B. Phần thân
3.3. Phƣơng pháp nghiên cứu
3.3.1. Phương pháp chọn mẫu
Nhóm nghiên cứu chọn mẫu theo phƣơng pháp chọn mẫu thuận tiện, một trong các hình thức chọn mẫu phi xác suất. Chọn mẫu thuận tiện phù hợp cho các nghiên cứu khám phá và xác định ý nghĩa thực tiễn của vấn đề nghiên cứu. Với đề tài nghiên cứu về ý định sử dụng của ngƣời tiêu dùng thành phố Hồ Chí Minh, nhóm thấy đây là phƣơng pháp phù hợp để nhóm có thể thực hiện nghiên cứu của mình.
Khảo sát định lƣợng thực hiện tại khu vực thành phố Hồ Chí Mình, với kích thƣớc mẫu đƣợc tinh theo cơng thức:
n = 5m (với m là số câu hỏi trong bảng hỏi) => n = 5*44= 220 mẫu, để kết quả nghiên cứu trở nên đang tin cậy, nhóm quyết định khảo sát 500 mẫu trên địa bàn thành phố Hồ Chí Minh với tỷ lệ theo nhóm tuổi nhƣ sau:
Từ 15 – 25 tuổi: ƣớc tính khảo sát 15% tức 75 mẫu. Từ 26 35 tuổi: ƣớc tính khảo sát 40% tức 200 – mẫu. Từ 36 – 45 tuổi: ƣớc tính khảo sát 30% tức 150 mẫu. Từ 45 – 56 tuổi: ƣớc tính khảo sát 15% tức 75 mẫu.
3.3.2. Phương pháp thu thập dữ liệu
Việc thu thập dữ liệu đƣợc thông qua phỏng vấn bằng bảng câu hỏi trực tiếp và trực tuyến với đối tƣợng nghiên cứu ngƣời dân sinh sống tại hoặc làm việc tại Thành Phố Hồ Chí Minh. Nhóm nghiên cứu dự kiến phát 220 bảng khảo sát nhằm đảm bảo qui mô mẫu đạt nhƣ yêu cầu đề ra ban đầu. Toàn bộ đƣợc tiến hành khảo sát online. Các bảng câu hỏi trực tuyến thƣờng dành cho nhóm đối tƣợng có độ tuổi từ 17 – 25 và 26 – 35, bảng hỏi trực tiếp dành cho các đối tƣợng còn lại.
3.3.3. Các phương pháp xử lý và phân tích dữ liệu
Đề tài sử dụng hai phần mềm phân tích thống kê SPSS để phân tích dữ liệu. Phần mềm SPSS 20.0 đƣợc sử dụng để thống kê mô tả mẫu, đánh giá sơ bộ thang đo thông qua kiểm định hệ số tin cậy Cronbach s Alpha, phân tích nhân tố khám phá EFA và Phân tích hồi quy
3.3.3.1. Đánh giá độ tin cậy thang đo Cronbach s Alpha:Thang đo đƣợc đánh giá độ tin cậy thông qua hai công cụ là hệ số Cronbach s Thang đo đƣợc đánh giá độ tin cậy thông qua hai công cụ là hệ số Cronbach s Alpha và phân tích nhân tố khám phá EFA. Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tƣơng quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Hệ số Cronbach s Alpha đƣợc tính theo cơng thức: α= N*ρ / [1 + ρ*(N 1)] trong đó ρ là hệ số tƣơng quan - trung bình giữa các mục hỏi và N là số mục hỏi.
Theo quy ƣớc thì một tập hợp các mục hỏi dùng để đo lƣờng đƣợc đánh giá là tốt phải có hệ số α ≥ 0,8. Tuy nhiên, đối với “trƣờng hợp khái niệm đang đo lƣờng là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu” thì hệ số Cronbach s Alpha ≥ 0,6 và tƣơng quan tổng biến (Corrected Item Total Correlation) phải ≥ 0,3 - là phép đo đảm bảo độ tin cậy và chấp nhận đƣợc (Nunnally vad Burnstein, 1994).
3.3.3.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố đƣợc dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo. Các nhân tố đƣợc rút gọn này sẽ có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá đƣợc dùng để kiểm định giá trị khái niệm của thang đo.
Phƣơng pháp phân tích nhân tố đƣợc tiến hành để rút gọn tập hợp các biến độc lập thành một tập nhỏ hơn là các biến đại diện cho mỗi nhóm nhân tố mà khơng làm mất đi ý nghĩa giải thích và thơng tin của nhóm nhân tố đó (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Hệ số (Kaiser - Meyer - Olkin) KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0,5 và 1) có nghĩa là phân tích nhân tố thích hợp, cị n nếu nhƣ trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu. Phƣơng pháp sử dụng là Principal component với phép quay nhân tố là Promax. Các biến quan sát có hệ số tải nhân tố (Loading Factor) < 0,5 sẽ bị loại (Hair và cộng sự, 1998). Chọn nhân tố cố định có giá trị Eigenvalues >1 (Gerbing và Anderson, 1988). Việc phân tích nhân tố sẽ đƣợc tiến hành với tồn bộ các biến quan sát, sau đó sẽ loại bỏ từng biến có hệ số truyền tải thấp.
3.3.3.3. Phân tích hồi quy đa biến
Phân tích h i quy là m t phân tích thồ ộ ống kê để xác định xem các biến độ ậc l p (biến thuyết minh) quy định các biến phụ thuộc (biến đƣợc thuyết minh) nhƣ thế nào. Từ đó giúp xác định đƣợc nhân tố nào đóng góp nhiều/ít/khơng đóng góp vào sự thay đổ ủi c a biến phụ thuộc, để ừ đó đƣa ra các giải pháp cần thiết và kinh tế nhất. Phân t
tích h i qui khơng ch là trùng khồ ỉ ớp đƣờng cong (l a ch n mự ọ ột đƣờng cong mà vừa khớp nh t v i m t tấ ớ ộ ập điểm dữ liệu); nó cịn ph i trùng kh p v i m t mơ hình vả ớ ớ ộ ới các thành phần ngẫu nhiên và xác định (deterministic and stochastic components)
3.3.3.4. Phân tích tƣơng quan Pearson
Hệ số tƣơng quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lƣờng mức độ tƣơng quan tuyến tính giữa hai biến. Nguyên tắc cơ bản, tƣơng quan Pearson sẽ tìm ra một đƣờng th ng phù h p nh t v i m i quan h tuyẳ ợ ấ ớ ố ệ ến tính của 2 biến. Chính vì vậy, phân tích tƣơng quan Pearson đơi khi cịn đƣợc gọi là phân tích hồi quy giản đơn (nhƣng khác nhau về ặt ý nghĩa). m
Hệ số tƣơng quan Pearson (r) s nh n giá tr tẽ ậ ị ừ +1 đến -1. r > 0 cho bi t m t s ế ộ ự tƣơng quan dƣơng giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia và ngƣợc lại. r < 0 cho biết một sự tƣơng quan âm giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia và ngƣợc lại.
Giá tr tuyị ệt đố ủi c a r càng cao thì mức độ tƣơng quan giữa 2 biến càng lớn hoặc dữ liệu càng phù h p v i quan h tuy n tính gi a hai bi n. Giá tr r b ng +1 ho c b ng ợ ớ ệ ế ữ ế ị ằ ặ ằ -1 cho thấy dữ liệ u hoàn tồn phù h p v i mơ hình tuy n tính. ợ ớ ế
3.3.3.5. Phân tích phƣơng sai One-way Anova
hân tích phƣơng sai một yếu tố ( còn gọi là oneway anova) dùng để ểm đị ki nh giả thuyết trung bình b ng nhau c a các nhóm m u v i khằ ủ ẫ ớ ả năng phạm sai l m chầ ỉ là 5%.Một s giố ả định khi phân tích ANOVA: Các nhóm so sánh phải độ ập và đƣợc c l chọn m t cách ng u nhiên. Các nhóm so sánh ph i có phân ph i chu n or c mộ ẫ ả ố ẩ ỡ ẫu phải đủ ớn để đƣợc xem nhƣ tiệ l m cận phân phối chuẩn. Phƣơng sai của các nhóm so sánh phải đồng nhất. Điều kiện để thực hi n Anova khi ch s sig > 0.05, ta có ệ ỉ ố một gi thuyả ết Ho, sau các bƣớc phân tích nếu chỉ số sig > 0.05: chấp nhận Ho:chƣa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đố ới biến phụ thu c, i v ộ nếu ch s sig < 0.05: bác bỉ ố ỏ Ho: đủ điều kiện để khẳng định có s khác bi t giự ệ ữa các nhóm đối với biến phụ thuộc
CHƢƠNG 4 KẾT QUẢ NGHIÊN CỨU
Thực hiện kh o sát ả thự ế trên 500 mẫu kh o sát, s m c t ả ố ẫ thực tế nhóm thu đƣợc là Khảo sát tr c tuy n ự ế Khảo sát trực tiếp
Dự ki n ế 250 m u ẫ 250 m u ẫ
Thực tế 272 m u ẫ 200 m u ẫ