5. Kết cấu luận văn
2.4.3. Phương pháp xử lý số liệu
Sau khi thu thập xong dữ liệu từ khách hàng, tiến hành kiểm tra và loại đi những bảng hỏi không đạt yêu cầu. Tiếp theo là mã hóa dữ liệu, nhập dữ liệu, làm sạch dữ liệu. Sau đó tiến hành phân tích dữ liệu với phần mềm SPSS 16.0 với các phương pháp sau:
Phân tích độ tin cậy (hệ số Cronbach Alpha) để xem kết quả nhận được đáng tin cậy ở mức độ nào. Độ tin cậy đạt yêu cầu ≥ 0,8. Tuy nhiên, theo Hoàng Trọng và các đồng nghiệp (2005) thì Cronbach Alpha từ 0,6 trở lên cũng có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người được phỏng vấn trong bối cảnh nghiên cứu (trường hợp của đề tài - nghiên cứu khám phá) nên khi kiểm định sẽ lấy chuẩn Cronbach Alpha ≥ 0,6.
Phân tích nhân tố khám phá: Được sử dụng để rút gọn tập nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết thông tin của tập biến ban đầu. (Hair và các tác giả, 1998).
Số lượng nhân tố: Được xác định dựa trên chỉ số Eigenvalue đại diện cho phần biến thiên được 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.
Phương pháp trích hệ số được sử dụng trong nghiên cứu này là Pricipal Axis Factoring với phép xoay Varimax. Phương pháp Principal Axis Factoring sẽ cho ta số lượng nhân tố là ít nhất để giải thích phương sai chung của tập hợp biến quan sát trong sự tác động qua lại giữa chúng.
Phân tích hồi quy tuyến tính bội: Được sử dụng để mô hình hoá mối quan hệ nhân quả giữa các biến, trong đó một biến gọi là biến phụ thuộc (hay biến được giải thích) và các biến kia là các biến độc lập (hay biến giải thích). Mức độ phù hợp của mô hình được đánh giá bằng hệ số R2 điều chỉnh. Giá trị R2 điều chỉnh không phụ thuộc vào độ lệch phóng đại của R2 do đó được sử dụng phù hợp với hồi quy tuyến tính đa biến.
Kiểm định ANOVA được sử dụng để kiểm định độ phù hợp của mô hình tương quan, tức là có hay không có mối quan hệ giữa các biến độc lập hay biến phụ thuộc. Thực chất của kiểm định ANOVA đó là kiểm định F xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không và giả thuyết H0 được đưa ra là βk = 0. Trị thống kê F được tính từ giá trị R2 của mô hình đầy đủ, giá trị Sig. bé hơn mức ý nghĩa kiểm định sẽ giúp khẳng định sự phù hợp của mô hình hồi quy.
Phân tích thống kê mô tả (Descriptive Statistics): Sử dụng để xử lý các dữ liệu và thông tin thu thập được nhằm đảm bảo tính chính xác và từ đó, có thể đưa ra các kết luận có tính khoa học và độ tin cậy cao về vấn đề nghiên cứu.