3.1.2.1. Phân tích độ tin cậy của thang đo
Độ tin cậy đề cập đến mức độ đo lường tính ổn định và tính nhất quán của một khái niệm. Hệ số Cronbach’s alpha là hệ số kiểm định thống kê về độ tin cậy và tương quan giữ các biến quan sát trong thang đo từ đó có thể kết luận kết quả đáng tin cậy ở mức độ nào. Những biến không phù hợp, không đảm bảo độ tin cậy sẽ bị loại trong quá trình phân tích.
Tiêu chuẩn về hệ số Cronbach’s Alpha:
Cronbach’s Alpha nằm trong khoảng 0,8-0,89: Độ tin cậy cao Cronbach’s Alpha nằm trong khoảng 0,9 - 1: Độ tin cậy rất cao
Các biến quan sát có hệ số tương quan biến tổng (Item total correlation) ≥ 0,3 thì biến đó đạt yêu cầu (Nguyễn Đình Thọ, 2013).
3.1.2.2. Phân tích nhân tố khám phá
Sau khi kiểm định thang đo và loại bỏ các biến không đảm bảo độ tin cậy, phương pháp phân tích nhân tố khám phá (ExploratoryFactor Analysis - EFA) sẽ xác định lại thang đo giúp việc đánh giá thang đo chính xác hơn. Phân tích nhân tố nhằm gom nhóm biến có tương quan với nhau thành các nhân tố, các biến vẫn đảm bảo đầy đủ thông tin so với các biến ban đầu.
Tiêu chuẩn trong phân tích nhân tố khám phá:
Chỉ số KMO (Kaiser - Meyer - Olkin) dùng để kiểm định sự thích hợp của phân tích nhân tố. KMO ≥ 0,5, và kiểm định Barlett’s test với mức 0,05 thì các biến quan sát trong tổng thể có mối tương quan với nhau và phân tích nhân tố là phù hợp.
Hệ số Eigenvalues là tiêu chí dùng để xác định số lượng nhân tố trong phân tích EFA.
Chỉ những nhân tố có chỉ số Eigenvalues ≥ 1 mới được giữ lại trong mô hình.
Tổng phương sai trích (Total Variance Explained): cho biết các nhân tố giải thích được bao nhiêu phần trăm biến thiên của các biến quan sát. Các nhân tố phải cùng nhau giải thích được trên 50% mô hình EFA chứng tỏ mô hình phù hợp với dữ liệu phân tích.
Hệ số hội tụ (Factor loading) là hệ số biểu thị sự tương quan giữa biến và nhân tố. Hệ số này đạt giá trị càng cao thì mối tương quan giữa biến và nhân tố càng lớn và ngược lại. Điều kiên của mô hình EFA là hệ số factor loading ≥ 0,5. Ngoài ra hệ số phân biệt của các nhân tố (Discriminant Value) ≥ 0,3 thì mô hình EFA được tạo thành với các biến phù hợp.
3.1.2.3. Phân tích hồi quy
Điều kiện trong hồi quy đa biến:
Giá trị Sig của kiểm định F được sử dụng để kiểm định độ phù hợp của mô hình hồi quy, để xem xét rằng có hay không mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập. Nếu Sig ≤ 0,05 thì giả thuyết rằng có mối quan hệ giữa biến phụ thuộc và
Kí hiệu Biến quan sát Nguồn
23
biến độc lập là đúng, mô hình hồi quy tuyến tính phù hợp.
Giá trị xác định bội (R2) đánh giá về sự phù hợp của mô hình, 0 < R2 < 1, nếu R2 càng tiến về 1 thì mô hình phù hợp có khả năng giải thích cao và ngược lại khi R2 càng về 0 thì các biến độc lập ít giải thích cho sự biến thiên của biến phụ thuộc.
Hệ số phóng đại phương sai (VIF - Variance inflation factor) có liên hệ gần với độ chấp nhận, quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến, là hiện tượng biến độc lập có mối quan hệ chặt chẽ với nhau, sẽ ảnh hưởng đến kết quả hồi quy.
Đôi khi phần dư không tuân theo phân phối chuẩn do đó nên khảo sát bằng đồ thị phần dư chuẩn hóa gồm biểu đồ Histogram và Normal probability plot Biểu đồ Histogram thể hiện tần số của các phần dư chuẩn hóa, đường cong chuẩn mặc định được đặt chồng lên trong biểu đồ này, nếu giá trị trung bình Mean gần bằng 0 và độ lệch chuẩn gần bằng 1 do đó ta kết luận phần dư phân phối xấp xỉ chuẩn. Biểu đồ Normal P-P Plot so sánh xác suất chuẩn của các phần dư chuẩn hóa với một phân phối chuẩn, nếu phần dư tập trung thành dạng hình đường chéo thì giả định phân phối chuẩn của phần dư không bị vi phạm.
Kiểm định ý nghĩa thống kê các tham số hồi quy riêng. Chẳng hạn, từ công thức Yi = β√ + β2X2i + β3X3i +•••+ βkXki + Ui kiểm định tham số β2 có ý nghĩa thống kê ở mức 5% hay không:
Giả thuyết: H_0 : β2= 0 H_1 : β2≠0
... Ấ ʌ 1 , β2-β2
Tính toán tham số t với n-k bậc tự do, công thức: t = ~7~y~~s
(β2)
Trong đó:: β2 là tham số hồi quy mẫu; β2 là tham số hồi quy cần kiểm định
và Se(β2) là sai số của tham số hồi quy mẫu tương ứng.
Nếu giá trị t tính được vượt quá giá trị tới hạn t tại mức ý nghĩa đã chọn (α = 5%), có thể bác bỏ giả thiết H_0, điều này hàm ý biến độc lập tương ứng với tham số này tác động có ý nghĩa đến biến phụ thuộc. Một cách khác, nếu giá trị p thu được từ cách
24
tính t là đủ nhỏ, đồng nghĩa với tham số hồi quy có ý nghĩa thống kê.
3.1.2.4. Kiểm định sự khác biệt
Để kiểm tra có sự khác biệt trong quyết định chọn quán cà phê The Coffee House theo các nhóm thống kê : giới tính, năm học, tần suất sử dụng hay không bằng cách sử dụng kiểm định T-Test và phân tích ANOVA.
Nếu Sig. < 0,05 : có sự khác biệt; Nếu Sig. > 0,05 : không có sự khác biệt