Quy trình nghiên cứu được thể hiện chi tiết trong hình 3.1. Quy trình này mở đầu bằng đặt vấn đề nghiên cứu và kết thúc bằng việc trình bày báo cáo nghiên cứu.
Hình 3.1 Quy trình nghiên cứu
Nghiên cứu thực hiện bằng phương pháp định lượng, thông qua việc thu thập thông tin bằng bảng khảo sát được thiết kế bằng công cụ Google Forms. Nghiên cứu sinh thực hiện công việc khảo sát từng đối tượng và tổng hợp kết quả trên một mẫu thống nhất. Sau khi có được một số lượng kết quả nhất định, nghiên cứu sinh tiếp tục công việc sàng lọc những kết quả phù hợp cho nghiên cứu, đồng thời loại bỏ những
kết quả không mang tính khách quan cho đến khi lấy được đủ mẫu kết quả (phù hợp để đại diện cho tổng thể nghiên cứu).
Trước tiên, các thang đo này được đánh giá bằng phương pháp phân tích độ tin cậy thông qua hệ số Cronbach‘s Alpha và phương pháp phân tích EFA. Các thang đo thỏa mãn điều kiện của 02 phương pháp đánh giá trên sẽ được đánh giá bằng phương pháp phân tích nhân tố kh ng định CFA (Confirmatory Factor Analysis). Các thang đo thỏa mãn chỉ tiêu đánh giá trong phân tích CFA sẽ được sử dụng để kiểm định mô hình và các giả thuyết nghiên cứu thông qua mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling).
3.2. Phƣơng pháp nghiên cứu
Nghiên cứu định lượng mở đầu bằng việc xác định các thang đo của nghiên cứu và hình thành bảng câu hỏi. Xây dựng kế hoạch chọn mẫu rồi tiến hành thu thập thông tin. Tiếp đó là xử lý số liệu bằng phần mềm SPSS và AMOS để kết luận các giả thuyết nghiên cứu.
Các phiếu khảo sát sau khi thu thập đủ sẽ được đánh giá tính hợp lệ. những phiếu hợp lệ sẽ được mã hóa, nhập liệu và làm sạch dữ liệu dựa trên phần mềm SPSS và AMOS. Thông qua SPSS và AMOS, việc phân tích sẽ được thực hiện qua các bước sau:
Thống kê mô tả:
Lập bảng tần số, thống kê các đặc điểm của mẫu thu thập được theo năm học và trường Đại học đang theo học.
Đánh giá thang đo:
Kiểm định độ tin cậy của các thang đo thông qua kiểm định hệ số tin cậy Cronbach‘s Alpha và phân tích nhân tố khám phá EFA. Hệ số Cronbach‘s Alpha là phép kiểm định thống kê về mức độ chặt chẽ mà các thang đo tương quan với nhau. Nhờ phương pháp này, người phân tích có thể loại biến không phù hợp và hạn chế các biên xấu trong quá trình nghiên cứu. Thang đo chấp nhận được phải có độ tin cậy Cronbach‘s Alpha từ 6.0 trở lên và các biến có hệ số tương quan bé hơn 0.3 sẽ bị loại.
Phân tích nhân tố EFA được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach‘s Alpha và loại đi các biến không đảm bảo độ tin cậy. Phương pháp này xác định các tập biến cho nghiên cứu, tìm mối liên hệ giữa các biến với nhau. Khi phân tích EFA, mô hình cần phải thỏa các yếu tố sau:
- Hệ số KMO (Kaiser Meyer Olkin) phải lớn hơn hoặc bằng 0.5 và vượt qua kiểm định Barlett‘s Test với mức ý nghĩa bé hơn hoặc bằng 0.05 (Sai số cho phép là 5%, lấy tin cậy ở mức 95%)
- Hệ số Eigenvalues lớn hơn hoặc bằng 1 và tổng phương sai trí từ 50% trở lên thì thang đo được chấp nhận.
- Hệ số tải nhân tố trên 0,3 được xem là đạt được mức tối thiểu; trên 0,4 được xem là quan trọng; từ 0,5 trở lên được xem là có ý nghĩa thực tiễn.
