5 đƣợc xem là có ý nghĩa thực tiễn.
Vì vậy, hệ số (Kaiser – Meyer – Olkin) KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) có nghĩa là phân tích nhân tố thích hợp, còn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu. Phƣơng pháp sử dụng là Principal component với phép quay nhân tố là Varimax. Việc phân tích nhân tố sẽ đƣợc tiến hành với toàn bộ các biến quan sát, sau đó sẽ loại bỏ từng biến có hệ số truyền tải thấp.Trị số KMO < 0.5 thì phân tích nhân tố có khả năng không phù hợp với các dữ liệu.
Kiểm định Bartlett có ý nghĩa thống kê (Sig < 0.05) : đây là một đại lƣợng thống kê dùng để xem xét giả thuyết các biến không có tƣơng quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0.05) thì các biến quan sát có mối trƣơng quan với nhau trong tổng thể.
2.5.3. Phân tích hồi quy đa biến và phân tích tƣơng quan
Sau khi thực hiện kiểm định thang đo đánh giá độ tin cậy với hệ số tin cậy Cronbach’s Alpha và khiểm định giá trị khái niệm của thang đo với phân tích nhân tố khám phá EFA và tiến hành tính toán nhân số (giá trị các nhân tố trích đƣợc trong phần phân tích nhân tố EFA) thông qua việc tính trung bình cộng của các biến quan sát thuộc nhân tố tƣơng ứng.
tích hồi quy đa biến để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.
Phân tích tƣơng quan
Kiểm định mối tƣơng quan tuyến tính giữa các biến trong mô hình: giữa biến phụ thuộc với từng biến độc lập với nhau. Sử dụng hệ số tƣơng quan Pearson để lƣợng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữ hai biến định lƣợng: giá trị tuyệt đối của hệ số Pearson càng gần 1 thì hai biến này có mối tƣơng quan tuyến tính càng chặt chẽ (Hoàng trọng & Chu Nguyễn Mộng Ngọc, 2005)
Trong mô hình nghiên cứu, kì vọng có mối tƣơng qua tuyến tính chặt chẽ giữa các biến phụ thuộc và các biến độc lập, và nhận dạng hiện tƣợng đa cộng tuyến (Hoàng trọng & Chu Nguyễn Mộng Ngọc, 2005).
Phân tích hồi quy đa biến
Sau khi kết luận các biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính (Hoàng trọng & Chu Nguyễn Mộng Ngọc, 2005).
Nghiên cứu thực hiện hồi quy đa biến theo phƣơng pháp Enter: tất cả các biến đƣợc đƣa vào một và xem xét các kết quả thống kê liên quan.
Phƣơng trình hồi quy đa biến cho mô hình nghiên cứu đề xuất ban đầu.
Mô hình hồi quy đề xuất
Dựa trên các thành phần của TPB mô hình để giải thích ý định hành vi
BI trở thành: BI =
Trong đó 𝛽 là trọng số xác định (empirically determined weights) để ƣớc tính tầm quan trọng của mỗi thành phần. Tùy thuộc vào bối cảnh và con ngƣời, ảnh hƣởng của thái độ hƣớng tới hành vi, chuẩn chủ quan và kiểm soát hành vi nhận thức về hành vi ý định có thể khác nhau. Nói chung, nếu thái độ, chuẩn chủ quan và nhận thức kiểm soát hành vi tích cực thì nhiều khả năng
ngƣời đó có thể thực hiện hành vi theo nghiên cứu. Tuy nhiên, do hậu quả xã hội và ngƣời thực hiện không có toàn quyền kiểm soát việc thực hiện, và việc cố gắng thực hiện hành vi là không cần thiết thì có thể hành vi không nhất thiết đƣợc thể hiện ra. Phân tích trong nghiên cứu này sẽ cho biết cách các thành phần này ảnh hƣởng đến ý định chuyển đổi canh tác lúa sinh học.
Bảng 2.7: Mô tả các biến trong phương trình hồi quy đa biến.
Biến Ý Nghĩa
BI Ý định sử dụng PPSH
PU Nhận thức sự hữu ích của PPSH EA Nhận thức về cải thiện môi trƣờng SN Chuẩn chủ quan
PBC Nhận thức kiểm soát hành vi BA Nhận thức về những rào cản
Kiểm định các giả thuyết, sử dụng với phần mềm SPSS:
- Kiểm tra độ phù hợp của mô hình hồi quy đa biến
Qua bảng Model Summary xem xét hệ số Adjusted R Square hay còn gọi là R bình phƣơng hiệu chỉnh, nó phản ánh mức độ ảnh hƣởng của các biến độc lập lên biến phụ thuộc.
- Kiểm định giả thuyết về độ phù hợp của mô hình.
Xây dựng xong một mô hình hồi quy tuyến tính, vấn đề quan tâm đầu tiên là phải là xem xét độ phù hợp của mô hình đối với tập dữ liệu qua giá trị Adjusted R Square (hoặc R Square). Tuy nhiên, sự phù hợp này mới chỉ thể hiện giữa mô hình xây dựng đƣợc với tập dữ liệu là mẫu nghiên cứu. Tổng thể rất lớn, chúng ta không thể khảo sát hết toàn bộ, nên thƣờng trong nghiên cứu, chúng ta chỉ chọn ra một lƣợng mẫu giới hạn để tiến hành điều tra, từ đó suy ra tính chất chung của tổng thể. Mục đích của kiểm định F trong bảng ANOVA chính là để kiểm tra xem mô hình hồi quy tuyến tính này có suy rộng và áp dụng đƣợc cho tổng thể hay không.
- Kiểm tra giả định về hiện tƣợng đa cộng tuyến tƣơng quan giữa các biến độc lập
Chạy ra bảng Coefficients, với dạng đề tài nghiên cứu có mô hình + bảng câu hỏi sử dụng thang đo Likert + chạy phân tích định lƣợng SPSS thì nên sử dụng phƣơng trình hồi quy chuẩn hóa. Đầu tiên là giá trị Sigkiểm định t từng biến độc lập, sig nhỏ hơn hoặc bằng 0.05 có nghĩa là biến đó có ý nghĩa trong mô hình, ngƣợc lại sig lớn hơn 0.05, biến độc lập đó cần đƣợc loại bỏ. Cuối cùng là VIF, giá trị này dùng để kiểm tra hiện tƣợng đa cộng tuyến. Theo lý thuyết nhiều tài liệu viết, VIF < 10 sẽ không có hiện tƣợng đa cộng tuyến. Tuy nhiên trên thực tế với các đề tài nghiên cứu có mô hình + bảng câu hỏi sử dụng thang đo Likert thì VIF < 2 sẽ không có đa cộng tuyến, trƣờng hợp hệ số này lớn hơn hoặc bằng 2, khả năng cao đang có sự đa cộng tuyến giữa các biến độc lập (Hoàng trọng & Chu Nguyễn Mộng Ngọc, 2005).
- Xác định mƣớc độ ảnh hƣởng của các nhân tố tác động đến ý định sử dụng PPHH: hệ số hồi quy chuẩn hóa Beta, trong tất cả các hệ số hồi quy, biến độc lập nào có Beta lớn nhất thì biến đó ảnh hƣởng nhiều nhất đến sự thay đổi của biến phụ thuộc. Do đó, khi đề xuất giải pháp, chúng ta nên chú trọng nhiều vào các nhân tố có Beta lớn.
KẾT LUẬN CHƢƠNG 2
Chƣơng 2 đã mô tả địa bàn nghiên cứu và tình hình sản xuất lúa hữu cơ của Huyện Hòa Vang, thành phố Đà Nẵng. Các bƣớc tiến hành nghiên cứu đƣợc giới thiệu trong thiết kế nghiên cứu điều chỉnh từ quy trình của Cao Hào Thi (2006), trích trong Châu Ngô Anh Nhân, 2011, tr. 18. Thang đo cho từng nhân tố Nhận thức về sự hữu ích của PPSH, Nhận thức về của thiện môi trƣờng, Chuẩn chủ quan, Nhận thức kiểm soát hành vi, Nhận thức về rào cản và Dự định hành vi sử dụng PPSH đƣợc xây dựng. Phƣơng pháp thu thập dữ liệu và phƣơng pháp phân tích cũng đã đƣợc trình bày cụ thể tại Chƣơng 2.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU 3.1. MÔ TẢ MẪU
3.1.1. Thông tin về mẫu
Mẫu đƣợc thu thập bằng phƣơng pháp phát bản câu hỏi và thu trực tiếp: tổng số bản câu hỏi phát ra là 340, và thu về là 340. Trong quá trình khảo sát các phiếu đều hợp lệ đƣợc tác giả vẫn đƣa vào nghiên cứu. Nhƣ vậy, sử dụng 340 mẫu khảo sát để tiến hành phân tích.
Mẫu quan sát gồm 34 biến quan sát đo lƣờng 5 khái niệm trong nghiên cứu đƣợc tiến hành mã hóa để nhập liệu và phân tích, sử dụng phần mềm SPSS phiên bản 22.0.
3.1.2. Phân tích thống kê mô tả
Phân bố mẫu theo thuộc tính (Giới tính, độ tuổi, trình độ, thu nhập) và tần số về đặc trƣng của cá nhân đƣợc khảo sát.
Diện tích trồng lúa bình quân: 2040,294 m2
Bảng 3.1: Phân tích thống kê mô tả
Phân bố theo Tần suất Phần trăm Phần trăm hợp lệ Phần trăm tích lũy
Giới tính Nam 208 61.2 61.2 61.2 Nữ 132 38.8 38.8 100 Tổng 340 100 100 Độ tuổi 19-25 3 0.9 0.9 0.9 25-30 6 1.8 1.8 2.6 31-36 29 8.5 8.5 11.2 37-42 101 29.7 29.7 40.9 Trên 42 201 59.1 59.1 100 Tổng 340 100 100 Trình độ Cấp 1 29 8.5 8.6 8.6 Cấp 2 204 60 60.2 68.7 Cấp 3 105 30.9 31 99.7 Trên đại học 1 0.3 0.3 100 Tổng 339 99.7 100 Xã Hòa Liên 33 9.7 9.7 9.7 Hòa Khƣơng 55 16.2 16.2 25.9
Phân bố theo Tần suất Phần trăm Phần trăm hợp lệ Phần trăm tích lũy Hòa Phong 49 14.4 14.4 40.3 Hòa Phƣớc 76 22.4 22.4 62.6 Hòa Tiến 127 37.4 37.4 100