CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊNCỨU
2.3.2. Phương pháp phân tích dữ liệu
Như đã trình bày ở trên, chuyên đề nghiên cứu sử dụng SPSS 20 tiến hành phân tích các dữ liệu thu được. Quá trình thực hiện theo thứ tự phân tích dưới đây:
Phương pháp phân tích thống kê mô tả
Với các biến kiểm soát như thu nhập, giới tính, số lần mua hàng,…sẽ dùng phép thống kê về tần suất, tần số hoặc cơ cấu để miêu tả mức độ mua sắm cũng như thể hiện được tổng quan cơ cấu mẫu.
Đánh giá độ tin cậy của thángđo
Tác giả sử dụng phép phân tích Cronbach’s Alpha để có thể đánh giá được độ tin cậy cho thang đo. Việc sử dụng Cronbach’s Alpha để phân tích đo lường các yếu tố, từ đó còn loại bớt được các biến quan sát không có giá trị và không đạt yêu cầu.
Theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2007):
“Hệ số Cronbach’s Alpha càng lớn thì độ tin cậy càng cao. Hệ số Cronbach’s Alpha có giá trị biến thiên từ 0 đến 1. Tuy nhiên hệ số Cornbach’s Alpha quá lớn (>0.9) thì nhiều câu trong nghiên cứu không có gì khác biệt nhau hay chúng cùng đo lường một nộidungnàođótrongnghiêncứu.Hiệntượngnàyđượcgọilàđacộngtuyến.”
Nếu giá trị của Alpha lớn hơn 0.8 là tốt; Cronbach’s Alpha trong khoảng từ 0.7 đến 0.8 làdùng được; từ 0.6 trở lên là có thể chấp nhận sử dụng được. “Xét 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).
Sau khi phân tích xong Crobach’S AIpha sẽ quan sát đến hệ số tương quan biến tổng. Nếu như nó nhỏ hơn 0.3 thì sẽ bị loại bỏ. Xem xét đồng thời với hệ số tương quan biến tổng là chỉ số Crobach's AIpha if Itêm Dêleted của biến quan sát nếu lớn hơn hệ số độ tin cậy Crobach’s Alpha của biến tổng cũng không đạt yêu cầu.
Tổng kết lại, sau khi“phân tích Cronbach’s Alpha ta sẽ loại bỏ các yếu tố như
sau:
- Loại yếu tố có độ tin cậy Cronback’s Alpha nhỏ hơn 0.6
- Loại biến quan sát có hệ số tượng quan biến tổng bé hơn 0.3 và đồng thời có Cronbach's Alpha if Item Deleted của biến quan sát lớn hơn hệ số độ tin cậy Cronbach’s Alpha của biến tổng.”
Phân tích nhân tố khám pháEFA
Sau phép phân tích độ tin cậy, nghiên cứu sẽ thu được các biến đạt yêu cầu. Ở bước tiếp theo này sẽ sử dụng kiểm định EFA để rà soát lại một lần nữa những biến tốt và bỏ đi biến rác. Quá trình này có thể rút ngắn lại biến quan sát và cũng có thể giúp tạo ra những biến thuộc nhóm mới.
Dùng phân tích nhân tố EFA để đánh giá lại một lần nữa và điều chỉnh thang đo cho có độ tin cậy cao hơn. Các phương pháp sử dụng là phân tích EFA, Varimax, Principal Compoment. Cách thực hiện như sau:
Đầu tiên: Thực hiện kiểm định KMO và phân tích Barlett để biết được sự thích hợp phân tích nhân tố so với việc điều tra các dữ liệu. Sự hợp lí của các biến quan sát đã đủ hay không ?
Hair & ctg (1998, 111) chỉ ra cách xác định chỉ số Factor loading. Các chỉ tiêu để đảm bảo đạt yêu cầu về ý nghĩa là:
-“Factorloading>0.3đượcxemlàđạtmức thấp nhất được cho phép - Factor loading > 0.4 được xem là quantrọng
- Factor loading > 0.5 được xem là có ý nghĩa thực tế”
Để đạt đủ yêu cầu là có ý nghĩa, cần đủ chỉ số như sau:
Hệ số tải nhân tố phải lớn hơn 0.5
Tiếp theo là hệ số Kaiser-Meyer-Olkin nó nằm trong khoảng từ 0.5 đến 1. KMO này dùng để thấy được phân tích nhân tố có đúng và phù hợp hay không. Trị số này cao thì nhân tố xem xét đạt tương ứng thích hợp.
Sig. yêu cầu phải <0.05 thì là có ý nghĩa khi xét với kiểm định Barlett. Chỉ số này có tác dụng biết được các biến so với tương quan tổng thể là không có. Do đó các biến nhỏ không tương quan cùng nhau trong tổng thể đạt yêu cầu khi mà chỉ số kiểm định này đạt mức nhỏ hơn 0.05.
Kết thúc kiểm định KMO và Barlett ta sẽ thu được dữ liệu phù hợp và khi thấy các biến quan sát không có tương quan trong tổng thể sẽ tiến hành phân tích các nhân tố thông qua Principal Compoment. Trong kiểm định này ta dùng thông tin ở phép quay Varimax làm cơ sở nhận xét. Căn cứ vào ma trận xoay, có thể trực tiếp loại bỏ những biến quan sát có “hệ số tải nhân tố” nhỏ hơn 0,5 (nếucó) và bỏ các biến quan sát vi phạm tính phân biệt (nếu tải lên ở cả 2 nhân tố)
Sau khi thấy các biến không đạt yêu cầu, sẽ loại bỏ và tiến hành phân tích Principal Compoment một lần nữa cho các biến quan sát tốt đạt yêu cầu được giữ lại.
Ta thấy được kết quả phần trăm phương sai toàn bộ nếu lớn hơn 50% tức là đạt yêu cầu có ý nghĩa nghiên cứu. (Percentage of variance) > 50 phần trăm, đây là điều thể hiệnphần trăm biến thiên của các biến quan sát. Nó mang ý nghĩa như sau: nếu coi sự biến thiên là 100% thì con số thu được cho biết phân tích các nhân tố giải thích được bao nhiêu %.
Bước cuối để kết thúc phân tích EFA, tổng hợp các biến quan sát theo tên chung mới và xếp lại mô hình nghiên cứu hoàn chỉnh đạt đủ yêu cầu.
Quy mô mẫu
Kích thước mẫu được đề xuất là 150 phần tử. Tuy nhiên trong quá trình thực hiện có thể sẽ có các phiếu trả lời không đạt yêu cầu và sẽ cần loại bỏ. Vì vậy, tác giả gửi khảo sát trực tuyến cho 180 phần tử để có thể bù lại nếu như có phiếu trả lời không chuẩn. Và vẫn đảm bảo đủ kích thước mẫu đề ra.
Cơ cấu mẫu
Thực hiện khảo sát bảng hỏi với 180 sinh viên thuộc phạm vi nghiên cứu là các sinh viên tại Hà Nội. Thu được 176 kết quả đạt yêu cầu, phân tích cơ cấu như sau:
Giới tính: 63.6% Nữ, 36.4% Nam
Độ tuổi từ 18-22 tuổi (Tương ứng sinh viên năm nhất – sinh viên năm tư)
Đánh giá thang đo
Sau khi thực hiện khảo sát và điều tra thu được tổng 180 phiếu. Số phiếu không đạt yêu cầu là 4. Số phiếu có giá trị để tiến hành phân tích là 176 phiếu.