7. Tổng quan tài liệu
2.5.5. Phƣơng pháp xử lý và phân tích dữ liệu
a. Thống kê mô tả mẫu điều tra
Phƣơng pháp này đƣợc sử dụng nhằm mô tả cụ thể về hồ sơ đối tƣợng tham gia điều tra (độ tuổi, giới tính, thu nhập, trình độ học vấn...).
b. Đánh giá thang đo
Một thang đo đƣợc coi là có giá trị khi nó đo lƣờng đúng cái cần đo, có nghĩa là phƣơng pháp đo lƣờng đó không có sự sai lệch mang tính hệ thống và sai lệch ngẫu nhiên. Điều kiện đầu tiên cần phải có là thang đo áp dụng phải đạt độ tin cậy.
Độ tin cậy của thang đo đƣợc đánh giá thông qua hệ số Cronbach‟s Alpha và hệ số tƣơng quan biến tổng (Item-total correlation)
• Thang đo có độ tin cậy đáng kể khi hệ số Cronbach‟s Alpha lớn hơn 0,6
8Krueger, R.A. 1988, Focus Groups: A Practical Guide for Applied Research, Sage Publications, Newbury Park, USA.
• Hệ số tƣơng quan biến tổng là hệ số tƣơng quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao, sự tƣơng quan của biến với các biến khác trong nhóm càng cao, theo Nunally & Burnstein (1994) thì các biến có hệ số tƣơng quan biến tổng nhỏ hơn 0,3 đƣợc xem là biến rác và đƣơng nhiên là bị loại khỏi thang đo.
c. Độ giá trị
Độ giá trị hội tụ (convergent validity) và độ phân biệt (discriminant validity) của thang đo đƣợc đánh giá sơ bộ thông qua phƣơng pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis). Các tham số thống kê trong phân tích nhân tố khám phá bao gồm:
- Kiểm định sự thích hợp của phân tích nhân tố với dữ liệu của mẫu thông qua giá trị thống kê Kaiser-Meyer-Olkin (KMO). Theo đó, trị số của KMO lớn hơn 0,5 thì phân tích nhân tố là thích hợp (Garson, 2003) , ngƣợc lại nếu trị số KMO nhỏ hơn 0,5 thì áp dụng phƣơng pháp phân tích nhân tố không thích hợp với dữ liệu đang có.
- Số lƣợng nhân tố: Số lƣợng nhân tố đƣợc xác định dựa vào chỉ số
eigenvalue đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu (Garson, 2003)
- Phƣơng sai trích (variance explained criteria): Tổng phƣơng sai trích phải lớn hơn 50%.
- Độ giá trị hội tụ: Để thang đo đạt giá trị hội tụ thì hệ số tƣơng quan đơn giữa các biến và các hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0,4 trong một nhân tố (Garbing & Anderson, 1988)
- Độ giá trị phân biệt: Để đạt độ giá trị phân biệt thì khác biệt giữa các hệ
- Phƣơng pháp trích hệ số yếu tố Principal Axis Factoring: Nghiên cứu này sử dụng phƣơng pháp trích yếu tố Principal Axis Factoring với phép quay Promax vì nó phản ánh cấu trúc dữ liệu chính xác hơn phƣơng pháp Principal component với phép quay Varimax (Garbing & Anderson, 1988). Phƣơng pháp trích Principal Axis Factoring sẽ cho ta kết quả là số lƣợng nhân tố là ít nhất để giải thích phƣơng sai chung của tập hợp các biến quan sát trong sự tác động qua lại giữa chúng.
d. Hồi qui tuyến tính
Sau khi thang đo của các yếu tố khảo sát đã đƣợc kiểm định thì sẽ đƣợc xử lí chạy hồi quy tuyến tính với mô hình cơ bản ban đầu là:
Y = β0 + β1 X1 + β2 X2+ β3 X3+ β4 X4+ β5 X5+ β6 X6+ u
Trong đó:
Y: Hành vi mua vé máy bay trực tuyến
X1 – X6: Các yếu tố ảnh hƣởng đến hành vi mua vé máy bay trực tuyến
Β1 – β6: Hằng số - các hệ số hồi quy
u: Sai số
e. Kiểm định giả thuyết
Thông thƣờng chúng ta không thể biết trƣớc mô hình sau khi phân tích hồi quy có phù hợp hay không, mô hình chƣa thể kết luận đƣợc là tốt nếu chƣa kiểm định việc vi phạm các giả thuyết để ƣớc lƣợng các hệ số hồi quy là không thiên lệch, nhất quán và hiệu quả nhất.
• Hiện tƣợng đa cộng tuyến:
Đa cộng tuyến là một hiện tƣợng trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin giống nhau và rất khó tách ảnh hƣởng của từng biến một. Đối với hiện tƣợng đa cộng tuyến, độ sai lệch cho phép (tolerance) hoặc hệ số phóng đại phƣơng sai VIF (variance inflation factor)
đƣợc sử dụng. Theo Hoàng Trọng & Mộng Ngọc (2005), khi VIF nhỏ hơn hoặc bằng 10 nghĩa là các biến độc lập không có tƣơng quan tuyến tính với nhau.
• Phƣơng sai của sai số thay đổi:
Phƣơng sai thay đổi là hiện tƣợng phƣơng sai của các số hạng này không giống nhau. Khi phƣơng sai của các sai số thay đổi thì các ƣớc lƣợng của các hệ số hồi quy không hiệu quả, các kiểm định t và F không còn đáng tin cậy. Nếu độ lớn của phần dƣ chuẩn hóa tăng hoặc giảm theo giá trị dự đoán thì có khả năng giả thuyết phƣơng sai không đổi bị vi phạm.
• Tƣơng quan chuỗi:
Đây là một dạng vi phạm các giả thuyết cơ bản số hạng nhiễu, hệ quả khi bỏ qua sự tự tƣơng quan là các dự báo và ƣớc lƣợng vẫn không thiên lệch và nhất quán nhƣng không hiệu quả. Trong trƣờng hợp đó, kiểm định Durbin- Watson là kiểm định phổ biến nhất cho tƣơng quan chuỗi bậc nhất.
Sau khi kiểm tra kết quả cho thấy các giả thuyết không bị vi phạm thì có thể kết luận ƣớc lƣợng các hệ số hồi quy là không thiên lệch, nhất quán và hiệu quả. Các kết luận rút ra từ phân tích hồi quy là đáng tin cậy.
Kết quả của mô hình hồi quy sẽ giúp xác định đƣợc mức độ ảnh hƣởng của các yếu tố đến hành vi mua vé máy bay điện tử thông qua hình thức giao dịch mạng Internet ở thị trƣờng Đà Nẵng. Yếu tố nào có hệ số β lớn thì mức độ ảnh hƣởng của yếu tố đó đối với hành vi mua càng lớn.
TÓM TẮT CHƢƠNG 2
Chƣơng 2 đã trình bày cụ thể về các nhân tố ảnh hƣởng đến hành vi mua vé máy bay trực tuyến tại Đà Nẵng thông qua kế thừa mô hình lý thuyết của các tác giả trƣớc ở chƣơng 1 cùng với kết quả nghiên cứu định tính. Các nhân tố ảnh hƣởng đến hành vi mua vé máy bay trực tuyến tại Đà Nẵng gồm có: Thái độ, tính tự lực, điều kiện tiện nghi, Chuẩn mực chủ quan, khả năng đổi mới chuyên sâu và rủi ro cảm nhận. Qua đó, các giả thuyết nghiên cứu đƣợc đặt ra nhằm phục vụ cho các mục tiêu.
Chƣơng này cũng trình bày về quy trình, cách thức xây dựng thang đo và thiết kế bảng câu hỏi, cách thức thu thập dữ liệu điều tra phỏng vấn và các phƣơng pháp phân tích sử dụng thông qua hai phần mềm SPSS 16 nhằm làm rõ các vấn đề và mục tiêu nghiên cứu.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU