CHƢƠNG 2 : CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN
3.2 Phƣơng pháp nghiên cứu
3.2.4 Phân tích dữ liệu
Phân tích dữ liệu: Tiến hành thu thập Phiếu khảo sát từ các đơn vị khảo sát thực hiện phân tích dữ liệu thu thập đƣợc bằng phần mềm SPSS để cho ra kết quả nghiên cứu.
Các bƣớc thực hiện phân tích dữ liệu nhƣ sau:
Đánh giá thang đo Cronbach’s alpha:
Công cụ Cronbach’s Alpha đƣợc sử dụng để đánh giá độ tin cậy của các biến quan sát trong mơ hình nghiên cứu, giúp loại bỏ các biến quan sát không đủ độ tin cậy. Nhiều nhà nghiên cứu cho rằng Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo là tốt. Tuy nhiên, trƣờng hợp khái niệm nghiên cứu là mới thì hệ số Cronbach’s Alpha ≥ 0,6 là chấp nhận đƣợc (Nunnally và Bernstein, 1994).
Mặt khác, để tránh hiện tƣợng trùng lắp trong đo lƣờng, bên cạnh hệ số Cronbach’s Alpha, sử dụng kết hợp hệ số tƣơng quan biến-tổng hiệu chỉnh (corrected item-total correlation), nếu một biến đo lƣờng có hệ số tƣơng quan biến tổng ≥ 0,3 thì đạt yêu cầu (Nunnally & Bernstein, 1994).
Phân tích yếu tố khám phá EFA:
Sau khi đánh giá độ tin cậy của thang đo bằng Cronbach’s Alpha, bƣớc tiếp theo là kiểm định giá trị thang đo (giá trị hội tụ, giá trị phân biệt) bằng phƣơng pháp phân tích yếu tố khám phá EFA (Exploratory Factor Analysis). EFA dùng để rút gọn một tập k biến quan sát ban đầu thành một tập F (F<k) các yếu tố có ý nghĩa hơn, phù hợp hơn trong mơ hình nghiên cứu. Các tiêu chuẩn đƣợc áp dụng trong EFA:
Hệ số KMO ≥ 0,5: dùng để so sánh độ lớn của hệ số tƣơng quan giữa hai biến với độ lớn của hệ số tƣơng quan từng phần của chúng (Hoàng Trọng&Chu NguyễnMộng Ngọc,2008).
Mức ý nghĩa kiểm định Bartlett (kiểm định sự tƣơng quan giữa các biến trong tổng thể) ≤ 0,05: từ chối giả thuyết Ho (các biến khơng có tƣơng quan với nhau), nghĩa là các biến có tƣơng quan với nhau trong tổng thể. (Nguyễn Đình Thọ 2013).
Hệ số tải yếu tố (Factor Loading) ≥ 0,5, Eigenvalue ≥1 (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi yếu tố), và phƣơng sai trích ≥ 50%.
Sử dụng phƣơng pháp rút trích yếu tố chính (Principal components) với phép xoay vng góc các yếu tố (Varimax procedure) khi trích các yếu tố có Eigenvalue ≥ 1.
Phân tích hồi quy:
Các bƣớc thực hiện phân tích hồi quy tuyến tính bội:
Kiểm tra sự tƣơng quan giữa các biến độc lập và biến phụ thuộc bằng ma trận hệ số tƣơng quan Pearson, để xác định hiện tƣợng đa cộng tuyến.
Xây dựng và đánh giá sự phù hợp của mơ hình Phƣơng trình hồi quy tuyến tính có dạng:
Y= βo + β1X1+ β2X2 + β3X3 + β4X4 + β5X5+ β6X6+ ε - Y: Biến phụ thuộc (CLTD).
- Xi: Các biến độc lập (là các yếu tố tác động).
- β0: Hằng số hồi quy; βi: Hệ số hồi quy riêng phần đo lƣờng sự thay đổi của biến phụ thuộc khi biến độc lập Xi thay đổi trong điều kiện các biến độc lập cịn lại khơng đổi.
