CHƯƠNG 2 PHƯƠNGPHÁP NGHIÊNCỨU
2.3. PHƯƠNGPHÁP PHÂN TÍCH DỮ LIỆU
2.3.1. Kiểm ñịnh ñộ tin cây của thang ño
ðể kiểm ñịnh ñộ tin cậy của thang ño tác giả ñã tính tốn hệ số Cronbach’s Alpha và hệ số tương quan biến tổng thể. Nhiều nhà nghiên cứu ñồng ý rằng hệ số Cronbach Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 ñến gần 0.8 là sử dụng ñược. Cũng có nhà nghiên cứu ñề nghị rằng Cronbach Alpha từ 0.6 trở lên là có thể sử dụng ñược trong trường hợp khái niệm ñang nghiên cứu là mới hoặc mới ñối với người trả lời trong bối
cảnh nghiên cứu (Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2008). Vì vậy đối với nghiên cứu này thì Cronbach Alpha từ 0.6 trở lên là sử dụng ñược.
Hệ số tương quan biến tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của biến này với các biến khác trong nhóm càng cao. Theo Nunnally & Burnstein(1994), hệ số tương quan các biến sẽ có các mức ñộ phân loại như sau:
- ±0.01 ñến ±0.1: Mối tương quan quá thấp, không ñáng kể - ±0.2 ñến ±0.3 : Mối tương quan thấp
- ±0.4 ñến ±0.5: Mối tương quan trung bình - ±0.6 đến ±0.7: Mối tương quan cao
- ±0.8 trở lên: Mối tương quan rất cao
Trong đó các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 ñược coi là biến rác và sẽ bị loại khỏi thang đo.
2.3.2. Phân tích các nhân tố khám phá
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật sửdụng ñể thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữuích trong việc xác ñịnh các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng nhưtìm ra các mối quan hệ giữa các biến với nhau. Phép phân tích nhân tố của các kháiniệm nghiên cứu ñược xem xét ñể cung cấp bằng chứng về giá trị phân biệt và giátrị hội tụ của thang đo.Mức độ thích hợp của tương quan nội tại các biến quan sát trong khái niệmnghiên cứu ñược thể hiện bằng hệ số KMO (Kaiser – Mever – Olkin). Trị số KMO lớn (giữa 0.5 và 1) là ñiều kiện đủ để phân tích nhân tố làthích hợp, cịn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
ðo lường sự thích hợp của mẫu và mức ý nghĩa ñáng kể của kiểm ñịnh Bartlett’s Test of Sphericity trong phân tích khám phá dùng ñể xem xét sự
thích hợp của phân tíchnhân tố. Rút trích nhân tố đại diện bằng các biến quan sát được thựchiệnvớiphépquayVarimaxvàphươngpháptríchnhântốPrinciple components.Các thành phần với giá trị Eigenvalue lớn hơn1và tổng phương sai trích bằng hoặclớn hơn 50% ñược xem như những nhân tố ñại diện các biến. Hệ số tải nhân tố(Factor loading) biểu diễn các tương quan ñơn giữa các biến và các nhân tốbằng hoặc lớn 0.5 mới có ý nghĩa.
Từ kết quả phân tích nhân tố khám phá, tác giả sẽ xem xét lại mơ hình nghiên cứu giả thiết, cân nhắc việc liệu có phải điều chỉnh mơ hình hay khơng, thêm, bớt các nhân tố hoặc các giá trị quan sát của các nhân tố hay khơng?
2.3.3. Phân tích hồi quy tuyến tính và kiểm định giả thiết
Sau khi thang ño của các yếu tố khảo sát ñã ñược kiểm ñịnh thì sẽ ñược xử lý chạy hồi quy tuyến tính bằng phương pháp tổng bình phương nhỏ nhất (OLS) bằng cả hai phương pháp Enter và phương pháp Stepwise. Sau khi xây dựng được mơ hình hồi quy bằng phương pháp tổng bình phương nhỏ nhất.ðể đảm bảo một sự tin cậy của mơ hình xây dựng, tác giả tiến hành kiểm ñịnh sự thỏa mãn của các giả thuyết của phương pháp OLS. Bao gồm:
- Hiện tượng phương sai phần dư thay ñổi: Tác giả sử dụng tương quan
hạng Spearman ñể kiểm ñịnh giả thuyết phương sai phần dư thay ñổi
- Kiểm ñịnh hiện tượng đa cộng tuyến trong mơ hình: ða cộng tuyến là
một hiện tượng trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng ña cộng tuyến là chúng cung cấp cho mơ hình những thơng tin giống nhau và rất khó tách ảnh hưởng của từng biến một. ðối với hiện tượng ña cộng tuyến, ñộ sai lệch cho phép (tolerance) hoặc hệ số phóng đại phương sai VIF (variance inflation factor) khi VIF nhỏ hơn hoặc bằng 2 nghĩa là các biến độc lập khơng có tương quan tuyến tính với nhau.
- Kiểm định hiện tượng phương sai sai số thay ñổi: Phương sai thay ñổi
là hiện tượng phương sai của các số hạng này không giống nhau. Khi phương sai của các sai số thay ñổi thì các ước lượng của các hệ số hồi quy khơng hiệu quả, các kiểm định t và F khơng cịn ñáng tin cậy. Nếu ñộ lớn của phần dư chuẩn hóa tăng hoặc giảm theo giá trị dự đốn thì có khả năng giả thuyết phương sai khơng đổi bị vi phạm.
- Kiểm ñịnh hiện tượng tự tương quan: ðây là một dạng vi phạm các giả thuyết cơ bản số hạng nhiễu, hệ quả khi bỏ qua sự tự tương quan là các dự báo và ước lượng vẫn không thiên lệch và nhất quán nhưng không hiệu quả. Trong trường hợp đó, kiểm định Durbin-Watson là kiểm ñịnh phổ biến nhất cho tương quan chuỗi bậc nhất.
2.3.4. Kiểm ñịnh các giả thuyết nghiên cứu
Các giả thuyết nghiên cứu sẽ được tiến hành kiểm định thơng qua dữ liệu nghiên cứu của phương trình hồi quy ñược xây dựng. Tiêu chuẩn kiểm ñịnh sử dụng thống kê t và giá trị p-value (Sig.) tương ứng, ñộ tin cậy lấy theo chuẩn 95%, giá trị p-value sẽ ñược so sánh trực tiếp với giá trị 0.05 ñể kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu. ðối với các kiểm ñịnh sự khác nhau giữa các tổng thể con trong nghiên cứu ta sử dụng kiểm định T-test và phân tích phương sai (ANOVA) ñể kiểm ñịnh, kiểm ñịnh này cũng sử dụng việc so sánh trực tiếp giá trị p-value tương ứng. ðể xem xét sự phù hợp dữ liệu và sự phù hợp của mơ hình ta sử dụng hệ số R-square, thống kê t và thống kê F ñể kiểm ñịnh. ðể ñánh giá sự quan trọng của các nhân tố ta xem xét hệ số Beta tương ứng trong phương trình hồi quy bội ñược xây dựng từ dữ liệu nghiên cứu.