2.4.2.1 Phương pháp thống kê mô tả
Phương pháp thống kê mô tả được định nghĩa là tổng hợp các phương pháp đolường, mô tả và trình bày số liệu được ứng dụng vào lĩnh vực kinh tế bằng cách rút ra những kết luận dựa trên số liệu và thông tin thu thập. Các công cụ cơ bản để tóm tắt và trình bày dữ liệu trong thống kê mô tả thường là: bảng tần số, các đại lượng thống kê mô tả, bảng kết hợp nhiều biến.
2.4.2.2 Kiểm định độ tin cậy của thang đo (Cronbach’s Alpha)
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Kiểm định độ tin cậy thang đo hệ số Cronbach’s Alpha là công cụ giúp kiểm tra các biến quan sát của nhân tố mẹ có đáng tin cậy hay không. Phép kiểm định này phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố mà không phân biệt biến độc lập, phụ thuộc, trung gian hay điều tiết.
Hệ số Cronbach’s Alpha cho biết các đo lường có liên kết với nhau hay không nhưng không cho biết biến quan sát nào cần bỏ đi hay giữ lại. Do đó, nếu một biến có hệ số tương quan biến tổng (Corrected Item – Total Correlation) lớn hơn hoặc bằng 0,3 thì biến đó đạt yêu cầu), ngược lại, nếu hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại ra khỏi nhân tố đánh giá (Nunally và Burnstein, 1994; Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Mức giá trị hệ số Cronbach’s Alpha được đề ra như sau: 1 > α ≥ 0,9: Thang đo nhân tố rất tốt
0,9 > α ≥ 0,8: Thang đo nhân tố tốt
0,8 > α ≥ 0,7: Thang đo nhân tố chấp nhận được
0,7 > α ≥ 0,6: Thang đo nhân tố chấp nhận được với các nghiên cứu mới 0,6 > α ≥ 0,5: Thang đo nhân tố là không phù hợp
25
Tuy nhiên, nếu hệ số Cronbach’s Alpha quá lớn (khoảng từ 0,95 trở lên) sẽ cho thấy có nhiều biến trong thang đo không khác biệt gì nhau, dẫn đến hiện tượng trùng lắp trong thang đo (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
2.4.2.3 Phương pháp phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA) là phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 1998).
Các tiêu chí trong EFA:
- Hệ số KMO (Kaiser-Meyer-Olkin): Hệ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO đạt giá trị từ 0,5 trở lên (0,5 ≤ KMO ≤ 1) sẽ là điều kiện đủ để phân tích nhân tố. Nếu trị số KMO nhỏ hơn 0,5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
- Kiểm định Bartlett (Bartlett’s test of sphericity): Kiểm định dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Nếu kiểm định có ý nghĩa thống kê (Sig. < 0,05), chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể và đủ điều kiện để áp dụng phân tích nhân tố.
- Trị số Eigenvalue: Trị số là một tiêu chí được sử dụng phổ biến để xác định số lượng nhân tố trong EFA. Những nhân tố có Eigenvalue ≥ 1 sẽ được giữ lại trong mô hình phân tích.
- Tổng phương sai trích (Total Variance Explained): Trị số này thể hiện phần trăm (%) của các nhân tố trích được cô đọng và phần trăm các biến quan sát bị thất thoát khi biến thiên là 100%. Nếu trị số có giá trị ≥ 50% thì EFA được xem là phù hợp.
2.4.2.4 Phương pháp phân tích hồi quy
Trước khi thực hiện bước phân tích hồi quy, mô hình cần được kiểm tra mỗi tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập bằng kiểm định tương quan Pearson, từ đó có thể nhận biết xem hiện tượng đa cộng tuyến có xảy ra với mô hình hay không. Các tiêu chí trong tương quan Pearson được thể hiện như sau:
- Hệ số r: giá trị của hệ số r nằm trong khoảng từ -1 đến 1 và chỉ có ý nghĩa khi Sig. < 0,05. Cụ thể:
26
r càng tiến về 1 (hoặc -1): Tương quan tuyến tính dương (hoặc âm) càng mạnh và chặt chẽ.
r càng tiến về 0: tương quan tuyến tính càng yếu. r = 1: tương quan tuyến tính tuyệt đối.
r = 0: không có sự tương quan tuyến tính.
Phân tích hồi quy (Regression analysis) là kĩ thuật thống kê dùng để ước lượng phương trình phù hợp nhất với các tập hợp kết quả quan sát của biến phụ thuộc và biến độc lập. Từ phương trình ước lượng được này, có thể dự báo về biến phụ thuộc (chưa biết) dựa vào giá trị cho trước của biến độc lập (đã biết).
Mục đích của việc sử dụng phương pháp phân tích hồi quy là ra được một đường sao cho phù hợp nhất và sát nhất với các quan sát làm sao cho có thể biểu diễn mối quan hệ giữa hai biến thu nhập và chỉ tiêu tiêu dùng một cách đáng tin cậy nhất thông qua những điểm dữ liệu đã thu thập được. Phương trình hồi quy được viết dưới dạng như sau:
Yi = β0 + β1XTC + β2XTH + β3XCM + β4XQT + β5XPH + β6XTTTC + ε
Trong đó:
Y: biến phụ thuộc (Ý định mua sắm)
Xi (i = 1, k): biến độc lập (Sự tin cậy, Sự thu hút, Tính chuyên môn, Sự quen thuộc, Sự phù hợp, Thông tin tiêu cực)
β0: là hệ số chặn (giá trị của Y khi tất cả giá trị X = 0);
βi (i = 1, k): hệ số hồi quy của các biến, cho biết mức độ tác động của từng nhân tố. β càng lớn thì mức độ ảnh hưởng càng nhiều.
ε: là sai số của mô hình hồi quy.
2.4.2.5 Phân tích phương sai một chiều (One-way ANOVA)
Phân tích phương sai một chiều (hay One-way ANOVA) là phương pháp dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm là 5%. Kết quả kiểm định gồm hai phần:
- Kiểm định Levene (Levene test): kiểm tra sự đồng nhất phương sai của các nhóm, với giả thuyết HL-0: Không có sự khác biệt phương sai giữa các nhóm giá trị. Kết quả kiểm định:
27
Sig.L < 0,05: Bác bỏ giả thuyết HL-0, đồng nghĩa với việc có sự khác biệt phương sai một cách có ý nghĩa thống kê giữa các nhóm có giá trị và nghiên cứu sẽ sử dụng kết quả kiểm định Welch để tiếp tục phân tích.
Sig.L ≥ 0,05: Chấp nhận giả thuyết HL-0, đồng nghĩa với việc không có sự khác biệt phương sai một cách có ý nghĩa thống kê giữa các nhóm giá trị và nghiên cứu sẽ sử dụng kết quả kiểm định F để tiếp tục phân tích.
- Kiểm định ANOVA: đánh giá về sự khác biệt trung bình, với HA-0: Không có sự khác biệt giữa các nhóm đối với biến phụ thuộc.
Sig.A < 0,05: Bác bỏ giả thuyết HA-0, vì vậy đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc.
Sig.A ≥ 0,05: Chấp nhận giả thuyết HA-0, vì vậy chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộ
28
CHƯƠNG 3
TỔNG QUAN VỀ CÔNG TY TRÁCH NHIỆM HỮU HẠN BÌNH TIÊN VÀ ĐỊA BÀN NGHIÊN CỨU TPCT