2.4.1. Phỏng vấn sâu
Phỏng vấn sâu là phương pháp phỏng vấn cá nhân, trực tiếp. Nghiên cứu định tính được thực hiện trong tháng 10 năm 2014 bằng cách phỏng vấn sâu các chuyên gia trong lĩnh vực nông nghiệp có hiểu biết về rau an toàn và những người tiêu dùng rau an toàn trung thành ở thành phốĐà Nẵng.
Nghiên cứu định tính trong đề tài “Nghiên cứu các yếu tố ảnh hưởng
đến ý định mua rau an toàn của người tiêu dùng tại thành phốĐà Nẵng” nhằm khám phá, điều chỉnh và bổ sung các biến quát sát dùng đểđo lường các khái niệm trong mô hình nghiên cứu.
Nội dung: Các câu hỏi về các yếu tố tác động đến dự định mua rau an toàn, các biến quan sát cho từng thang đo trong mô hình (phụ lục 1).
Kỹ thuật thu thập dữ liệu trong nghiên cứu định tính: Thực hiện phỏng vấn tay đôi để thu nhận dữ liệu liên quan.
2.4.2. Kết quả nghiên cứu định tính
Kết quả của nghiên cứu định tính cho thấy, mô hình nghiên cứu đề xuất cho đề tài “Nghiên cứu các yếu tố ảnh hưởng đến ý định mua rau an toàn của người tiêu dùng tại thành phố Đà Nẵng” vẫn sử dụng 6 khái niệm là các khái niệm thành phần tác động lên “Ý định mua”, đó là: (1) Niềm tin. (2) Nhận thức về giá. (3) Hình thức của rau an toàn. (4) Ý thức sức khỏe. (5) Chất lượng cảm nhận.
(6) Mối quan tâm về an toàn thực phẩm.
Tổng cộng có 25 biến quan sát để đo lường cho 7 khái niệm trong mô hình nghiên cứu.
Kết quả của nghiên cứu định tính là cơ sở cho việc thiết kế bảng câu hỏi dùng trong nghiên cứu định lượng.
Sau giai đoạn nghiên cứu định tính, bảng câu hỏi sẽ được điều chỉnh qua các bước tiếp theo.
Bảng 2.10: Các bước hoàn thiện bản câu hỏi
Bước Nội dung
1 - Bản câu hỏi sẽ được tham khảo ý kiến của một số chuyên gia - Thực hiện hiệu chỉnh bản câu hỏi phù hợp
2 - Bản câu hỏi được thử nghiệm qua hình thức phỏng vấn thử với khoảng 5 đối tượng đểđánh giá bản câu hỏi.
- Thực hiện hiệu chỉnh bảng câu hỏi phù hợp.
3 - Bản câu hỏi sẽ triển khai thu thập số liệu thử với khoảng 5 đối tượng để kiểm tra các yếu tố liên quan: từ ngữ sử dụng, ý nghĩa câu hỏi và các chọn lựa, chiều dài, hình thức bố trí và trình bày, các hướng chọn lựa và trả lời chưa dựđoán trước.
- Thực hiện hiệu chỉnh bản câu hỏi phù hợp.
4 - Bản câu hỏi được hoàn chỉnh để tiến hành phỏng vấn thật sự
trong giai đoạn nghiên cứu định lượng.
2.4.3.Thiết kế bảng câu hỏi
Bản câu hỏi được thiết kế dựa vào các thang đo trong mô hình đề xuất. Ngoài phần giới thiệu đề tài nghiên cứu, bản câu hỏi gồm có 2 phần:
- Phần 1: Ghi nhận các thông tin cá nhân (yếu tố nhân khẩu học) của
đối tượng nghiên cứu.
- Phần 2: Thông tin đánh giá của người mua về những nhân tố ảnh hưởng đến ý định mua của họ.
Trong nghiên cứu này bản câu hỏi sử dụng thang đo Likert bảy mức độ
từ 1 đến 7, cụ thể :
“1: Hoàn toàn không đồng ý”. “2: Không đồng ý”.
“3: Hơi không đồng ý.
“4: Trung lập (không có ý kiến)”. “5: Hơi đồng ý”.
“6: Đồng ý”.
“7: Hoàn toàn đồng ý”.
Bản câu hỏi khảo sát ý định mua rau an toàn của người tiêu dùng tại thành phốĐà Nẵng (phụ lục 2).
2.5. NGHIÊN CỨU ĐỊNH LƯỢNG 2.5.1. Chọn mẫu 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