CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.3. Nghiên cứu định lƣợng chính thức
3.3.4. Phƣơng pháp thu thập và phân tích dữ liệu
Sau khi thu thập, các bảng trả lời đƣợc xem xét và loại đi những bảng không đạt yêu cầu nhƣ: (1) bảng khảo sát thu thập đƣợc có câu trả lời giống nhau cho tất
cả các phát biểu, và (2) bảng khảo sát thu thập đƣợc có 10% trên tổng số phát biểu không đƣợc trả lời (Hair & ctg, 1998).
Trình tự tiến hành phân tích dữ liệu đƣợc thực hiện nhƣ sau:
Bƣớc 1 - Chuẩn bị dữ liệu: thu nhận bảng trả lời, tiến hành làm sạch dữ liệu, mã hóa các dữ liệu cần thiết trong bảng câu hỏi vào phần mềm SPSS 21;
Bƣớc 2 - Thống kê: tiến hành thống kê mô tả dữ liệu thu thập đƣợc;
Bƣớc 3- Phân tích độ tin cậy: tiến hành đánh giá độ tin cậy thang đo bằng Cronbach’s Alpha;
Bƣớc 4 - Phân tích nhân tố khám phá EFA; Bƣớc 5 - Phân tích hồi quy đa biến;
Bƣớc 6 - Kiểm định mô hình & kiểm định giả thuyết.
3.3.4.1. Đánh giá độ tin cậy của thang đo
Đánh giá độ tin cậy của thang đo bằng kiểm định Cronbach”s alpha là phƣơng pháp thƣờng đƣợc sử dụng rộng rãi nhất.Mỗi thang đo chỉ có giá trị khi thang đo đó đo lƣờng đƣợc đúng đối tƣợng cần đo, nghĩa là phƣơng pháp đo lƣờng không có những sai lệch mang tính hệ thống và ngẫu nhiên. Đó là lý do cần phải kiểm tra độ tin cậy của thang đo trƣớc khi vận dụng.
Các tiêu chí đánh giá độ tin cậy của một thang đo: (1) Hệ số Cronbach”s alpha;
(2) Hệ số tƣơng quan giữa biến qua sát và biến tổng (Item-to-Total correlation); (3) Hệ số Cronbach”s alpha nếu biến bị loại bỏ (Cronbach”s alpha if Item
Deleted).
Độ tin cậy của thang đo đƣợc đánh giá bằng phƣơng pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Hệ số Cronbach’s Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao.Sử dụng phƣơng pháp Cronbach’s Alpha trƣớc khi phân tích nhân tố khám phá EFA để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011).
Hệ số tin cậy chỉ cho biết các biến đo lƣờng có liên kết với nhau hay không nhƣng không cho biết biến nào cần loại bỏ đi và biến nào cần giữ. Do đó, kết hợp sử
dụng hệ số tƣơng quan biến tổng để loại ra những biến không đóng góp nhiều cho khái niệm cần đo (Hoàng Trọng& Chu Nguyễn Mộng Ngọc, 2008).
Các tiêu chí đánh giá
- Hệ số tin cậy Cronbach’s Alpha > 0,8 là thang đo lƣờng tốt; 0,7 đến 0,8 là sử dụng đƣợc;
- Hệ số tƣơng quan biến – tổng: các biến quan sát có tƣơng quan biến – tổng nhỏ (< 0,3) đƣợc xem là biến rác thì sẽ bị loại ra và thang đo đƣợc chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu;
- 0,6 ≤ Cronbach’s Alpha ≤ 0,95 và tƣơng quan biến – tổng > 0,3 (Hoàng Trọng, 2005; Nguyễn Đình Thọ, 2013, trang 353, trang 404).
3.3.4.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố đƣợc dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo (gọi là các nhân tố). Các nhân tố đƣợc rút gọn này sẽ có ý nghĩa hơn nhƣng vẫn chứa đựng hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá đƣợc dùng để kiểm định giá trị khái niệm của thang đo:
Các tiêu chí đánh giá kết quả trong phân tích EFA:
- Xem xét sự thích hợp của việc phân tích nhân tố: hệ số KMO (Kaiser-Meyer- Olkin) là một tiêu chí đánh giá sự thích hợp của dữ liệu với phân tích nhân tố. Phân tích nhân tố là thích hợp khi 0,5 ≤ KMO ≤ 1 (Nguyễn Đình Thọ, 2011). Để sử dụng EFA, KMO phải lớn hơn 0,50. Kaiser (1974) đề nghị KMO ≥ 0,90: rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: đƣợc; KMO ≥ 0,60: tạm đƣợc; KMO ≥ 0,50: xấu và KMO < 0,50: không thể chấp nhận đƣợc (Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008)) cho rằng giá trị KMO nằm giữa khoảng 0.50 đến 1 là có nghĩa là phân tích nhân tố là thích hợp.