Sau khi phân tích EFA, các thang đo sẽ tiếp tục được kiểm định mô hình bằng CFA và SEM nên cần chú ý đến kết cấu thang đo, khái niệm sau khi rút ra có thể tương quan lẫn nhau, và cũng cần chú ý đến giá trị phân biệt của các nhân tố. Vì vậy nghiên cứu này sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax và điểm dừng khi trích các yếu tố Eigenvalues lớn hơn hoặc bằng 1. Phương pháp này được cho rằng sẽ phản ánh dữ liệu tốt hơn khi dùng phương pháp trích Principal Components với phép quay Varimax.
Kiểm định thang đo ng ph n t ch nh n tố kh ng định C :
Phân tích nhân tố kh ng định (CFA - Confirmatory Factor Analysis) là một trong các kỹ thuật thống kê của mô hình cấu trúc tuyến tính SEM. CFA kiểm định các biến quan sát đại diện cho các nhân tố tốt hay không.
Việc thực hiện kiểm định hội tụ (Convergent Validity), tính phân biệt Discriminant Validity) và Sự tin cậy (Reliability) nhằm xem xét loại bỏ các nhân tố không đảm bảo được tin cậy và khác biệt, tránh gây ra những sai lệch kết quả phân tích, các con số phân tích không thể hiện được ý nghĩa của dữ liệu khảo sát và mô hình thực tế. Để kiểm định sự phân biệt và tin cậy khi phân tích CFA, một số đo lường cần tuân thủ như sau:
- Về độ tin cậy – Reliability: Standardized Loading Estimates phải lớn hơn hoặc bằng 0.5 (từ 0.7 trở lên là độ tin cậy lý tưởng) và Composite Reliability (CR) phải lớn hơn hoặc bằng 0.7
- Về tính hội tụ - Convergent: Average Variance Extracted (AVE) phải từ 0.5 trở lên. Có nghĩa là thang đo đạt được giá trị hội tụ khi các trọng số chuẩn hóa của thang đo đều cao hơn 0.5 và có ý nghĩa thống kê với P bé hơn 0.05.
- Về tính phân biệt – Discriminant: Maximum Shared Variance (MSV) phải bé hơn Average Variance Extracted (AVE). Sử dụng mô hình tới hạn – mô hình mà các biến được tự do quan hệ với nhau để kiểm định hệ số tương quan xét trên phạm vi tổng thể giữa các biến có thực sự khác biệt so với 1 hay không. Nếu nó khác biệt thì thang đo đạt được giá trị phân biệt.
Tiếp theo đó, để đo lường mức độ phù hợp và tương thích của mô hình (Model Fit) với dữ liệu thu thập, cần thỏa các điều kiện sau:
- Chi-square (CMIN): Mô hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi-square có P-value bé hơn 0.1. Tuy nhiên Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu.
- Chi-square điều chỉnh theo bậc tự do (CMIN/df) bé hơn hoặc bằng 3
- Chỉ số thích hợp so sánh (CFI_ Comparative Fit Index) lớn hơn hoặc bằng 0.9. - Chỉ số Tucker & Lewis (TLI_ Tucker & Lewis Index) lớn hơn hoặc bằng 0.9. - Chỉ số RMSEA (Root Mean Square Error Approximation) bé hơn hoặc bằng
0.08 (bé hơn hoặc bằng 0.05 thì kết quả của RMSEA sẽ rất cao)
Kiểm định m h nh ng ph n t ch cấu tr c tu ến t nh S M:
Phân tích SEM để đánh giá các giả thuyết đặt ra từ đầu bài nghiên cứu đến giờ, dựa trên mục tiêu nghiên cứu là trả lời các câu hỏi liên quan đến sự tác động và mức độ tác động của các biến, bài nghiên cứu sử dụng các chỉ số đo lường phù hợp để đánh giá, kiểm định như sau:
- Bài nghiên cứu nhận xét chỉ số P (sig) và Estimates (hệ số hồi quy chưa chuẩn hóa) để xem có hay không sự tác động của các biên. Biến độc lập tác động lên biến phụ thuộc trên 0.05 thì biến độc lập không có sự tác động lên biến phụ thuộc, và ngược lại.
- Sau đó dựa vào hệ số hồi quy Estimate để đánh giá chiều tác động (âm hoặc dương) của các biến độc lập lên biến phụ thuộc.
- Cuối cùng là xét đến giá trị R bình phương, thể hiện mức độ tác động của các biến độc lập lên biến phụ thuộc.
- Đưa ra kết luận về các giả thuyết đặt ra ở đầu chương là chấp nhận hay bác bỏ.