6. Bố cục đề tài
2.4.5. Phƣơng pháp phân tích dữ liệu sau khi thu thập:
Để phân tích dữ liệu thu thập từ bản câu hỏi khảo sát, nghiên cứu này sử dụng phần mềm SPSS 16.0. Phần mềm SPSS đƣợc dùng để đánh giá độ tin cậy của thang đo qua hệ số Cronbach Alpha, phân tích nhân tố khám phá EFA để đánh giá giá trị của thang đo, phân tích hồi quy để kiểm định giả thuyết nghiên cứu. Trình tự thực hiện phân tích dữ liệu trên phần mềm SPSS 16.0 nhƣ sau:
(1) Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha
Công cụ phân tích đầu tiên mà tác giả sử dụng là hệ số Cronbach Alpha để loại bỏ các biến có độ tin cậy của thang đo thấp vì những biến này có thể tạo ra các nhân tố giả. Các tiêu chí thống kê đƣợc sử dụng trong phân tích này bao gồm: loại các biến quan sát có hệ số tƣơng quan biến tổng nhỏ hơn 0,3 và giá trị Cronbach‟s Alpha nhỏ hơn 0,6. Cụ thể: Cronbach Alpha > 0,8 thì độ tin cậy của thang đo là tốt, từ 0,7 đến 0,8 thì độ tin cậy của thang đo là sử dụng đƣợc, từ 0,6 đến 0,7 thì có thể sử dụng đƣợc trong các nghiên cứu mới.
Trong nghiên cứu này, luận văn sử dụng tiêu chuẩn hệ số Cronbach Alpha bằng hoặc lớn hơn 0,6 và các biến quan sát có hệ số tƣơng quan biến tổng lớn hơn 0,3.
(2) Phân tích nhân tố khám phá
Phân tích nhân tố khám phá sẽ trả lời câu hỏi liệu các biến quan sát dùng để xem xét sự tác động của các yếu tố thành phần đến ý định sử dụng yến sào có độ kết dính cao hay không và chúng có thể rút gọn lại thành một số yếu tố ít hơn để xem xét hay không. Các tham số thống kê trong phân tích EFA nhƣ sau:
Đánh giá chỉ số Kaiser-Mayer (KMO) để xem xét sự thích hợp của phân tích nhân tố khám phá. Nếu KMO nằm trong khoảng từ 0,5 – 1 thì phân tích nhân tố khám phá sẽ phù hợp.
Kiểm định Bartlett xem xét giả thuyết H0: độ tƣơng quan giữa các biến số quan sát bằng 0. Nếu kiểm định này có ý nghĩa thống kê (sig <0,05) thì các biến có tƣơng quan với nhau trong tổng thể.
Các hệ số tải nhân tố (factor loading) nhỏ hơn 0,4 trong EFA sẽ tiếp tục bị loại bỏ để đảm bảo sự hội tụ giữa các biến. Phƣơng pháp trích hệ số sử dụng là Principal Components và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1, tổng phƣơng sai trích bằng hoặc lớn hơn 50%.
Trong nghiên cứu này, tác giả quyết định sử dụng các tiêu chuẩn sau để thực hiện phân tích nhân tố khám phá EFA:
- KMO nằm trong khoảng từ 0,5 đến 1.
- Kiểm định Bartlett có ý nghĩa thống kê (sig < 0,05).
- Loại bỏ các biến có hệ số tải nhân tố (factor loading) < 0,5 và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1, tổng phƣơng sai trích bằng hoặc lớn hơn 50%.
- Chênh lệch giữa các trọng số nhân tố của một biến quan sát phải ≥ 0,3 để tạo giá trị phân biệt giữa các nhân tố.
(3) Phân tích hệ số tương quan và phân tích hồi quy tuyến tính.
Phân tích hồi quy tuyến tính đƣợc sử dụng để kiểm định mối tƣơng quan tuyến tính giữa các biến trong mô hình, giữa các biến độc lập với nhau và giữa biến phụ thuộc và biến độc lập. Có hai phƣơng án để đánh giá mức độ tƣơng quan trong phân tích hồi quy tuyến tính là qua đồ thị phân tán hoặc hệ số tƣơng quan Pearson. Trong đó, hệ số tƣơng quan Pearson càng tiến đến 1 thì hai biến có mối tƣơng quan càng chặt chẽ.
Ngoài ra, tác giả cũng xem xét mối tƣơng quan giữa các biến độc lập với nhau để đảm bảo đa cộng tuyến không xảy ra và đảm bảo mô hình hồi quy tuyến tính sử dụng đƣợc. Hệ số đa cộng tuyến có thể đƣợc kiểm định thông
qua hệ số phóng đại phƣơng sai (VIF), VIF > 10 thì sẽ xảy ra hiện tƣợng đa cộng tuyến.
Sau khi phân tích tƣơng quan giữa các biến sử dụng, tác giả sẽ thực hiện các kỹ thuật hồi quy dựa trên ƣớc lƣợng trung bình nhỏ nhất (OLS) với điều kiện là phân phối chuẩn đƣợc đảm bảo. Kết quả của hồi quy tuyến tính sẽ giúp kiểm định các giả thuyết đã nêu ra. Bên cạnh đó, hệ số góc thu đƣợc trong phƣơng trình hồi quy tuyến tính sẽ đại diện cho mức độ ảnh hƣởng của từng biến độc lập đến biến phụ thuộc. Trong trƣờng hợp các biến sử dụng cùng một thang đo định danh có giá trị từ 1 đến 5, thì hệ số góc càng lớn thì biến độc lập càng có ảnh hƣởng mạnh đến biến phụ thuộc hơn so với các biến độc lập khác.
Trong nghiên cứu này, tác giả quyết định sử dụng các tiêu chuẩn sau trong phân tích hệ số tƣơng quan và phân tích hồi quy tuyến tính:
- Hệ số R2 điều chỉnh là hệ số thể hiện phần biến thiên của ý định mua yến sào đƣợc giải thích bằng các biến quan sát.
- Kiểm định F để xem xét mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể.
- Đánh giá mức độ tác động giữa các biến độc lập đến biến phụ thuộc thông qua hệ số Beta.
- Cuối cùng, nhằm đánh giá kết quả phân tích hồi quy là phù hợp, các dò tìm vi phạm của giả định cần thiết trong hồi quy tuyến tính đƣợc thực hiện. Các giả định đƣợc kiểm định bao gồm giả định về liên hệ tuyến tính giữa các biến độc lập, tính độc lập của phần dƣ và hiện tƣợng đa công tuyến.
(4) Phân tích sự khác biệt về xu hướng tiêu dùng theo các đặc điểm về nhân chủng học bằng kiểm định T-Test và ANOVA.
Sau khi có kết quả phân tích hồi quy tuyến tính, tác giả sẽ tiến hành phân tích sự khác biệt về ý định mua yến sào của ngƣời tiêu dùng tại Thành phố Đà Nẵng theo các thông tin về nhân chủng học bao gồm: giới tính, độ tuổi, trình độ học vấn, nghề nghiệp và thu nhập. Mục đích của phân tích này nhằm cung cấp các thông tin cần thiết cho những nhà kinh doanh yến sào có chiến lƣợc marketing toàn diện hơn đến ngƣời tiêu dùng ở Thành phố Đà Nẵng.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU