Phương pháp phân tích dữ liệu

3.4 Mô tả dữ liệu được sử dụng trong nghiên cứu

3.4.4 Phương pháp phân tích dữ liệu

Sau khi thu thập dữ liệu và nhập dữ liệu vào phần mềm SPSS 18.0, tác giả tiến hành thực hiện phân tích dữ liệu bao gồm thống kê mơ tả, giá trị trung bình, kiểm định Cronbach’s Alpha, phân tích nhân tố khám phá EFA, tương quan Pearson, phương trình hồi quy, ANOVA.

Thống kê mơ tả: là phương pháp mô tả dữ liệu bằng tần số, đợ lệch chuẩn, qua đó thống kê dữ liệu thu thập được bằng đồ thị biểu hiện tỷ lệ phần trăm của biến quan sát.

Giá trị trung bình: để tính giá trị trung bình của các biến quan sát, áp dụng cho thang đo Likert. Ý nghĩa của từng giá trị trung bình đối với thang đo khoảng:

Giá trị khoảng cách = (maximum - minimum) / n = (5 - 1)/5 = 0.8

1.00 -> 1.80 : Rất khơng đồng ý/ Rất khơng hài lịng/ Rất khơng quan trọng 1.81 -> 2.60 : Khơng đồng ý/ Khơng hài lịng/ Khơng quan trọng

2.61 -> 3.40 : Khơng ý kiến/ trung bình 3.41 -> 4.20 : Đồng ý/ hài lòng/ quan trọng

35

Kiểm định Cronbach’s Alpha: đánh giá độ tin cậy của thang đo qua hệ số Cronbach’s Alpha, hệ số Cronbach’s Alpha càng lớn thì đợ tin cậy của thang đo càng cao.

Phân tích nhân tố khám phá EFA: theo Hồng Trọng và Chu Nguyễn Mợng Ngọc (2008), phân tích nhân tố là cách gọi tên chung của mợt nhóm các thủ tục được sử dụng để thu nhỏ và tóm tắt dữ liệu. Kết quả phân tích nhân tố khám phá EFA phải đạt các tiêu chuẩn sau:

Hệ số KMO phải nằm trong khoảng 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là phù hợp.

Giá trị Sig. của kiểm định Bartlett phải ≤ 0,05 thì có ý nghĩa thống kê, chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.

Hệ số tải nhân tố Factor Loading phải ≥ 0,5 để đảm bảo mức ý nghĩa thiết thực của EFA.

Tổng phương sai trích phải đạt giá trị ≥ 50%.

Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố phải > 1 thì nhân tố rút ra có ý nghĩa tóm tắt thơng tin tốt nhất.

Tương quan PEARSON: theo Hồng Trọng và Chu Nguyễn Mợng Ngọc (2008), hệ số tương quan Pearson dùng để lượng hóa mức đợ chặt chẽ của mối liên hệ tuyến tính giữa 2 biến định lượng. Ngoài ra nếu giá trị sig nhỏ hơn 0,05 thì biến đợc lập có tương quan chặt chẽ với biến phụ thuộc, nếu giá trị sig lớn hơn 0,05 thì biến đợc lập khơng tương quan với biến phụ thuộc, cần phải loại bỏ.

Phân tích hồi quy: theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), nếu ở bước phân tích tương quan Pearson có mối quan hệ tuyến tính giữa biến đợc lập và biến phụ tḥc thì có thể mơ hình hóa mối quan hệ đó bằng phương trình hồi quy tuyến tính. Phương trình hồi quy tuyến tính cần đạt được những u cầu sau:

Phương trình hồi quy bợi chuẩn hóa có dạng:

36

- Kiểm định hệ số hồi quy: biến đợc lập phải có giá trị Sig. < 0,05. Kết luận biến đợc lập đều có tương quan với biến phụ tḥc với độ tin cậy 95%.

- Đánh giá đợ phù hợp của mơ hình: sử dụng R2 đã chuẩn hóa để đánh giá đợ phù hợp của mơ hình. Theo Nguyễn Đình Thọ (2013), R2 đã chuẩn hóa chỉ cần lớn hơn 0,3 (30%) nhưng nên lớn hơn 0,5 (50%).

- Kiểm định đợ phù hợp của mơ hình: trị thống kê F phải có giá trị Sig.<0,05, kết luận mơ hình phù hợp với dữ liệu thực tế, các biến đợc lập trong mơ hình có tương quan với biến phụ tḥc.

- Kiểm định hiện tượng tự tương quan (hệ số Durbin - Watson): Hệ số Durbin – Watson phải nằm trong khoảng dL < d < 4 – dU. Kết luận, khơng có hiện tượng tự tương quan trong phần dư của mơ hình hồi quy tuyến tính. Mơ hình nghiên cứu thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.

- Kiểm định hiện tượng đa cợng tuyến của mơ hình: giá trị VIF phải < 10. Kết luận, khơng có hiện tượng đa cợng tuyến trong mơ hình nghiên cứu.

- Kiểm định phương sai của sai số không đổi:

Kiểm định Spearman để kiểm tra giữa từng biến đợc lập có ý nghĩa thống kê với giá trị tuyệt đối của số dư được chuẩn hóa. Tiêu chuẩn để đánh giá: các hệ số tương quan hạng Spearman có mức ý nghĩa > 0,05 thì có thể kết luận: Phương sai của phần dư không thay đổi. Ngược lại <0,05 thì chứng tỏ phương sai của phần dư thay đổi. Biến tương ứng có Sig.<0,5 sẽ bị loại.

- Kiểm định sự khác biệt:

Kiểm định Independent – Samples T-Test: kiểm định sự khác biệt trung bình giữa biến ngun nhân định tính có 2 giá trị và biến kết quả định lượng.

Nếu Sig. Levene < 0,05 thì giá trị Sig. T – test nằm ở hàng Equal variances not assumed. Nếu Sig. T – test < 0,05: có sự khác biệt có ý nghĩa thống kê. Nếu Sig. T – test ≥ 0,05: khơng có sự khác biệt có ý nghĩa thống kê

37

Nếu Sig. Levene ≥ 0,05 thì giá trị Sig. T – test nằm ở hàng Equal variances assumed. Nếu Sig. T – test < 0,05: có sự khác biệt có ý nghĩa thống kê. Nếu Sig. T – test ≥ 0,05: khơng có sự khác biệt có ý nghĩa thống kê

Kiểm định One-Way ANOVA: kiểm định sự khác biệt trung bình giữa biến ngun nhân định tính có từ 3 giá trị trở lên và biến kết quả định lượng.

Nếu Sig. Levene > 0,05 thì phương sai khơng khác nhau. Nếu Sig. ANOVA < 0,05: có sự khác biệt có ý nghĩa thống kê. Nếu Sig. ANOVA ≥ 0,05: khơng có sự khác biệt có ý nghĩa thống kê.

Nếu Sig. Levene < 0,05 thì phương sai khơng bằng nhau.

- Thống kê trung bình: dựa theo các câu hỏi định lượng Likert, thống kê trung bình để khái quát về đối tượng được khảo sát.

TÓM TẮT CHƯƠNG 3

Trong chương 3, tác giả đã trình bày quy trình nghiên cứu của đề tài, cách nghiên cứu định tính với quy trình phỏng vấn chuyên gia, nghiên cứu định lượng sơ bộ 40 người dân và nghiên cứu định lượng chính thức với 262 mẫu khảo sát hợp lệ, sau đó tác giả mã hóa thang đo và biến quan sát, lựa chọn phương pháp chọn mẫu phi xác suất chọn mẫu thuận tiện và xây dựng quy trình thu thập dữ liệu cũng như phương pháp phân tích dữ liệu.

38

CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN