7. Tổng quan tài liệu nghiên cứu
2.6.3. Phƣơng pháp phân tích dữ liệu
Thống kê mô tả
Sử sụng phần mềm SPSS để xử lý các thông tin về độ tuổi, nghề nghiệp, thu nhập, thông tin về các loại smartphone.
Phân tích hệ số tin cậy Cronbach’s Alpha
Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tƣơng quan với nhau, là phép kiểm định về chất lƣợng của thang đo sử dụng cho từng mục hỏi, xét trên mối quan hệ của mục hỏi với một khía cạnh đánh giá. Phƣơng pháp này cho phép ngƣời phân tích 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 thông qua hệ số Cronbach Alpha. Những mục hỏi không đóng góp nhiều sẽ tƣơng quan yếu với tổng số điểm, nhƣ vậy chúng ta chỉ giữ lại những mục hỏi có tƣơng quan mạnh với tổng số điểm.
Do đó, những biến có hệ số có tƣơng quan biến tổng (item – total Corelation) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thƣờng, thang đo có Cronbach alpha từ 0.7 đến 0.8 là sử dụng đƣợc. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lƣờng tốt. Và trong phân tích này, các biến quan sát có hệ số tƣơng quan biến tổng (item-total correlation) hệ số tƣơng quan của một biến với điểm trung bình
46
của các biến khác trong cùng một thang đo, nhỏ hơn 0.3 đƣợc coi là biến rác và bị loại khỏi thang đo.
Phân tích nhân tố khám phá (EFA – Exploratory factor analysis)
Phân tích nhân tố khám phá là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Nó hƣớng đến việc đơn giản hóa một tập hợp các biến phức tạp ban đầu thành một tập các biến nhỏ hơn dƣới dạng các nhân tố. Phƣơng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề cần nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau. Khi phân tích nhân tố khám phá, các nhà nghiên cứu thƣờng quan tâm đến một số tiêu chuẩn sau:
Thứ nhất, trị số KMO ≥ 0.5 và mức ý nghĩa của kiểm định Bartlett căn cứ trên giá trị Sig. ≤ 0.05.
- Bartlett’s test of sphericity: Đại lƣợng Bartlett là một đại lƣợng thống kê dùng để xem xét giả thuyết các biến không có tƣơng quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau (các biến đo lƣờng phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét.
- Hệ số KMO (Kaiser – Meyer – Olkin): KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Thứ hai là đại lƣợng Eigenvalue: Chỉ có những nhân tố nào có Eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mô hình phân tích. Đại lƣợng Eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Những
47
nhân tố có Eigenvalue nhỏ hơn một sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc, vì sau khi chuẩn hóa mỗi biến gốc có phƣơng sai là 1.
Thứ ba là hệ số tải nhân tố Factor loadings: là những hệ số tƣơng quan đơn giữa các biến và các nhân tố. Các biến có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố) lớn hơn 1 và tổng phƣơng sai trích lớn hơn 50% (Gerbing & Anderson, 1988).
Thứ tư là phép trích Principal Component với phép quay Varimax sẽ đƣợc sử dụng trong phân tích nhân tố thang đo các thành phần độc lập.
Sau khi qua giai đoạn phân tích nhân tố, các nhân tố đƣợc lựa chọn sẽ đƣợc đƣa vào kiểm định mô hình. Giá trị nhân tố là trung bình của các biến quan sát thành phần thuộc nhân tố đó. Phân tích tƣơng quan Pearson đƣợc sử dụng để xem xét sự phù hợp khi đƣa các thành phần vào mô hình hồi quy.
Phân tích hồi quy bội tuyến tính
Phân tích hồi qui bội tuyến tính là một phƣơng pháp đƣợc sử dụng dùng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập.
Phƣơng trình hồi qui bội tuyến tính có dạng: Yi= β0 + β1X1i +β2 X2i+... +βp Xpi +ei
Các tham số quan trọng trong phân tích hồi qui bội tuyến tính bao gồm:
- Hệ số góc βi: là hệ số đo lƣờng sự thay đổi trong giá trị trung bình Y khi Xi thay đổi một đơn vị, trong khi mọi yếu tố khác không đổi.
- Hệ số xác định R2: là hệ số xác định tỷ lệ biến thiên của biến phụ thuộc đƣợc giải thích bởi biến độc lập trong mô hình hồi qui. R2
càng lớn thì mô hình hồi qui tuyến tính đã xây dựng đƣợc xem là càng thích hợp và càng có ý nghĩa trong việc giải thích sự biến thiên.
- Hệ số R2 điều chỉnh: là chỉ tiêu để quyết định có nên thêm biến độc lập mới vào mô hình hồi qui không.
48
- Giá trị Sig của kiểm định F trong phân tích phƣơng sai ANOVA. Giá trị này nhỏ hơn 0.05, thì có thể kết luận tồn tại mối quan hệ giữa biến phụ thuộc và biến độc lập.
- Giá trị Sig của kiểm định t. Giá trị này nhỏ hơn 0.05 thì hệ số hồi qui có ý nghĩa thống kê.
- Hệ số Durbin - Watson dùng để kiểm tra hiện tƣợng tự tƣơng quan của mô hình.
- Hệ số phóng đại phƣơng sai VIF (Variance inslation factor) dùng để kiểm tra hiện tƣợng đa cộng tuyến. Hệ số VIF của các biến số nhỏ hơn 10 thì mô hình không có hiện tƣợng đa cộng tuyến.
49
KẾT LUẬN CHƢƠNG 2
Chƣơng này trình bày các vấn đề liên quan đến việc thiết kế một nghiên cứu chính thức, đi từ mục tiêu nghiên cứu, phƣơng pháp nghiên cứu sử dụng trong nghiên cứu này (từ nghiên cứu định tính đến nghiên cứu định lƣợng), sau đó đề xuất mô hình nghiên cứu chính thức, hệ thống giả thuyết cho mô hình nghiên cứu và xây dựng thang đo cho các thành phần trong mô hình nghiên cứu, thiết kế bảng câu hỏi khảo sát để phục vụ cho việc thu thập dữ liệu cho nghiên cứu chính thức. Sau đó giới thiệu về các phƣơng pháp xử lý dữ liệu trong nghiên cứu chính thức này.
Trên cơ sở lý thuyết ở chƣơng 1, tác giả đã đề xuất mô hình nghiên cứu các nhân tố ảnh hƣởng đến quyết định mua smartphone. Mô hình đề xuất dựa trên mô hình nghiên cứu của Mei Min, Chow, Ling Hong, Chen, Jian Ai, Yeow, Pei Wah, Wong (2012) bao gồm 4 thành phần tác động đến quyết định mua smartphone của ngƣời tiêu dùng tại Đồng Hới, đó là:
- Đặc điểm sản phẩm (đƣợc đánh giá bởi 5 chỉ báo); - Thƣơng hiệu (đƣợc đánh giá bởi 5 chỉ báo);
- Giá (đƣợc đánh giá bởi 3 chỉ báo);
- Các yếu tố xã hội (đƣợc đánh giá bởi 5 chỉ báo); - Quyết định mua (đƣợc đánh giá bởi 3 chỉ bảo).
Hệ thống giả thuyết cho nghiên cứu này cũng đã đƣợc xây dựng với các giả thuyết cho rằng đặc điểm sản phẩm, thƣơng hiệu, các yếu tố xã hội là có quan hệ thuận chiều với quyết định mua smartphone của khách hàng tại Đồng Hới, giá thì có quan hệ ngƣợc chiều với quyết định mua smartphone của khách hàng tại Đồng Hới.
50
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU