CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.2.2 Nghiên cứu định lượng
Nghiên cứu định lượng được thực hiện thông qua bảng câu hỏi khảo sát. Sau khi bảng câu hỏi được hiệu chỉnh ở bước nghiên cứu định tính trở thành bảng câu hỏi chính thức thì tiến hành thực hiện thu thập dữ liệu. Thông tin thu thập được dùng để đánh giá độ tin cậy và độ giá trị của thang đo, kiểm định thang đo và kiểm định sự phù hợp của mơ hình. Để xác định tính logic, tương quan của các nhân tố với nhau và từ đó đưa ra kết quả cụ thể, đánh giá và kiểm định các mơ hình lý thuyết và các giả thuyết liên quan, tôi quyết định sử dụng các công cụ trong phần mềm hỗ trợ SPSS 20.
Trước hết, độ tin cậy của các tiêu chí được đánh giá thông qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các tiêu chí khơng phù hợp vì các tiêu chí khơng phù này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ, 2009). Khi đó, việc tính tốn hệ số tương quan giữa biến-tổng sẽ giúp loại ra những tiêu chí nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hoàng Trọng Chu và Nguyễn Mộng Ngọc, 2005). Các điều kiện được sử dụng khi thực hiện đánh giá độ tin cậy các tiêu chí:
- Loại các tiêu chí có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn nhân tố khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao (Nguyễn Đình Thọ, 2009).
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Hoàng Trọng Chu và Nguyễn Mộng Ngọc, 2005).
- Các tiêu chí có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và biến số được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá các tiêu chí dựa theo tiêu chuẩn: - Loại các tiêu chí có hệ số tương quan biến-tổng nhỏ hơn 0,4 (đây là những tiêu chí khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chuẩn này).
- Chọn các tiêu chí có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).
❖ Phân tích nhân tố khám phá EFA
EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F≤ k) các nhân tố có ý nghĩa hơn biến (tức là các biến có liên quan được nhóm lại với nhau và tách ra khỏi các
biến khác mà nó ít liên quan), dùng để đánh giá giá trị hội tụ và giá trị phân biệt của các biến.
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: Hệ số tải nhân tố: trọng số của nhân tố (Factor loading) > 0,5
- Factor Loading > 0,3, được xem là đạt mức tối thiểu; - Factor Loading > 0,4, được xem là quan trọng;
- Factor Loading > 0,5, được xem là có ý nghĩa thực tiễn.
Hệ số KMO (Kaiser-Mayer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp (0.5 ≤ KM0 ≤1).
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0,05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
❖ Phân tích tương quan Pearson
Sau khi phân tích EFA và kiểm tra độ tin cậy của thang đo, các thang đo đạt yêu cầu được xác định giá trị trung bình và các biến kiểm sốt được mã hóa để tiến hành phân tích tương quan. Tác giả sử dụng hệ số tương quan Pearson (r) để kiểm tra mối quan hệ tuyến tính giữa các nhân tố. Nếu hệ số tương quan giữa các biến phụ thuộc và biến độc lập lớn chứng tỏ chúng có quan hệ với nhau và có thể phù hợp để phân tích hồi quy tuyến tính. Giá trị tuyệt đối của r càng gần 1 thì hai biến có mối tương quan càng chặt chẽ và ngược lại (Hoàng Trọng Chu và Nguyễn Mộng Ngọc, 2008).
❖ Phân tích hồi quy tuyến tính
Sau khi phân tích tương quan, tác giả tiến hành phân tích hồi quy đa biến theo phương pháp Enter với mức ý nghĩa 5% để kiểm định các giả thuyết nghiên cứu và độ phù hợp của mơ hình cũng như mức độ ảnh hưởng của các biến lên biến phụ thuộc. Lý do tác giả lựa chọn phân tích hồi quy tuyến tính chứ khơng phải hồi quy phi tuyến tính vì các nghiên cứu trước đây cũng sử dụng phương pháp này. Phương pháp hồi quy được sử dụng trong khóa luận là phương pháp bình phương bé nhất. Hệ số R điều chỉnh được dùng để xác định độ phù hợp của mơ hình, kiểm định F dùng để khẳng định khả năng mở rộng, kiểm định t dùng để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0.
❖ Đánh giá mức độ trung bình của các nhân tố
Là giá trị trung bình số học của một biến, được tính bằng tổng các giá trị quan sát chia cho số quan sát. Đây là dạng công cụ thường được dùng cho dạng đo khoảng cách và tỷ lệ. Giá trị trung bình có đặc điểm là chịu sự tác động của các giá trị ở mỗi quan sát, do đó đây là thang đo nhạy cảm nhất đối với sự thay đổi của các giá trị quan sát. Ở phương pháp này, sẽ hiển thị đầy đủ các chỉ số trung bình (Mean), giá trị nhỏ nhất (Min), giá trị lớn nhất (Max), và độ lệch chuẩn (standard deviation). Sử dụng thang đo Likert 5 mức độ để đánh giá mức độ đồng ý của khách hàng với quan điểm của biến đưa ra. Từ đó dễ dàng đưa ra giải pháp, kiến nghị phù hợp nhất.
❖ Phân tích kiểm định ANOVA
Phân tích phương sai được dùng để so sánh trung bình của các tổng thể. Trong nội dung khóa luận này, tác giả sử dụng phương pháp phân tích phương sai một yếu tố (One- Way ANOVA) để xác định sự khác nhau về ý định mua trực tuyến giữa những nhóm khách hàng khác nhau. Theo Hoàng Trọng Chu và Nguyễn Mộng Ngọc (2008), các điều kiện khi phân tích ANOVA:
- Kiểm định Levene: “Phương sai bằng nhau”, nếu Sig < 0,05 thì phương sai giữa các nhóm là khác nhau nên khơng sử dụng được kết quả phân tích ANOVA, khi đó phải sử
dụng kiểm định Tamhane’s T2 để xác định. Nếu Sig ≥ 0,05 thì phương sai giữa các nhóm khác nhau là như nhau nên có thể sử dụng kết quả phân tích ANOVA.
- Kiểm định ANOVA: Nếu Sig > 0,05 thì chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm. Nếu Sig ≤ 0,05 đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm.