- Thiết kế bảng câu hỏi khảo sát
3.6.7 Kiểm định phương sai ANOVA và kiểm định trung bình T-Test
- Kiểm định trung bình T- Test
Phương pháp kiểm định T-Test (kiểm định sự khác biệt) được sử dụng trong kiểm định sự khác biệt về giá trị trung bình của tổng thể với một giá trị cho trước, hoặc kiểm định sự khác biệt về giá trị trung bình giữa hai tổng thể. Khi sử dụng phần mềm thống kê, chúng ta sử dụng cách tiếp cận mức ý nghĩa quan sát (Sig) để chấp nhận hoặc bác bỏ giả thuyết ban đầu.
Trong phần mềm SPSS, ta sẽ loại bỏ giả thuyết ban đầu khi kiểm nghiệm cho ta chỉ số Sig. nhỏ hơn mức ý nghĩa α = 5% (mặc định ở các phần mềm thống kê).
Trong thống kê, T-Test được chia thành 3 loại thông dụng, bao gồm: + One-Sample T-Test
+ Independent Samples T-Test + Paired Sample T-Test
Trong bài này tác giả sử đụng thống kê Independent Sample T-Test
Ở Independent Sample T-Test cột “Levene’s Test for Equality of Variances” ≤0,05 ta kết luận phương sai của hai nhóm cần kiểm định khác nhau. Ta tiếp tục xem xét giá trị Sig. của cột “T-Test for Equality of Mean dòng Equal variances not assumed, ngược lại nếu sig >0,05 xem giá trị sig ở cột Equa variances assumed”. Cả hai trường hợp nếu giá trị của Sig. lần sau lớn hơn 0,05 chứng tỏ không có sự khác biệt về trung bình giữa hai nhóm, nếu nhỏ hơn 0,05 có sự khác biệt về trung bình giữa 2 nhóm.
- Kiểm định phương sai ANOVA
Kiểm định phương sai ANOVA giúp chúng ta giải quyết trở ngại của Independent Sample T-Test. Phương pháp này giúp chúng ta so sánh trị trung bình của 3 nhóm trở lên. Phân tích ANOVA có chức năng đánh giá sự khác biệt tiềm năng trong một biến phụ thuộc mức quy mô bằng một biến mức danh nghĩa có từ 3 loại trở lên. Các nhà phân tích
sử dụng thử nghiệm ANOVA để xác định ảnh hưởng của các biến độc lập đối với biến phụ thuộc trong nghiên cứu hồi quy. Kỹ thuật kiểm định ANOVA này được phát triển bởi Ronald Fisher năm 1918. Có 2 loại phân tích phương sai là phân tích phương sai một yếu tố và hai yếu tố, trong bài này tác giả chọn phân tích phương sai 1 yếu tố: One - Way – ANOVA.
Chỉ tiêu khi phân tích hồi quy cần đảm bảo một số nguyên tắc sau:
+ Kiểm tra hệ số Adjusted R Square để xét mức độ phù hợp của mô hình.
+ Kiểm tra các giá trị Sig. < 0.05 và hệ số F trong bảng ANOVA để kiểm chứng mức độ phù hợp của mô hình hồi quy với tổng thể mẫu.
+ Kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor) có nằm trong đoạn (1;10) để xem xét hiện tượng đa cộng tuyến. Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyên Mộng Ngọc, 2007).
+ Đánh giá mức độ tác động mạnh hay yếu của các biến lên mức độ cảm nhận thông qua các hệ số Beta ở bảng Coefficient.