b. Phỏng vấn nhóm (Focus Groups)
3.5.1. Nghiên cứu sơ bộ
Dựa vào cơ sở lý thuyết, các nghiên cứu trước cùng với kết quả nghiên cứu định tính, nhóm tác giả hình thành bảng câu hỏi sơ bộ và tiến hành điều tra thử trong 1 tu n (23/12/2014 30/12/2014) v i 40 m u. Trong quá trình th c hiầ – ớ ẫ ự ện điều tra sơ bộ, nhóm tác giả tổng hợp các ý kiến đóng góp của những người được khảo sát về l i t ngỗ ừ ữ, câu văn để đảm bảo việc diễn đạt dễ ểu, đơn giản và đạt hiệ hi u qu ả tốt nhất cũng như kiểm định thử độ tin c y thông qua h sậ ệ ố Cronbach’s Alpha. Tiêu chuẩn chọn thang đo khi nó có độ tin c y ậ Cronbach’s Alpha từ 0,60 trở lên. Nhóm tác gi t m thả ạ ời chưa xét đến các bi n có h sế ệ ố tương quan biế – ổn t ng vì cho rằng cỡ mẫu cũng ảnh hưởng nhiều đến k t qu nghiên c u. Phân tích EFA cho t ng ế ả ứ ừ thang đo để xác định sự hội tụ của chúng không được tiếp tục thực hiện bởi vì với cỡ m u khẫ ảo sát sơ bộ là khá nh so v i c m u chính th c vì v y s cho k t qu ỏ ớ ỡ ẫ ứ ậ ẽ ế ả không chính xác và có thể loạ ỏi b các biến có ý nghĩa cũng như có sự “manh mún” trong vi c nhóm các nhân t l i v i nhau. Ngoài ra, nhóm có nghe chia s kinh ệ ố ạ ớ ẻ nghiệm và nh n xét góp ý cậ ủa anh Trần Trung Hiếu (K50 FTU2) – người đạt kết quả cao nhất (9,2/10) trong đợt vi t khóa lu n cu i khóa tháng 9/2014, v b ng hế ậ ố ề ả ỏi sơ bộ. Bảng hỏi sơ bộ, kết quả nghiên cứu sơ bộ và các góp ý được trình bày trong
Phụ ụ l c 14 và 15.
Kết qu phân tích h sả ệ ố Cronbach’s Alpha ủ c a mẫu sơ bộ cho th y h s ấ ệ ố Cronbach’s Alpha của các nhóm biến đề ớn hơn 0,6. Điều l u này cho thấy trước mắt các thang đo có thể tin cậy và tiếp tục nghiên cứu chính thức. Hệ số Cronbach’s Alpha l n nh t là 0,746 c a nhóm nhân tớ ấ ủ ố Nhận thức môi trường. Nhóm nhân t s ố ự hữu ích c a xe buýt có h sủ ệ ố Cronbach’s Alpha nhỏ nh t b ng 0,613. ấ ằ
Về các câu h i v thông tin cá nhân, theo anh ỏ ề Trần Trung Hiếu (K50 FTU2)
nhóm nên đặt ở cuối bảng hỏi để đảm bảo sự tế nhị, tạo thiện cảm cho người trả lời khảo sát. Nhóm tác giả thấy đây là m t thi u sót c a nhóm khi làm b ng h i khộ ế ủ ả ỏ ảo
sát sơ bộ và thống nhất sửa theo ý kiến đóng góp của anh. Các câu hỏi này bao gồm câu hỏi về tuổi tác, gi i tính, ngh nghi p, mớ ề ệ ức lương, số thành viên trong gia đình.
Đố ới v i biến ULTI6, đa số người được khảo sát đều chưa hiểu rõ ý của câu hỏi này “Tôi nghĩ sử dụng xe buýt thì không phải tìm bãi đổ xe”. Nhóm tác giả tiến hành giải thích đây là một trong những ưu điểm khi s d ng xe buýt vì khi s d ng ử ụ ử ụ PTCC thì người dân không cần quan tâm đến vấn đề chỗ đậu xe, chỗ giữ xe, phí gửi xe,… còn khi đối với PTCN chẳng hạn như xe máy, xe hơi,… thì đây là vấn đề quan trọng. Trước th c tr ng câu hự ạ ỏi chưa tường minh và d hi u, nhóm quyễ ể ết định thêm v so sánh vế ới đối tượng phương tiện cá nhân cho câu h i có th d dàng tiỏ ể ễ ếp cận hơn. Biến ULTI6 cụ thể như sau: “Tôi nghĩ khi sử dụng xe buýt thì không phải tìm bãi đậu xe như khi sử ụng phương tiện cá nhân”. d
3.5.2. Nghiên c u chính th c ứ ứ
Trên cơ sở việc điều chỉnh bảng hỏi sơ bộ, bảng hỏi chính thức được hình thành và trình bày ở Phụ l c 16.ụ Nghiên c u chính thứ ức được ti n hành trong tháng ế 1/2015.
3.5.2.1. C mỡ ẫu:
Kích thước của mẫu áp dụng trong nghiên cứu được dựa theo yêu c u cầ ủa phân tích nhân t khám phá EFA và hố ồi quy đa biến:
- Đối v i phân tích nhân t khám phá EFA: Hair và c ng s (1998) cho r ng ớ ố ộ ự ằ kích thước mẫu tối thiểu là gấp 5*n (n: tổng số biến quan sát).
- Đối v i phân tích hớ ồi quy đa biến: c m u t i thi u cỡ ẫ ố ể ần đạt được tính theo công thức là 50 + 8*m (m: s biố ến độ ập) (Tabachnick và Fidell, 1996). c l
Bài nghiên c u s d ng biứ ử ụ ến quan sát để phân tích nhân t khám phá EFA, ố biến độc lập trong phân tích hồi quy đa biến. Theo công thức ở trên ta có:
5 5.29 145 154 50 8 50 8.13 154 N n N N N N m N N
Nhóm quyết định ch n c m u ọ ỡ ẫ n=500 mẫu. C m u vỡ ẫ ừa đạt được số lượng tối thiểu đặt ra (n=154), v a th hiừ ể ện tính đại di n khá cao cho t ng thệ ổ ể, đồng thời đảm bảo độ tin cậy cho cả phân tích EFA và ước lượng mô hình hồi quy logit nhị thức đa biến.
3.5.2.2. Dữ liệu chính th c ứ
Bảng 3.2: Danh sách địa điểm cho khảo sát chính thức
Tên quận Tỷ lệ dân số (%) Số mẫu khảo sát Số phường khảo sát Phường khảo sát (bốc thăm ngẫu nhiên)
Tổng 100 500
Quận 1 3,09 15 2 Bến Thành và Cầu Kho. Quận 2 2,32 12 2 An Lợi Đông và An Khánh. Quận 3 3,12 16 2 13 và 8.
Quận 4 3,02 15 2 14 và 2. Quận 5 2,87 14 2 6 và 8. Quận 6 4,18 20 2 1 và 3.
Quận 7 4,53 23 3 Tân Hưng, Phú Thuận và Phú Mỹ. Quận 8 6,91 35 4 1, 10, 7 và 11.
Quận 9 4,35 22 3 1, 3 và 8. Quận 10 3,84 19 2 1 và 14. Quận 11 3,84 19 2 1 và 8.
Quận 12 7,05 35 4 Đông Hưng Thuận, Tây Hưng Thuận, Thạnh Xuân và Thạnh Lộc.
Gò Vấp 9,04 45 5 4, 15, 11, 7 và 8. Tân Bình 7,10 36 4 12, 4, 7 và 5.
Tân Phú 6,73 34 4 Sơn Kì, Hiệp Tân, Tây Thạnh và Hòa Thạnh. Bình Thạnh 7,76 39 4 17, 26, 7 và 12.
Phú Nhuận 2,89 14 2 11 và 9.
Thủ Đức 7,54 38 4 Tam Phú, Linh Xuân, Linh Tây và Linh Chiếu. Bình Tân 9,82 49 5 Tân Tạo, Bình Trị Đông A, Bình Hưng
Hòa B, An Lạc A và Bình Hưng Hòa A.
Nguồn: Nhóm tác gi tính toán và t ng hả ổ ợp TPHCM bao g m 19 qu n và 5 huy n v i dân s và mồ ậ ệ ớ ố ật độ được th hiể ện trong Phụ ụ l c 15. Nh m tìm ra nh ng nhân tằ ữ ố ảnh hưởng hành vi s d ng xe buýt ử ụ của người dân ở TPHCM, nhóm chỉ khảo sát ở 19 quận với số lượng m u (n) theo ẫ
tỷ l dân s c a qu n. Sệ ố ủ ậ ố phường trong qu n sậ ẽ được tính theo công thức 1 1 10 n
với [x] là ph n nguyên c a x. Cu i cùng, bầ ủ ố ốc thăm ngẫu nhiên các phường thuộc từng qu n theo s ậ ố lượng đã tính toán để xác định địa điểm khảo sát (xem bảng 3.2).
Để đả m bảo độ chính xác cho dữ liệu điều tra, nhóm phân công các thành viên kh o sát tr c tiả ự ếp các đối tượng theo k hoế ạch. Người kh o sát sả ẽ đọc các câu hỏi trong b ng hả ỏi cho đáp viên trả ời và sau đó trự l c ti p hoàn thành b ng h i theo ế ả ỏ phản h i nhồ ận đượ ừ đáp viên hoặc người khảc t o sát sẽ đứng quan sát và hướng d n ẫ người được khảo sát hoàn thành bảng hỏi. Nhờ vậy, các thành viên của nhóm có thể dễ dàng phát hi n các b t h p lý trong câu tr lệ ấ ợ ả ời và định hướng lại cho đáp viên điều chỉnh, tránh trường hợp các phiếu bị lỗi. Mặc dù cách khảo sát này t n nhiố ều thời gian nhưng theo kinh nghiệm, nhóm đánh giá cách làm này sẽ đảm bảo thông tin chân thực hơn và người tr l i s có trách nhiả ờ ẽ ệm hơn với nh ng thông tin mà h ữ ọ cung cấp.
3.6. Phương pháp phân tích dữ liệu
3.6.1. Đánh giá độ tin cậy thang đo bằng hệ số Cronbach’s Alpha
Cronbach’s lpha đượA c thực hiện trước để loại các biến rác trước khi thực hiện phân tích EFA, tránh t o nên các nhân tạ ố gi khi phân tích EFA (Nguyả ễn Đình Thọ, 2011).
Hệ s Cronbachố ’s Alpha là h s kiệ ố ểm định th ng kê v mố ề ức độ tin c y và ậ tương quan trong giữa các biến quan sát trong thang đo. Hệ số này cho biết sự chặt chẽ và th ng nh t trong các câu tr l i nhố ấ ả ờ ằm đảm bảo người được hỏi đã hiểu cùng một khái niệm.
Giả s chúng ta cử ần đo lường một đại lượng là t ng c a K thành ph n. Vổ ủ ầ ới
1 2 ... K
X Y Y Y , h s ệ ố Cronbach Alpha được định nghĩa như sau:
2 1 2 1 1 i K Y i X K K Với 2 X
là phương sai của tổng số điểm quan sát và 2
i Y
là phương sai của thành phần thứ i của người hiện t i (Develles R.F., 1991). ạ
Nếu các mục được ghi 0 và 1 thì ta có công thức rút gọn:
1 2 1 1 K i i i X PQ K K
Với Pi là t l các mỷ ệ ục được ghi giá tr là 1 và ị Qi 1 Pi (Cronbach L.J.,
1970).