- Tiêu chuẩn để xác định số lƣợng các nhân tố đƣợc trích ra: tất cả các nhân tố đƣợc trích ra đều phải có eigenvalue bằng 1 hoặc lớn hơn. Tiêu chuẩn này đƣợc chấp nhận rộng rãi nhƣ là nền tảng cho việc thêm vào hay loại bớt một nhân tố nào đó.
- Xem xét giả thuyết Bartlett”s test of sphericity (H0) là các biến không có tƣơng quan tổng thể (ma trận tổng thể là đồng nhất. Khi sig ≤ 0,05 thì giả thuyết về độ tƣơng quan giữa các biến quan sát bằng không trong tổng thể (Hoàng Trọng & ctg, 2008). Dữ liệu là phù hợp khi giả thuyết H0 này bị bác bỏ.
- Tiêu chuẩn xác định một biến có thuộc nhân tố này hay không: nghiên cứu này cũng sử dụng tiêu chuẩn giống nhƣ các nghiên cứu khác để lựa chọn biến cho một nhân tố, đó là dựa vào hệ số tải nhân tố (factor loading). Một biến có hệ số tải nhân tố thấp nhất là 0,5 và không tải lên nhân tố khác trên 0,35 đƣợc chấp nhận là một thành phần của nhân tố đó. Tiêu chuẩn này cũng phù hợp với đề nghị hệ số tải nhân tố thấp nhất là 0,3 (Nguyễn Đình Thọ, 2011). Một biến tải lên hai nhân tố trên 0,35 sẽ bị loại bỏ.
- Phƣơng sai trích đƣợc (variance explained criteria): tổng phƣơng sai trích đƣợc phải lớn hơn 50% (Hoàng Trọng & ctg, 2008).
3.3.4.3. Phân tích hồi quy đa biến
- Nhằm đánh giá mức độ phù hợp của mô hình nghiên cứu (adjusted R2).
- Đánh giá mức độ giải thích và ý nghĩa giữa các biến độc lập lên biến phụ thuộc (β – Standardized Coefficients và Sig. < 0,05)
Xem xét các giả thuyết hồi quy có bị vi phạm:
- Kiểm tra giả thuyết tuyến tính giữa biến phụ thuộc và độc lập.
- Xem xét mức độ ảnh hƣởng của hiện tƣợng đa cộng tuyến - Collinearity statistic (VIF – variance inflation factor): là hiện tƣợng khi các biến độc lập có tƣơng quan chặt chẽ với nhau. Theo Hoàng Trọng & ctg (2008), khi hệ số VIF vƣợt quá 10 (VIF > 10), đó là dấu hiệu của hiện tƣợng đa cộng tuyến.
- Kiểm tra giả thuyết phân phối chuẩn của sai số và mỗi biến bị vi phạm.
- Phƣơng sai của sai số hồi quy thay đổi: là hiện tƣợng phƣơng sai của các số hạng không giống nhau. Khi có hiện tƣợng phƣơng sai thay đổi thì ƣớc lƣợng các hệ số hồi quy (β) không hiệu quả. Dựa vào độ lớn của phần dƣ chuẩn hoá (Regression Standardized Residual), nếu giá trị này tăng hay giảm theo giá trị dự đoán thì có khả năng vi phạm giả thuyết phƣơng sai không đổi.
- Trong nghiên cứu này dùng kiểm định Spearman cho cỡ mẫu nhỏ với giả thuyết đặt ra là phƣơng sai của sai số thay đổi, nếu giả thuyết này đúng thì hệ số tƣơng quan hạng tổng thể giữa phần dƣ và biến độc lập sẽ khác 0 (Hoàng Trọng, 2008) - Tính độc lập của các sai số hồi quy: kiểm tra tƣơng quan chuỗi bậc nhất đối với
phần dƣ chuẩn hoá. TÓM TẮT
Chƣơng 3 tác giả trình bày quy trình nghiên cứu, phƣơng pháp lấy mẫu, kích thƣớc mẫu, phƣơng pháp thu thập và phân tích dữ liệu. Phƣơng pháp nghiên cứu đƣợc thực hiện qua hai bƣớc:
Nghiên cứu sơ bộ: thực hiện thông qua phƣơng pháp định tính với kỹ thuật thảo luận tay đôi; phƣơng pháp định lƣợng với khảo sát sơ bộ, cỡ mẫu. Sau khi khảo sát sơ bộ, tác giả đã hình thành thang đo sơ bộ gồm 28 biến quan sát đo lƣờng 6 khái niệm nghiên cứu trong mô hình.
Nghiên cứu chính thức: thực hiện thông qua phƣơng pháp định lƣợng với bảng khảo sát; lấy mẫu thuận tiện. Thang đo sử dụng trong nghiên cứu là thang đo Likert 5 mức độ. Dữ liệu cho nghiên cứu chính thức đƣợc thu thập thông qua bảng khảo sát điện tử và bảng khảo sát tại thực địa.
Dữ liệu sau khi thu thập sẽ đƣợc đƣa vào phần mềm SPSS 21 phân tích. Phân tích dữ liệu gồm các bƣớc nhƣ: phân tích EFA, kiểm định độ tin cậy, phân tích tƣơng quan và hồi quy.