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 đuợc bằng phần mềm SPSS để cho ra kết quả nghiên cứu.
Các buớc thực hiện phân tích dữ liệu nhu sau:
Đánh giá thang đo Cronbach ’s alpha:
Công cụ Cronbach’ s Alpha đuợc sử dụng để đánh giá độ tin cậy của các biến quan sát trong mô 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, truờng hợp khái niệm nghiên cứu là mới thì hệ số Cronbach’ s Alpha ≥ 0,6 là chấp nhận đuợc (Nunnally và Bernstein, 1994).
Mặt khác, để tránh hiện tuợng trùng lắp trong đo luờng, bên cạnh hệ số Cronbach’ s Alpha, sử dụng kết hợp hệ số tuơng quan biến-tổng hiệu chỉnh (corrected item-total correlation), nếu một biến đo luờng có hệ số tuơng 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, buớc tiếp theo là kiểm định giá trị thang đo (giá trị hội tụ, giá trị phân biệt) bằng phuơng 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 mô hình nghiên cứu. Các tiêu chuẩn đuợc áp dụng trong EFA:
Hệ số KMO ≥ 0,5: dùng để so sánh độ lớn của hệ số tuơng quan giữa hai biến với độ lớn của hệ số tuơng quan từng phần của chúng (Hoàng Trọng&Chu NguyễnMộng Ngọc,2008).
Mức ý nghĩa kiểm định Bartlett (kiểm định sự tuơng quan giữa các biến trong tổng thể) ≤ 0,05: từ chối giả thuyết Ho (các biến không có tuơng quan với nhau), nghĩa là các biến có tuơng 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 đuợc giải thích bởi mỗi yếu tố), và phuơng sai trích ≥ 50%.
Sử dụng phuơng pháp rút trích yếu tố chính (Principal components) với phép xoay vuông góc các yếu tố (Varimax procedure) khi trích các yếu tố có Eigenvalue ≥ 1.
Phân tích hồi quy:
Các buớc thực hiện phân tích hồi quy tuyến tính bội:
Kiểm tra sự tuơng quan giữa các biến độc lập và biến phụ thuộc bằng ma trận hệ số tuơng quan Pearson, để xác định hiện tuợng đa cộng tuyến.
Xây dựng và đánh giá sự phù hợp của mô hình Phuơng 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 luờng sự thay đổi của biến phụ thuộc khi biến độc lập Xi thay đổi trong điều kiện các biến độc lập còn lại không đổi.
- ε là sai số ngẫu nhiên.
- Để uớc luợng các tham số trong mô hình, sử dụng phuơng pháp Enter trong SPSS để đua cùng lúc các biến độc lập, biến phụ thuộc vào mô hình.
(ii) Đánh giá sự phù hợp của mô hình: Sử dụng R2 hiệu chỉnh (Adjusted R square) thay thế cho R2 để đánh giá mức độ phù hợp của mô hình hồi quy (R2 hiệu chỉnh thuờng < R2 ),dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
(iii) Kiểm định sự phù hợp của mô hình:
- Để lựa chọn mô hình tối uu, thực hiện kiểm định F bằng phuơng pháp phân tích phuơng sai ANOVA, nếu giá trị Sig <0,05: bác bỏ giả thuyết Ho (H1= H2= H3=.. .= Hn=0, hay không có mối liên hệ giữa các biến độc lập với biến phụ thuộc trong mô hình), có nghĩa các biến độc lập Xi trong mô hình giải thích đuợc sự thay đổi của biến phụ thuộc Y.
- Mặt khác, để kiểm tra hiện tượng đa cộng tuyến, sử dụng hệ số phóng đại phương sai VIF (Variance Inflation Factor). Thông thường, nếu VIF của biến độc lập Xi > 10 thì biến này không có giá trị giải thích biến thiên của Y trong mô hình (Hair và cộng sự, 2006). Tuy nhiên, nếu VIF > 2 cần lưu ý vì hiện tượng đa cộng tuyến có thể xảy ra trong mô 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 phương 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 không có sự khác biệt, còn 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 phương 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 phương sai giữa các lựa chọn của biến định tính ở trên không khác nhau, xem tiếp kết quả ở bảng ANOVA. Nếu sig ở bảng này > 0.05 kết luận không có sự khác biệt giữa các nhóm biến định tính, còn 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 lượng 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 lượng.
Chương 3, trình bày năm bước của quy trình nghiên cứu, cách thiết kế nghiên cứu, các phương pháp nghiên cứu (kiểm định độ tin cậy, phân tích yếu tố khám phá, phân tích tương quan và phân tích hồi quy) và dữ liệu nghiên cứu.
ST T Chỉ tiêu Năm 2017 Năm 2018 Năm 2019 2019/2017 ± %
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN