* Phân tích thống kê mô tả
Bài nghiên cứu này tác giả sử dụng phƣơng pháp thống kê mô tả các đặc tính cơ bản của dữ liệu thu thập đƣợc trong cuộc khảo sát. Sau khi thu thập dữ liệu, sử dụng phƣơng pháp này để tóm tắt đƣa ra bảng tần số và mô tả các đặc trƣng khác nhau nhằm phản ánh một cách tổng quát về đối tƣợng nghiên cứu.
* Đánh giá độ tin cậy của thang đo Cronbach’s Alpha
Phƣơng pháp này cho phép tác giả bỏ những biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha. Thông qua hệ số Cronbach Alpha những biến số có hệ số tƣơng quan biến tổng (item-total correlation) <0.3 s bị loại. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach Alpha từ 0,8 trở lên đến gần 1 thì thang đo lƣờng là tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng thang đo có hệ số Cronbach Alpha từ 0.6 trở lên có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater,1995).
* Phân tích nhân tố EFA
Sau khi đánh giá độ tin cậy của các thang đo bằng hệ số Cronbach Alpha và loại đi các biến không đảm bảo độ tin cậy, tác giả tiến hành phân tích nhân tố của mỗi khái niệm nghiên cứu, đƣợc xem xét để cung cấp bằng chứng về giá trị hiệu lực của thang đo. Phân tích nhân tố khám phá là kỹ thuật sử dụng thu nhỏ và tóm tắt dữ
liệu. Phƣơng pháp này rất hữu dụng cho việc xác định tập hợp các biến cần thiết cho quá trình nghiên cứu và tìm mối quan hệ giữa các biến với nhau.
- Xem xét sự tƣơng quan giữa các biến trong tổng thể bằng kiểm định Barlett’s [4]:
Đặt giả thuyết:
Giả thuyết H0: Các nhân tố ảnh hƣởng đến quyết định vay vốn của KHCN không có tƣơng quan với nhau trong tổng thể.
Giả thuyết H1: Các nhân tố ảnh hƣởng đến quyết định vay vốn của KHCN có tƣơng quan với nhau trong tổng thể.
Mức ý nghĩa của kiểm định Barlett’test sig ≤ 0.05� Bác bỏ giả thuyết H0 Mức ý nghĩa của kiểm định Barlett’s sig >0.05� Chấp nhận giả thuyết H0
- Xem xét sự thích hợp của nhân tố bằng trị số KMO (Kaiser Meyer Olkin) Trị số 0,5 ≤ KMO ≤ 1 � phân tích nhân tố là phù hợp
Trị số KMO < 0,5 hoặc KMO >1 � phân tích nhân tố không phù hợp
Dùng phép quay Varimax rút trích các nhân tố đại diện bằng các biến quan sát: Hệ số tải nhân tố Factor loading >0,5 và chênh lệch giữa giá trị lớn nhất và nhỏ nhất >0,3. Thang đo đƣợc chấp nhận khi tổng phƣơng sai trích >50%.
- Xác định số lƣợng nhân tố dựa vào hệ số Eigenvalue[4]
Những nhân tố có Eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mô hình, những nhân tố có Eigenvalue nhỏ hơn 1 s không có tác dụng tóm tắt thông tin tốt hơn một biến gốc. Ta s nhận nhân tố có Eigenvalue >1 và không chấp nhận nhân tố có Eigenvalue <1.
* Phân tích hồi qui.
Phƣơng pháp hồi quy tuyến tính để xác định mức ý nghĩa và mối tƣơng quan tuyến tính của các biến trong mô hình nghiên cứu, biết đƣợc mức độ tác động của các biến độc lập lên biến phụ thuộc. Từ đó, xây dựng mô hình hồi quy bội, kiểm định các giả thuyết. Theo tác giả Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), kết quả hồi quy đƣợc tiến hành nhƣ sau:
Khi đánh giá mô hình hồi quy bội, hệ số R2 và R2 hiệu chỉnh đƣợc dùng để đánh giá độ phù hợp của mô hình. Hệ số R2 đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình, càng đƣa thêm nhiều biến độc lập vào mô hình thì R2 càng tăng, tuy nhiên không có nghĩa phƣơng trình có càng nhiều biến thì s càng phù hợp hơn với dữ liệu. Nhƣ vậy, R2 có khuynh hƣớng là một ƣớc lƣợng khách quan của thƣớc đo sự phù hợp của mô hình đối với dữ liệu trong trƣờng hợp có hơn một biến giải thích trong mô hình. Mô hình thƣờng không phù hợp với dữ liệu thực tế nhƣ giá trị R2 thể hiện.
Do đó, hệ số R2 hiệu chỉnh đƣợc sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính bởi vì nó không phụ thuộc vào độ phóng đại của R2. Hệ số R2 có giá trị từ 0 đến 1, R2 càng gần 1 thì mô hình đã xây dựng càng thích hợp. R2 càng gần 0 mô hình càng kém phù hợp với tập dữ liệu mẫu.
Ta sử dụng kiểm định F trong phân tích phƣơng sai để kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, qua đó xem xét biếnphụ thuộc có liên hệ tuyến tính với các biến độc lập không.
Xét giả thuyết:
Giả thuyết H0: (R2= 0) Không có mối quan hệ giữa các biến độc lập và biến phụ
thuộc.
Giả thuyết H1: (R2≠ 0) Tồn tại mối quan hệ giữa các biến độc lập và biến phụ
thuộc. Mức ý nghĩa kiểm định là mức độ chấp nhận sai lầm của các nhà nghiên cứu. Trong các nghiên cứu kiểm định lý thuyết khoa học trong ngành kinh doanh, mức ý nghĩa thƣờng đƣợc chọn là 5% (Theo tác giả Nguyễn Đình Thọ, 2012).
Nếu Sig. < 0,05: Bác bỏ giả thuyết Ho. Nếu Sig.≥ 0,05: Chấp nhận giả thuyết Ho.
Kiểm định các giả thuyết trong mô hình hồi quy bội gồm: Giả định không có hiện tƣợng đa cộng tuyến giữa các biến độc lập; Giả định phần dƣ có phân phối chuẩn; Giả định không có sự tƣơng quan giữa các phần dƣ.