3 Chương : Phương pháp nghiên cứu
4.3 Mô hình cấu trúc
Giai đoạn này là giai đoạn phân tích các yếu tố ở mô hình đo lường đã được nêu ở chương 3 dựa vào các chỉ số tổng thể xác định R Square và hệ số đường dẫn. Từ đây có thể nghiên cứu mức độ giải thích của các biến độc lập lên trên biến phụ thuộc và bên cạnh đó là cùng lúc kiểm định mức độ tin cậy hay hợp lệ của giả thuyết nghiên cứu được đặt ra.
4.3.1 Hệ số tổng thể xác định R Square (R bình phương)
R Square là một thước đo được sử dụng trong thống kê để thể hiện mô hình nghiên cứu liệu có phù hợp với ý nghĩa là các nhân tố cụ thể ta có thể biết đến là các biến. Kèm với khái niệm đó, hệ số này còn giải thích biến phụ thuốc đó đạt bao nhiêu phần trăm trong quá trình thực hiện nghiên cứu. R bình phương đưa ra thông tin về độ thích hợp giữa mô hình với dữ liệu là bao nhiêu phần trăm. Giá trị R Square được đo lường theo từng mức độ gồm 0.75, 0.5 và 0.25 biểu thị tương ứng cho mức độ giải thích của các biết lần lượt với hàm ý là cao, trung bình cho đến thấp. Đặc biệt, giá trị R bình phương càng cao thì mối quan hệ giữa biến độc lập và biến phụ thuộc càng chặt chẽ. Vì thế các nhà nghiên cứu còn gọi R bình phương là hệ số tương quan R bình phương. Bảng 14. Giá trị hệ số tổng thể R Square
INP
Nguồn: Kết quả khảo sát
Qua bảng kết quả giá trị hệ số tổng thể R square, chúng ta có thể quan sát được rằng INP có chỉ số xấp xỉ trung bình là 0.462, nghĩa là mức độ giải thích của các biến chạy từ UB đến VIS là tiệm cận trung bình. Điều này được lí giải là trong quá trình thực hiện nghiên cứu, có một vài biến độc lập tồn tại với mức độ ảnh hưởng thấp hơn so với số còn lại. Cụ thể như phân tích ở đề mục 4.2.1.1 với bảng 12, chúng tôi phải loại bỏ một biến quan sát tên TB1 thuộc biến độc lập TB vì không thỏa các điều kiện yêu cầu. Do vậy chúng tôi nghĩ rằng nó chính là nhân tố kéo hệ số R square của biến phụ thuộc INP xuống mức trung bình.
4.3.2 Hệ số đường dẫn (Path coefficient)
Do SMART PLS không có giả định phân phối chuẩn cho dữ liệu nên việc đánh giá tầm quan trọng của hệ số đường dẫn (path coefficient) nên nhóm nghiên cứu chúng tôi đã sử dụng bootstrapping để kiểm tra. Bootstrapping được hiểu đơn giản với khái niệm là “lấy mẫu lại”. Kỹ thuật thống kê này chính là một thủ tục lặp đi lặp lại nhiều lần dựa trên sự tính toán của máy tính. Bootstrapping gợi ý cho chúng ta về một phương pháp khác với
40 TIEU LUAN MOI download : skknchat@gmail.com
khoảng tin cậy để ước tính một tham số của tổng thể. Quy trình này được thực hiện nhằm mục đích tính toán sai số chuẩn của hệ số ước tính sau đó là kiểm tra ý nghĩa thống kê. Ý nghĩa đường dẫn của mô hình nghiên cứu được xác định bởi T-statistics (một chỉ số được tạo ra trong quá trình bootstrap). Bài nghiên cứu này áp dụng 285 điểm dữ liệu trên 1000 mẫu từ dữ liệu ban đầu để tính giá trị T-value, từ đó có thể kiểm tra mức độ quan trọng của cấu trúc đường dẫn. Đương nhiên mọi chỉ số kết quả được cung cấp bởi bất kỳ phương pháp nào đều có mức giá trị tối thiểu để chấp nhận hoặc loại bỏ biến đó và P-value không ngoại lệ. Để P-value hợp lệ khi đánh giá giá trị của mô hình nghiên cứu thì chính bản thân chỉ số này phải bé hơn 0.05 và bắt đầu từ giá trị này ta mới xem xét đến các giá trị T-statistics, các trị số thuộc T-statistics này càng lớn thì sự tác động càng nhiều.
Bảng 15. Giá trị T statistics, hệ số đường dẫn và độ lệch chuẩn của các biến.
IB -> INP PRV -> INP RB -> INP TB -> INP UB -> INP VB -> INP VIS -> INP
Ghi chú: Giá trị được in đậm là biểu thị cho biến được chấp nhận.
Nguồn: Kết quả khảo sát Dựa vào bảng kết quả, trị số P-value của 4 giả thuyết H2, H3, H6 và H7 đã khiến chúng buộc phải bị loại bỏ vì chúng đều lớn hơn 0.05, suy ra rằng độ tin cậy ở 4 giả thuyết này là chưa chắc chắn. Mặt khác, T-statistics thể hiện các biến có sự tác động tương đối cao
ởcác giả thuyết không bị loại bỏ vì P-value và về phần các giả thuyết đã bị loại bỏ được cho rằng mối quan hệ mà chúng đó đặt ra chưa được chấp nhận và dường như có tác động tương đối thấp dao động từ khoảng 0.4 đến cao nhất là 0.8 gần 0.9.