Kết quả khảo sát sau khi được thu thập sẽ được làm sạch để loại bỏ những bảng hỏi có lỗi trả lời như (1) bảng hỏi bị thiếu câu trả lời; (2) bảng hỏi có xu hướng trả lời cùng 1 hướng; (3) bảng hỏi có những phương án trả lời đối lập nhau trong cùng 1 thang đo.
Để thực hiện việc phân tích số liệu, nghiên cứu sử dụng phương pháp PLS-SEM để đánh giá mô hình đo lường và mô hình cấu trúc với phần mềm Smart PLS 3.3.3 với các thủ tục phân tích như sau:
Kiểm định mô hình đo lường
- Giá trị hội tụ (Convergent validity) được sử dụng để đánh giá sự ổn định cua thang đo. Theo kết quả nghiên cứu của Fornell và cộng sự (1981) thì hệ số AVE (Average Variance Extracted) phải lớn hơn hoặc bằng 0,5. Thang đo nào đạt giá trị này sẽ được khẳng định là có giá trị hội tụ. Hệ số tải của mỗi biến quan sát lên nhân tố phải lớn hơn 0,7 để đạt được mức ý nghĩa.
- Độ tin cậy tổng hợp (Composite Reliability) của các biến quan sát phải có hệ số Outer Loading lớn hơn hoặc bằng 0,5 để đạt yêu cầu về độ tin cậy. Theo Hulland (1999) thì hệ số Composite Reliablity phải lớn hơn hoặc bằng 0,7 để đạt được độ tin cậy tổng hợp.
- Giá trị phân biệt (Discriminant Validity) được dùng để đo lường giá trị phân biệt giúp đảm bảo sự khác biệt giữa các yếu tố sử dụng để đo lường các nhân tố. Theo Fornell và cộng sự (1981) Để tính toán và xem xét giá trị phân biệt, nghiên cứu xem xét giá trị căn bậc hai của AVE của mỗi nhân tố. Những nhân tố nào có căn bậc hai của AVE lớn hơn hệ số liên hệ giữa nhân tố đó với các nhân tố khác (Latent Variable corelations) thì đạt được độ phân biệt và tính tin cậy của các nhân tố.
Kiểm định mô hình cấu trúc
- Đo lường sự phù hợp của mô hình thông qua xem xét chỉ số SRMS (Standardized root mean square residual). Theo Hu và cộng sự (1999) thì chỉ số SRMR là chỉ số goodness of fit của mô hình PLS-SEM. Chỉ số này có thể được sử dụng để
tránh hiện tượng sai lệch thông số trong mô hình. Hu và cộng sự (1999) cho rằng chỉ số SRMR phải đạt giá trị nhỏ hơn 0,08 hoặc 0,1.
- Kiểm định hiện tượng đa cộng tuyến (Variance inflation factor - VIF) để đảm bảo rằng kết quả hồi quy không bị sai lệch. Các giá trị VIF lớn hơn 5 là dấu hiệu của hiện tượng đa cộng tuyến có thể xảy ra giữa các nhân tố. Trong trường hợp có xảy ra hiện tượng đa cộng tuyến, giải pháp thường được sử dụng là tạo ra các mô hình bậc cao hơn thông qua các cơ sở lý thuyết hỗ trợ (Hair và cộng sự, 2016). - Kiểm định hệ số xác định (R2) đo lường phương sai, được giải thích trong mỗi nhân tố và do đó là thước đo khả năng giải thích của mô hình (Shmueli và cộng sự, 2011). R2 còn được coi là công suất dự đoán trong mẫu (Rigdon, 2012). R2
nằm trong khoảng từ 0 đến 1, với các giá trị cao hơn cho thấy khả năng giải thích lớn hơn.
- Kiểm định độ ước lượng chính xác (Q2) dựa trên quy trình dò tìm loại bỏ các điểm đơn lẻ trong ma trận dữ liệu, áp đặt các điểm đã loại bỏ với giá trị trung bình và ước tính các tham số mô hình (Sarstedt và cộng sự, 2014).
- Kiểm định Boostrapping – Kiểm định độ tin cậy của mô hình SEM được thực hiện sau khi hoàn thành việc ước lượng mô hình nghiên cứu theo thủ tục phân tích PLS Algorithm. Trong các nghiên cứu việc thực hiện kiểm định Bootstrapping là rất cần thiết do mô hình nghiên cứu phải đạt được độ tin cậy thì mới có thể giúp ta dùng phép nội suy ra tổng thể nếu không thì việc ước lượng chỉ phù hợp với quy mô mẫu giới hạn trong đề tài. Để thực hiện kiểm định này, nghiên cứu tiến hành thủ tục phân tích Consitent PLS Boostrapping với Subsamples được nâng lên 5000.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Sau thời gian thu thập các bản khảo sát từ nhân viên Công ty TNHH Bia Carlsberg Việt Nam, tác giả đã thu thập được 257 bảng hỏi hoàn chỉnh. Kết quả của những bảng hỏi này được kiểm soát và làm sạch trước khi đưa vào phân tích. Những bảng hỏi có lỗi trả lời như trả lời thiếu, lặp ý, có xung đột ở những câu hỏi mang tính kiểm định, sẽ bị loại để đảm bảo kết qua nghiên cứu có độ chính xác cao nhất. Tổng kết có 211 bảng hỏi sạch đủ điều kiện để đưa vào thực hiện các bước phân tích tiếp theo.