CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3 Nghiên cứu định lượng:
Nghiên cứu định lượng được thực hiện bằng kỹ thuật khảo sát online những người mua hàng trên nền tảng trực tuyến thông qua bài khảo sát. Bài câu hỏi với nội dung
chính là các thang đo chính thức được hình thành trong nghiên cứu định tính. Dữ liệu của nghiên cứu định lượng được dùng để đánh giá thang đo, kiểm định mơ hình và giả thuyết nghiên cứu. Mục đích của nghiên cứu định lượng là đưa ra kết luận thị trường thông qua việc sử dụng phương pháp thống kê để xử lí dữ liệu và số liệu.
3.3.1 Đối tượng khảo sát
Đối tượng nghiên cứu của nghiên cứu này là những người mua hàng trực tuyến trên các thương mại điện tử như Shoppee, Lazada, Tiki…
3.3.2 Mẫu nghiên cứu và phương pháp lấy mẫu
Kích thước mẫu tốt phải thỏa mãn được tính đúng và chính xác. Một trong những yếu tố quan trọng ảnh hưởng đến kích thước mẫu nghiên cứu là phương pháp xử lý dữ liệu. Đối với phương pháp phân tích nhân tố khám phá (EFA) thì cần thu thập ít nhất năm mẫu cho một biến quan sát (Hair và cộng sự, 1998). Còn sử dụng phương pháp hồi qui thì kích thước mẫu cần đảm bảo tối thiểu theo cơng thức n >= 50 + 8m với m là số biến trong nghiên cứu (Tabachnick và Fidell, 2001). Và khi xử dụng phương pháp phân tích bằng mơ hình cấu trúc tuyến tính SEM thì địi hỏi phải có kích thước mẫu lớn vì nó dựa vào lý thuyết phân phối mẫu lớn. Tuy nhiên, kích thước mẫu bao nhiêu thì được gọi là lớn thì vẫn cịn là vấn đề cịn tranh cãi. Theo Bollen (1989) kích thước mẫu tối thiểu là năm mẫu (tốt hơn là 10 mẫu) cho một tham số cần ước lượng.
Theo đó, mơ hình lý thuyết của nghiên cứu này có 31 biến quan sát thì số mẫu tốt có thể là 155 . Tuy nhiên, chúng ta thấy rằng kích thước mẫu càng lớn thì càng tốt vì có độ tin cậy cao. Do đó, kích thước mẫu trong nghiên cứu này được xác định là n = .
Nghiên cứu áp dụng phương pháp lấy mẫu ngẫu nhiên tập trung trên cơ sở đa dạng các đối tượng sinh viên từ nhiều chương trình học khác nhau.
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), phương pháp phân tích nhân tố khẳng định (CFA - Confirmatory Factor Analysis), và phương pháp
mơ hình cấu trúc tuyến tính (SEM - Structural Equation Modeling) được thực hiện để đánh giá trị thang đo và kiểm định mơ hình cùng giả thuyết nghiên cứu.
3.3.3.1. Phương pháp đánh giá hệ số tin cậy Cronbach alpha
Phương pháp đánh giá hệ số tin cậy Cronbach alpha khơng 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 160 bảng câu hỏi phát ra, có 160 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 tốn hệ số tương quan biến tổng.
Hệ số 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 Hồng Trọng - Chu Nguyễn Mộng Ngọc, 2005).
Hệ số Cronbach Alpha được sử dụng để loại các biến khơng 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 khơng 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 thơng tin. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát (Nguyễn Đình Thọ, 2011).
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 thơng 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.
Trọng số nhân tố hay còn gọi là hệ số tải nhân tố (Factor loadings) là những hệ 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 khơng 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).