2.5.1. Chọn mẫu
vMẫu:
- Giới tính: Cả nam và nữ.
- Nhóm người được điều tra hiện đang sống và làm việc tại thành phố Đà Nẵng.
- Nhóm người được điều tra đều tự quyết định trong việc mua thực phẩm tiêu dùng.
vKỹ 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 khách hàng tại các chợ, siêu thị hoặc cửa hàng bán rau an toàn tại Đà Nẵng. Mặc dù phương pháp chọn mẫu thuận tiện có độ chính xác và độ tin cậy không cao nhưng có thể khắc phục bằng cách chọn kích thước mẫu lớn.
vKích thước mẫu:
- Đối với phân tích nhân tố khám phá EFA: Theo Hair, Anderson, Tatham và Black (1998) cho rằng kích thước mẫu tối thiểu là gấp 5 lần tổng số biến quan sát.
- Đối với phân tích hồi quy đa biến: Theo Tabachnick và Fidell (1996) cỡ mẫu tối thiểu cần đạt được tính theo công thức là 50 + 8*m (m: số biến độc
lập)
Trong đề tài này, có khoảng 22 biến quan sát cần để phân tích nhân tố
do đó kích thước mẫu tối thiểu cần thiết là 22 * 5 = 110. Vì vấn đề nghiên cứu tương đối rộng, với nhiều địa điểm khác nhau, do đó tác giả dự kiến điều tra 220 phiếu đểđảm bảo độ tin cậy của mẫu nghiên cứu.
2.5.2. Thu thập dữ liệu
Phương pháp thu thập dữ liệu được áp dụng là khảo sát bằng bảng câu hỏi và tác giả trực tiếp thực hiện phỏng vấn. Trao bản câu hỏi và hướng dẫn trả lời trực tiếp tại những nơi thuận tiện cho người trả lời phỏng vấn như trong siêu thị, chợ truyền thống và các cửa hàng rau an toàn.
2.5.3. Chuẩn bị xử lý số liệu
Kiểm tra công cụ thu thập dữ liệu
Sau khi điều tra tác giả kiểm tra các dữ liệu để đảm bảo chúng có ý nghĩa, tức là có giá trị đối với việc xử lý và phân tích. Trước tiên cần kiểm tra các phương pháp thu thập dữ liệu có hợp lý không, sau đó kiểm tra bản câu hỏi đã được phỏng vấn để tìm ra các sai sót.
Hiệu chỉnh dữ liệu
Quá trình thu thập dữ liệu có thể tồn tại những sai sót có thể do nguyên nhân chủ quan hay khách quan vì vậy cần hiệu chỉnh để dữ liệu có ý nghĩa đối với quá trình nghiên cứu. Đối với những bản câu hỏi thiếu thông tin hoặc người được điều tra lựa chọn 1 phương án trả lời cho tất cả các câu hỏi… thì có thể bị 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 phương án trả lời. Đối với câu hỏi đóng, tác giả đã thực hiện mã hóa dữ liệu khi thiết kế bảng câu 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 bản câu hỏi để thuận tiện cho việc nhập liệu, phân tích và điều chỉnh các lỗi trong quá trình nhập liệu. Bản câu hỏi
được đánh theo thứ tự từ 1 – 220.
Nhập dữ liệu
Sau khi tiến hành điều tra và hiệu chỉnh dữ liệu, tác giả nhâp dữ liệu vào phần mềm SPSS 16.0 bằng cách sắp xếp thông tin đã mã hóa vào vị trí ô lưu trữ dữ liệu trên máy tính. Trình tự nhập kết quả điều tra theo thứ tự từ 1
đến 220 trên bản câu hỏi khảo sát.
Làm sạch dữ liệu
Khi nhập liệu có thể xảy ra các lỗi như lỗi nhập đáp án ngoài khoảng cho phép, bỏ sót đáp án… Vì thế trước khi xử lý số liệu thì tác giảđã kiểm tra các lỗi bằng cách lập các bảng mô tả hay bảng tần suất để thấy được số lượng lỗi và lỗi ở câu hỏi số bao nhiêu.
2.6. CÁC PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU
2.6.1. Phân tích độ tin cậy thang đo bằng hệ số Cronbach’s Alpha
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng 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 tương quan giữa biến – tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo: - Loại các biến quan sát có hệ số tương quan biến – tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally và Burnstein 1994; dẫn theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7
đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
- Các biến quan sát có tương quan biến – tổng nhỏ (nhỏ hơn 0,4)
được xem là biến rác thì sẽđược loại ra và thang đo được chấp nhận khi hệ số
tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:
- Loại các biến quan sát có hệ số tương quan biến – tổng nhỏ hơn 0,4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
- Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời bản câu hỏi điều tra).
2.6.2. Phân tích nhân tố khám phá EFA
Phương pháp phân tích nhân tố khám phá (EFA) là một phương pháp phân tích thống kê dùng để tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 1998). Trong nghiên cứu này phân tích nhân tố khám phá được sử
dụng để nhóm các yếu tố ảnh hưởng đến ý định mua rau an toàn của khách hàng thành những nhân tố.
Để có ý nghĩa thống kê thì kết quả phân tích nhân tố khám phá phải
đảm bảo các chỉ tiêu sau:
Ø Hệ số tải nhân tố (Factor loading): Theo Hair và cộng sự (1998), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
- Factor loading > 0,3 được xem là đạt mức tối thiểu. - Factor loading > 0,4 được xem là quan trọng.
- Factor loading > 0,5 được xem là có ý nghĩa thực tiễn.
Theo Hair và cộng sự (1998) đã xác định như sau: Nếu Factor loading > 0,3 thì mẫu phải ít nhất là 350, nếu mẫu khoảng 100 thì Factor loading > 0,55, nếu cỡ mẫu khoảng 50 thì Factor loading > 0,75 [Theo Hair và cộng sự,
Multivariate Data Analysis, Prentice-Hall International, 1998)
Ø 0,5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser – Meyer – Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO < 0,5 thì phân tích nhân tố có khả năng không phù hợp với các dữ liệu
Ø Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0,05): Đây là một
đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
2.6.3. Phân tích hồi quy đa biến và phân tích tương quan
Sau quá trình thực hiện kiểm định thang đo: đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach’s Alpha) và kiểm định giá trị
khái niệm của thang đo (phân tích nhân tố khám phá EFA); tiến hành tính toán nhân số của nhân tố (giá trị của các nhân tố trích được trong phân tích
nhân tố EFA) bằng cách tính trung bình cộng của các biến quan sát thuộc nhân tố tương ứng.
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân 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 tương quan:
- Kiểm định mối tương quan tuyến tính giữa các biến trong mô hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau.
Đồ thị phân tán cũng cung cấp thông tin trực quan về mối tương quan tuyến tính giữa hai biến. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ
chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng: giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
- Trong mô hình nghiên cứu, kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập; đồng thời cũng xem xét mối tương quan giữa các biến độc lập với nhau để nhận dạng hiện tượng đa cộng tuyến.
Phân tích hồi quy đa biến:
- Sau khi kết luận là hai 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 và Chu Nguyễn Mộng Ngọc, 2005).
- Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả
các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan. - Phương trình hồi quy đa biến cho mô hình nghiên cứu đề xuất ban
đầu (theo mô hình lý thuyết):
Thông tin các biến trong mô hình:
Bảng 2.11: Mô tả các biến trong phương trình hồi quy đa biến
BIẾN Ý NGHĨA BI Ý định mua SN Niềm tin PBC Nhận thức về giá PQ Hình thức rau an toàn PV Chất lượng cảm nhận PK Ý thức sức khỏe
BA Mối quan tâm về an toàn thực phẩm
Kiểm định các giả thuyết, sử dụng với phần mềm SPSS:
- Đánh giá độ phù hợp của mô hình hồi quy đa biến
- Kiểm định giả thuyết về độ phù hợp của mô hình
- Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số
phóng đại phương sai VIF (Variance Inflation Factor): VIF > 10 thì có thể
nhận xét có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
- Xác định mức độ ảnh hưởng của các yếu tố tác động đến ý định mua rau an toàn: yếu tố có hệ số b càng lớn thì có thể nhận xét rằng yếu tố đó có mức độảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.
2.6.4. Phân tích ANOVA
Phân tích ANOVA để xem xét sự khác biệt về ý định mua rau an toàn của người tiêu dùng tại thành phố Đà Nẵng theo các thuộc tính của đối tượng nghiên cứu: độ tuổi, giới tính và thu nhập.
Một số giảđịnh được sử dụng để phân tích ANOVA:
– Các nhóm so sánh phải so sánh độc lập và được so sánh một cách ngẫu nhiên.
– Các nhóm so sánh phải có sự phân phối chuẩn và cỡ mẫu phải
đủ lớn đểđược xem là tiệm cận phân phối chuẩn. – Phương sai các nhóm so sánh phải đồng nhất.
Kiểm định Test of Homogeneity of Variances sử dụng thống kê Leneve cho biết kết quả kiểm định phương sai. Với mức ý nghĩa lớn hơn 0,05 có thể
nói phương sai của biến đánh giá giữa các nhóm người tiêu dùng là đồng nhất và có ý nghĩa thống kê. Như vậy, phân tích ANOVA có thể sử dụng tốt.
KẾT LUẬN CHƯƠNG 2
Toàn bộ nội dung chương 2 đề cập đến mô hình nghiên cứu đề xuất, xây dựng thang đo và trình bày phương pháp nghiên cứu. Quy trình nghiên cứu gồm 2 giai đoạn, giai đoạn 1 là nghiên cứu định tính và giai đoạn 2 là nghiên cứu định lượng.
CHƯƠNG 3
KẾT QUẢ NGHIÊN CỨU
3.1. MÔ TẢ MẪU
3.1.1. Mô tả phương pháp thu thập dữ liệu
Mẫu được thu thập bằng phương pháp phát bản câu hỏi và thu trực tiếp: Tổng số bản câu hỏi phát ra là 220, số bản câu hỏi thu hồi là 220. Sau khi tiến hành kiểm tra 220 bản thu về được, tác giả phát hiện có 201 bản đáp ứng được yêu cầu đặt ra và 19 bản không hợp lệ vì bỏ qua nhiều câu hỏi và chỉ ghi 1 mức độđánh giá cho tất cả các phát biểu.
Như vậy, tổng số mẫu thu thập được và có thể sử dụng cho phân tích dữ
liệu là 201 mẫu.
3.1.2. Thống kê mô tả mẫu
Thông qua phương pháp trên thu được 201 mẫu hợp lệ, được sử dụng trong đề tài này, đảm bảo cỡ mẫu n = 5m, với m = 22 (Hair, Anderson, Tatham và Black, 1998). Đây là cỡ mẫu phù hợp cho nghiên cứu có sử dụng phân tích nhân tố (Comrey, 1973; Roger, 2006).
22 biến quan sát đo lường 6 khái niệm trong nghiên cứu được tiến hành mã hóa để nhập liệu và phân tích, sử dụng phần mềm SPSS phiên bản 16.0
(phụ lục 3).
Bảng 3.1: Phân bố mẫu theo một số thuộc tính của người phỏng vấn PHÂN BỐ MẪU THEO TẦN SUẤT PHẦN TRĂM (%) Nam 98 48,8 Giới tính Nữ 103 51,2 Dưới 18 tuổi 12 6,0 Từ 19 đến 30 tuổi 59 29,4 Từ 31 đến 42 tuổi 47 23,4 Từ 43 đến 54 tuổi 48 23,9 Độ tuổi Trên 55 tuổi 35 17,4 Dưới 3 triệu 32 15,9 Từ 3 triệu – 6 triệu 52 25,9 Từ 7 triệu – 10 triệu 47 23,4 Từ 11 triệu – 15 triệu 33 16,4 Từ 16 triệu – 20 triệu 23 11,4 Thu nhập (triệu/ tháng) Trên 20 triệu 14 7,0 TỔNG 201 100% (Nguồn: Kết quảđiều tra)
3.2. PHÂN TÍCH ĐỘ TIN CẬY CỦA CÁC THANG ĐO THÔNG QUA HỆ SỐ CRONBACH’S ALPHA HỆ SỐ CRONBACH’S ALPHA
Tiêu chí đểđánh giá độ tin cậy thang đo:
- Loại các biến quan sát có hệ số tương quan biến – tổng nhỏ hơn 0,4. - Chọn thang đo khi có độ tin cậy Cronbach’s Alpha lớn hơn 0,6.
3.2.1. Thang đo nhân tố niềm tin
Kết quả phân tích độ tin cậy của thang đo “Niềm tin”
Bảng 3.2: Kết quả phân tích độ tin cậy của thang đo “Niềm tin”
Biến quan sát Trung bình thang đo nếu loại bỏ biến Phương sai thang đo nếu loại bỏ biến Tương quan biến - tổng Cronbach’s Alpha nếu loại bỏ biến NIEMTIN1 15,86 20,970 ,758 ,867 NIEMTIN2 15,43 21,576 ,769 ,863 NIEMTIN3 15,71 20,438 ,798 ,851 NIEMTIN4 15,83 21,445 ,739 ,874 Cronbach’s Alpha = 0,894 (Nguồn: Kết quả xử lý SPSS)
Sau khi tiến hành phân tích hệ số tin cậy Cronbach’s Alpha ta thấy, hệ số
Cronbach’s Alpha của thang đo nhân tố niềm tin bằng 0,894 > 0,6; các hệ số
tương quan biến – tổng của các biến quan sát trong thang đo đều lớn hơn 0,4 và không có trường hợp loại bỏ biến quan sát nào có thể làm cho Cronbach’s Alpha của thang đo này lớn hơn 0,894. Vì vậy, tất cả các biến quan sát đều
được chấp nhận và sẽđược sử dụng trong phân tích nhân tố tiếp theo.
3.2.2. Thang đo nhân tố nhận thức về giá
Kết quả phân tích độ tin cậy của thang đo “Nhận thức về giá”
Bảng 3.3: Kết quả phân tích độ tin cậy của thang đo “Nhận thức về giá”
Biến quan sát Trung bình thang đo nếu loại bỏ biến Phương sai thang đo nếu loại bỏ biến Tương quan