CHƯƠNG 2 CƠ SỞ LÝ THUYẾT
3.3. NGHIÊN CỨU ĐỊNH LƯỢNG
3.3.3. Phương pháp phân tích số liệu
Nghiên cứu sử dụng tích hợp nhiều phương pháp xử lý số liệu để phân tích dữ liệu nghiên cứu. Đầu tiên, phương pháp thống kê mô tả được sử dụng để mô tả về đặc điểm mẫu nghiên cứu. Sau đó, phương pháp đánh giá hệ số tin cậy Cronbach alpha, phương pháp phân tích nhân tố khám phá (EFA – Exploring Factor Analysis).
3.3.3.1. Phương pháp đánh giá hệ số tin cậy Cronbach Alpha
Phương pháp đánh giá hệ số tin cậy Cronbach alpha không chỉ tính độ tin cậy cho từng biến quan sát mà nó còn đo lường độ tin cậy cho cả thang đo. Vì vậy, các biến cùng đo lường một khái niệm phải có tương quan chặt chẽ với nhau. Do đó, khi kiểm tra từng biến đo lường người ta sử dụng hệ số tương quan biến – tổng. Trong nghiên cứu định lượng chính thức, trong … bảng câu hỏi phát ra, có … bảng trả lời được thu về và đưa vào xử lý bằng phần mềm xử lý dữ liệu thống kê SPSS. Các thang đo được đánh giá thông qua kiểm định hệ số tin cậy Cronbach Alpha và tính toán hệ số tương quan biến tổng.
Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Nhiều nhà nghiên cứu đồng ý rằng Cronbach Alpha từ 0.6 đến gần 0.8 là sử dụng được (Nunnally, 1978; Peterson, 1994;
Slater, 1995; trích trong Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2005).
Hệ số Cronbach Alpha được sử dụng để loại các biến không phù hợp trước. Các biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.4 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy alpha từ 0.6 trở lên. Tiếp theo, phương pháp EFA được sử dụng. Các biến có trọng số (factor loading) nhỏ hơn 0.5 trong EFA sẽ tiếp tục bị loại. Phương pháp trích hệ số sử dụng là principal components với phép xoay varimax và điểm dừng khi trích các yếu tố có eigenvalue = 1. Thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50% và trọng số nhân tố từ 0.5 trở lên.
Còn đối với hệ số tương quan biến tổng, ta quy ước là biến quan sát nào có hệ số tương quan biến tổng nhỏ hơn 0.3 sẽ bị loại.
3.3.3.2. Phân tích nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố khám phá thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), có nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối quan hệ giữa các biến với nhau (interrelationships). Phân tích EFA dùng để rút gọn một tập biến k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Hay nói cách khác là chúng ta cần rút ra một số lượng các nhân tố ít hơn số biến quan sát để tóm tắt thông tin. Theo Nguyễn Đình Thọ (2011), cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan,
Để đánh giá giá trị thang đo trong phân tích EFA, người ta sẽ kiểm định hệ số KMO. Dữ liệu phù hợp để thực hiện phân tích EFA khi 0.5 ≤ KMO ≤ 1 (Hair, 1998, 2010). Sau khi kiểm định điều kiện thực hiện phân tích EFA phù hợp thông qua chỉ số KMO, các nhà nghiên cứu thường xem xét đến ba thuộc tính quan trọng (1) số lượng nhân tố trích được, (2) trọng số nhân tố và (3) tổng phương sai trích.
Số lượng nhân tố trích được: Trước tiên, chúng ta kiểm tra kết quả thang đo xem số lượng nhân tố trích có phù hợp với giả thuyết ban đầu về số lượng thành phần của thang đo (đối với thang đo đa hướng) hoặc số lượng khái niệm đơn hướng. Nếu đạt được điều này, chúng ta có thể kết luận là các khái niệm nghiên cứu (đơn hướng) hay các thành phần của một khái niệm đa hướng đạt giá trị phân biệt.
số tương quan đơn giữa các biến và các nhân tố. Trọng số nhân tố của một biến trên nhân tố mà nó là một biến đo lường sau khi quay nhân tố phải cao và các trọng số trên nhân tố mà nó không đo lường phải thấp; có nghĩa là hệ số tải nhân tố phải cao ở mức độ mà phần chung phải lớn hơn hoặc bằng phần riêng và sai số. Hay nói cách khác trên 50% phương sai của biến đo lường được giải thích bởi nhân tố hay hệ số tải nhân tố > = 0.5 là đạt yêu cầu.
Tổng phương sai trích: Tổng phương sai trích thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường hay thể hiện thang đo giải thích được bao nhiêu phần trăm sự biến thiên của dữ liệu. Tổng phương sai trích phải lớn hơn hoặc bằng 50% trở lên, nghĩa là phần chung phải lớn hơn hoặc bằng phần riêng và sai số. Nếu tổng này đạt từ 60% trở lên thì được xem là tốt.
Một điểm cần lưu ý là những giá trị trọng số nhân tố và tổng phương sai trích để thang đo được chấp nhận này là về mặt thống kê, trong nghiên cứu thống kê chỉ là công cụ chứ không phải là tất cả. Vấn đề loại bỏ biến có trọng số nhân tố thấp (theo tiêu chí thống kê) cần chú ý đến giá trị nội dung của biến đó đóng góp vào giá trị nội dung của khái niệm nó đo lường (Nguyễn Đình Thọ, 2011).
3.3.3.3 Phân tích hồi quy đa biến
Hồi quy đa biến là phần mở rộng của hồi quy tuyến tính đơn. Hồi quy đa biến được sử dụng khi muốn dự đoán giá trị của một biến dựa trên giá trị của hai hoặc từ hai biến trở lên. Hồi quy đa biến giúp xác định mức độ đóng góp ít hay nhiều hay không đóng góp của từng nhân tố vào sự thay đổi của biến phụ thuộc.
Phương trình hồi quy đơn biến: Y = β0 + β1X + e.
Phương trình hồi quy đa biến: Y = β0 + β1X1 + β2X2 + … + βnXn + ε.
Với: Y: biến phụ thuộc. X, X1, X2, Xn: biến độc lập. β0: hằng số hồi quy. β1, β2, βn: hệ số hồi quy. e: sai số
ε: phần dư
Giá trị Adjusted R Square (R bình phương hiệu chỉnh) và R2 (R Square) phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Mức biến thiên của 2 giá trị này là từ 0 - 1. Nếu càng tiến về 1 thì mô hình càng có ý nghĩa. Ngược lại, càng tiến về 0 tức là ý nghĩa mô hình càng yếu. Cụ thể hơn, nếu nằm trong khoảng từ 0.5 - 1 thì là mô hình tốt, < 0.5 là mô hình chưa tốt.
Trị số Durbin – Watson (DW): Có chức năng kiểm tra hiện tượng tự tương quan chuỗi bậc nhất. Giá trị của DW biến thiên trong khoảng từ 0 đến 4. Nếu tương quan của các sai số kề nhau không xảy ra thì giá trị sẽ gần bằng 2. Nếu giá trị gần về 4 tức là các phần sai số có tương quan nghịch, gần về 0 thì các phần sai số có tương quan thuận. Trong trường hợp DW < 1 và DW > 3 thì khả năng rất cao xảy ra hiện tượng tự tương quan chuỗi bậc nhất.
Giá trị Sig. của kiểm định F có tác dụng kiểm định độ phù hợp của mô hình hồi quy. Ở bảng ANOVA, nếu giá trị Sig. < 0.05 thì mô hình hồi quy tuyến tính bội phù hợp. Nếu Sig. > 0.05 thì mô hình hồi quy tuyến tính đa bội không phù hợp.
Giá trị Sig. của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu Sig. <0.05 thì biến độc lập có tác động đến biến phụ thuộc.
Hệ số phóng đại phương sai VIF (Variance inflation factor): Kiểm tra hiện tượng đa cộng tuyến. Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
TÓM TẮT CHƯƠNG 3
Chương 3 giới thiệu về thiết kế và qui trình thực hiện nghiên cứu để đánh giá thang đo, kiểm định mô hình và giả thuyết nghiên cứu. Quy trình nghiên cứu bao gồm nghiên cứu định tính và nghiên cứu định lượng; trong đó nghiên cứu định tính được thực hiện trước và nghiên cứu định lượng thực hiện sau.
Nghiên cứu định tính nhằm khám phá sự tồn tại các khái niệm nghiên cứu và mối quan hệ giữa chúng, và điều chỉnh, phát triển thang đo. Nghiên cứu định tính sử dụng phương pháp phỏng vấn sâu với các đối tượng Genz đang học tập và làm việc tại Thành phố Hồ Chí Minh. Kết quả nghiên cứu định tính cho thấy sự tồn tại và mối quan hệ của các khái niệm nghiên cứu theo tổng quan lý thuyết. Nên mô hình nghiên cứu đề xuất được thực hiện và không có điều chỉnh.
Nghiên cứu định lượng được thực hiện bằng phương pháp phỏng vấn trực tiếp sinh viên thông qua bảng câu hỏi với phương pháp lấy mẫu thuận tiện. Các phương pháp và kỹ thuật phân tích dữ liệu định lượng là Cronbach alpha, EFA và hồi quy đa biến cũng được đề cập.