PHƯƠNG PHÁP NGHIÊN CỨU
3.8.2 Phương pháp phân tích dữ liệu
Nghiên cứu được triển khai thông qua nghiên cứu định lượng. Theo đó, nghiên cứu định lượng được tiến hành trên một mẫu quan sát rộng bằng mẫu. Cơ sở dữ liệu thu thập được sử dụng để phân tích nhân tố khám phá EFA, phân tích hồi quy đa biến, kiểm định mô hình và các giả thuyết thống kê.
Quá trình xử lý dữ liệu được thực hiện trên phần mềm SPSS 20.0. Các bảng khảo sát sẽ được kiểm tra và loại bo những bảng khảo sát không hợp lệ. Thông tin sau đó được mã hóa thông qua chương trình SPSS 20.0 để giảm sai sót của dữ liệu so với kết quả nghiên cứu. Thực hiện phân tích thống kê nhằm tìm hiểu thông tin về mẫu. Tóm tắt thông kê cho mẫu thông qua các đo lường mức độ tập trung (trung bình, trung vị), mức độ phân tán (phương sai, độ lệch chuẩn, khoảng biến thiên).
Kiểm định Cronbach’s Alpha: Để tính hệ số Cronbach Alpha cho một thang đo thì thang đo phải có tối thiểu ba biến đo lường. Hệ số Cronbach Alpha có giá trị biến thiên trong khoảng [0,1]. Về mặt lý thuyết, Cronbach Alpha càng cao càng tốt. Tuy
nhiên điều này không thực sự như vậy. Hệ số Cronbach Alpha quá lớn (>0.95) cho thấy nhiều biến trong thang đo không có khác biệt gì nhau, có nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu. Khi kiểm tra từng biến đo lường ta sẽ kiểm tra bằng hệ số tương quan biến tổng. Nếu một biến đo lường có hệ số tương quan biến tổng >= 0.03 thì biến đó đạt yêu cầu. (Nunally & Bernstein 1994).
Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA) được sử dụng đến rút gọn số lượng nhân tố nghiên cứu. Theo đó, ban đầu các nhà nghiên cứu thường có xu hướng đưa ra nhiều nhân tố tác động đến nhân tố phụ thuộc. Tuy nhiên, do các nhân tố độc lập này chưa được kiểm chứng nên xuất hiện khả năng một hoặc một số trong số chúng không thực sự có ý nghĩa. Do đó, EFA cho phép loại bo các nhân tố không có ý nghĩa. Bên cạnh đó, một trường hợp khác cũng có thể xảy ra là việc 2 hoặc nhiều nhân tố xác định ban đầu thực chất lại chỉ là 1 nhân tố. Trong trường hợp này, EFA sẽ cho phép nhóm các nhân tố có cùng đặc điểm thống kê vào một nhóm (Hair và cộng sự, 2009) (Nguyễn Đình Thọ, 2012).
Các tiêu chí trong phân tích nhân tố khám phá bao gồm:
Hệ số KMO (Kaiser – Meyer – Olkin): mục đích nhằm xác định sự thích hợp của phân tích EFA với bộ số liệu; cụ thể, giá trị của KMO từ 0,5 đến 1 thể hiện phân tích nhân tố EFA là phù hợp (Nguyễn Đình Thọ, 2012).
Kiểm định Barlett được sử dụng để xác định các biến quan sát trong thang đo có tương quan với nhau hay không. Điều kiện để thoa mãn kiểm định barlett là sig < 0,05 hay nói cách khác là kiểm định Barlett có ý nghĩa thống kê, do đó các biến quan sát có tương quan với nhau trong cùng một nhân tố (Hair và cộng sự, 2009) (Nguyễn Đình Thọ, 2012).
Hệ số tải nhân tố thể hiện mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân càng lớn thì tương quan giữa biến quan sát đố với nhân tố càng chặt chẽ. Trong đó, hệ số tải nhân tố lớn hơn 0,3 được coi là đạt mức ý nghĩa tối thiểu cho phân tích EFA; hệ số tải nhân tố lớn hơn 0,4 được xem là quan trọng và lớn hơn 0,5 được xem là có ý nghĩa thực tế (Taro, 1967) (Nguyễn Đình Thọ, 2012).
CHƯƠNG 4