- ε là sai số ngẫu nhiên.
- Để ƣớc lƣợng các tham số trong mơ hình, sử dụng phƣơng pháp Enter trong SPSS để đƣa cùng lúc các biến độc lập, biến phụ thuộc vào mơ hình.
(ii)Đánh giá sự phù hợp của mơ hình: Sử dụng R2 hiệu chỉnh (Adjusted R square) thay thế cho R2 để đánh giá mức độ phù hợp của mơ hình hồi quy (R2 hiệu chỉnh thƣờng < R2 ),dùng nó để đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
(iii) Kiểm định sự phù hợp của mơ hình:
- Để lựa chọn mơ hình tối ƣu, thực hiện kiểm định F bằng phƣơng pháp phân tích phƣơng sai ANOVA, nếu giá trị Sig <0,05: bác bỏ giả thuyết Ho (H1= H2= H3=… = Hn=0, hay khơng có mối liên hệ giữa các biến độc lập với biến phụ thuộc trong mơ hình), có nghĩa các biến độc lập Xi trong mơ hình giải thích đƣợc sự thay đổi của biến phụ thuộc Y.
- Mặt khác, để kiểm tra hiện tƣợng đa cộng tuyến, sử dụng hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor). Thông thƣờng, nếu VIF của biến độc lập Xi > 10 thì biến này khơng có giá trị giải thích biến thiên của Y trong mơ hình (Hair và cộng sự, 2006). Tuy nhiên, nếu VIF > 2 cần lƣu ý vì hiện tƣợng đa cộng tuyến có thể xảy ra trong mơ hình hồi quy.
Đánh giá tác động khác nhau của các biến nhân khẩu học đến CLTD CN của khách hàng:
Kiểm định T Test: dùng để kiểm tra sự tác động khác nhau của biến giới tính đến
CLTD CN.
Kiểm tra kiểm định Levene’s ở bảng Independent Samples Test Nếu sig của kiểm định này < 0.05 thì phƣơng sai giữa 2 lựa chọn của biến định tính ở trên khác nhau, ta sẽ sử dụng kết quả kiểm định T ở phần Equal variances not assumed. Nếu giá trị sig của kiểm định t ở phần Equal variances not assumed sig. > 0.05 thì kết luận kiểm định T khơng có sự khác biệt, cịn Sig <= 0.05 thì kết luận có sự khác biệt giữa các nhóm của biến định tính.
Thực hiện kiểm tra kiểm định Levene ở bảng Test of Homogeneity of variances, nếu sig ở kiểm định này < = 0.05 thì kết luận phƣơng sai giữa các lựa chọn của biến định tính ở trên khác nhau.
Kiểm định One ANOVA: dùng để kiểm tra sự tác động khác nhau của biến nhân
khẩu học còn lại đến CLTD CN.
Nếu sig ở kiểm định này >0.05 thì phƣơng sai giữa các lựa chọn của biến định tính ở trên khơng khác nhau, xem tiếp kết quả ở bảng ANOVA. Nếu sig ở bảng này > 0.05 kết luận khơng có sự khác biệt giữa các nhóm biến định tính, cịn nếu sig ở bảng này < = 0.05 thì kết luận có sự khác biệt giữa các nhóm biến định tính.
Khi có sự khác biệt giữa các nhóm của biến định tính với định lƣợng trong phần T – Test hoặc ANOVA ta tiếp tục theo dõi giá trị Mean ở bảng Descriptives và kết luận.
Nếu nhóm nào có giá trị Mean cao hơn thì kết luận nhóm đó tác động nhiều hơn với biến định lƣợng.
Chƣơng 3, trình bày năm bƣớc của quy trình nghiên cứu, cách thiết kế nghiên cứu, các phƣơng pháp nghiên cứu (kiểm định độ tin cậy, phân tích yếu tố khám phá, phân tích tƣơng quan và phân tích hồi quy) và dữ liệu nghiên cứu.