Phương pháp phân tích hệ số tin cậy Cronbach’s Alpha thỏa mãn một số điều kiện nhất định:
- Hệ số Cronbach’s Alpha từ 0,7 trở lên thì thang đo đáng tin cậy và gi i thích ả hiệu qu (Nunnally và Bernstein, 1994). Tuy nhiên, h sả ệ ố Cronbach’s Alpha còn phụ thuộc vào kích thước mẫu. Cỡ mẫu càng nhỏ thì càng có nhiều khả năng hệ số Cronbach’s Alpha sẽ không cao do thiếu dữ liệu để xác định sự tương quan giữa các biến. Trong các trường hợp cỡ mẫu nhỏ thì hệ số Cronbach’s Alpha bằng 0,6 vẫn có thể được chấp nh n; ậ
- Nếu h sệ ố Cronbach’s Alpha cao (lớn hơn 0,95) thì có sự đa cộng tuy n cao ế giữa các bi n gi i thích. Dawn I. và Adam D. (2003) cho r ng giá trế ả ằ ị Cronbach’s Alpha phải đi kèm với khoảng tin cậy để đánh giá hiệu quả tin cậy của thang đo;
- Đồng thời, để thang đo có độ tin c y cao thì các biậ ến quan sát có tương quan mạnh với nhau, th hi n qua chể ệ ỉ s ố tương quan giữa biế – ổn t ng ph i lả ớn hơn 0,3.
3.6.2. Phân tích nhân t khám phá EFA ố
EFA là m t trong nhộ ững phương pháp phân tích thống kê để rút g n m t tọ ộ ập hợp g m nhi u bi n quan sát phồ ề ế ụ thuộ ẫc l n nhau thành m t bi n (g i là các nhân tộ ế ọ ố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các thông tin của tập biến ban đầu (Hair và cộng sự, 1998). Thực tế, một số biến có thể đo trực tiếp như tốc độ, chiều cao, cân nặng…, nhưng bên cạnh đó cũng có những bi n khác không thế ể đo trực ti p b ng m t câu hế ằ ộ ỏi như tính sáng tạo, h nh phúc, s hài lòng, sạ ự ự thoải mái,… EFA chính là phương pháp giúp đo lường các biến như vậy.
EFA thuộc nhóm phân tích đa biến phụ thuộ ẫn nhau, nghĩa là không có c l biến phụ thuộc và biến độ ậc l p mà d a vào mự ối tương quan giữa các bi n vế ới nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (bi n quan sát). ế
Phương pháp EFA đòi hỏi mô hình phải thỏa mãn mộ ốt s điều kiện nhất định. Các bi n phế ải liên quan đến nhau m t mở ộ ức độ cao thông qua kiểm định Kaiser – Meyer Olkin (KMO) hay ki– ểm định Bartlett.
Phân tích nhân tố khám phá EFA thường có 4 bước: Bước 1: Kiểm định KMO hoặc kiểm định Bartlett
Theo Hair và c ng s (1998) thì h s KMO ph i n m trong [0,5;1] và h s ộ ự ệ ố ả ằ ệ ố ý nghĩa của mô hình theo kiểm định Barlett phải có ý nghĩa thống kê 5%.
0,5≤ KMO≤ 1: Hệ số KMO là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân t . Tr số ị ố KMO lớn có ý nghĩa phân tích nhân tố là thích h p. ợ
Kiểm định Bartlett có ý nghĩa thống kê (Sig.<0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể. Đây là một đại lượng thống kê dùng để xem xét gi thuy t các biả ế ến không có tương quan trong tổng th ể.
Bước 2: Factor extraction
Mục đích của bước này là xác định các nhân tố. Thường thì người ta dùng phương pháp Principal components analysis để xác định các nhân tố. The 1st principal component là ph c h p giứ ợ ải thích được nhi u bi n thiên nh t trong quề ế ấ ần thể (1stextracted factor), sau đó giảm d n nhân t ầ ở ố ứ 2,3,.. th
Theo tiêu chu n Kaiser thì nh ng nhân t có ẩ ữ ố Eigen value < 1 s bẽ ị loại khỏi mô hình nghiên c u (Garson, 2002). Tứ ổng phương sai trích phả ớn hơn 50% i l (Gerbing và Anderson, 1998) thể hiện phần trăm biến thiên c a các bi n quan sát. ủ ế
Bước 3: Factor rotation
Ở bước này các nhân tố được xoay để nó có ý nghĩa hơn. Có nhiều phương pháp xoay nhân tố, phương pháp Varimax là cách thức được sử ụ d ng ph bi n nh ổ ế ất.
Hệ s t i nhân t hay tr ng s nhân t là chố ả ố ọ ố ố ỉ tiêu để đảm b o mả ức ý nghĩa thiết th c cự ủa EFA. Điều kiện để phân tích nhân t khám phá là ph i th a mãn các ố ả ỏ yêu cầu như tiêu chuẩn đố ới v i h s t i nhân t ph i lệ ố ả ố ả ớn hơn hoặc b ng 0,5. Các ằ mức giá trị của h s t i nhân t t i thi u là 0,3; lệ ố ả ố ố ể ớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì h s t i nhân t lệ ố ả ố ớn hơn 0,3; nếu c m u kho ng 100 thì lỡ ẫ ả ớn hơn 0,55; nếu c ỡ mẫu kho ng 50 thì lả ớn hơn 0,75 (Hair và cộng s , 1998). ự
Bước 4: Ra quyết định cu i cùng về số nhân tố c n giố ầ ữ lại
Tiến hành ch n các nhân tọ ố có ý nghĩa thực ti n nh t, ch n các nhóm bi n có ễ ấ ọ ế chỉ ố ớ s l n cho cùng m t nhân tố ộ và đặt tên cho nhân tố theo ý nghĩa của biến. Cuối cùng là lưu nhân số i diđạ ện cho từng nhóm cho vi c chạy hồi quy mô hình logit. ệ
3.6.3. Mô hình logit
Mô hình logit là mô hình ph n ng nhả ứ ị phân trong đó xác suất là hàm mật độ xác suất tích lũy logit, còn các biến là hàm tuy n tính (Phế ạm Văn Hùng, 2010).
Ta có mô hình hàm Logistic như sau:
z z e P(Y 1) 1 e Vậy xác su t không x y ra là: ấ ả z z z e 1 P(Y 0) 1 1 e 1 e Khi đó: z z z z P(Y 1) e 1 : e P(Y 0) 1 e 1 e
Lấy logarit t nhiên hai vự ế: z
0 1 P(Y 1) ln ln e z β β .X P(Y 0)
Đây là dạng hồi quy logit nhị phân, có thể mở rộng cho nhiều biến độc lập.
Nhận xét:
- Zi biến thiên t -ừ ∞ đến +∞ , Pi biến thiên từ 0 đến 1 và hàm Lnbiến thiên từ -∞ đến +∞, như vậy Lnkhông bịgiới hạn nhưng Pi thuộc khoảng (0;1).
- Piphi tuyến v i ớ Xi nhưng Lni tuyến tính với Xi.
Chương trình Eviews sẽ tự động th c hi n việc tính toán h sự ệ ệ ốthậ ẫt l n h sệ ố đã được chuyển đổi.
- Diễn d ch các h s h i quy c a mô hình logit nh phân ị ệ ố ồ ủ ị
Các h s h i quy logit nhệ ố ồ ị phân có ý nghĩa tương đối khác với hệ ố ồ s h i quy
thông thường v i các biến ph thuộc dạng thập phân: ớ ụ P(Y 1) β0 β .X1 e P(Y 0)
Hệ số ước lượng β1 là sự đo lường những thay đổi trong t lỷ ệ (được lấy logarit) c a các xác su t x y ra s ki n vủ ấ ả ự ệ ới 1 đơn vị thay đổi trong bi n c l pế độ ậ X. Hệ số dương làm tăng tỷ lệ xác suất được dự đoán trong khi hệ số âm làm giảm tỷ lệ