Code Câu hỏi khảo sát
P_WOM1 Ơng/Bà có ý định giới thiệu thơng tin tích cực về Bác sĩ đã khám (hoặc điều trị) cho Ông/Bà với các mối quan hệ nhƣ: bạn bè, ngƣời thân hoặc đồng nghiệp khơng?
P_WOM2 Ơng/Bà có ý định giới thiệu thơng tin tích cực về Bệnh viện với các mối quan hệ nhƣ: bạn bè, ngƣời thân hoặc đồng nghiệp không?
(Nguồn: Tác giả đề xuất dựa trên thang đo gốc)
3.3. Quy trình nghiên cứu
Việc xác định các biến tiềm ẩn và xây dựng các mối liên kết giữa các biến này và lý do tại sao mối quan hệ nhƣ vậy tồn tại là điều rất quan trọng trong việc xây dựng mơ hình lý thuyết.
Sau khi mơ hình lý thuyết đã đƣợc xây dựng, bƣớc kế tiếp là xây dựng thiết kế nghiên cứu giúp cho việc thu thập dữ liệu kiểm định các kết nối và giả thuyết trong mơ hình nghiên cứu đề xuất.
Thiết kế nghiên cứu là một kế hoạch chi tiết hƣớng dẫn việc thực hiện triển khai thực nghiệm các nghiên cứu (Aaker và cộng sự, 2004; Hair và cộng sự, 2003; Malhotra, 2006).
Hình 3.1. Quy trình nghiên cứu
(Nguồn: Tác giả tổng hợp và đề xuất)
3.3.1. Nghiên cứu định tính
Giai đoạn nghiên cứu định tính, tác giả sử dụng phƣơng pháp thảo luận nhóm để xây dựng, khám phá, điều chỉnh và bổ sung các biến quan sát đo lƣờng các khái niệm nghiên cứu. Những thành viên tham gia thảo luận gồm các trƣởng phó khoa, bác sĩ phẩu thuật, bác sĩ điều trị và bệnh nhân. Trƣớc khi phỏng vấn tác giả đã đƣa ra chủ đề, mục đích của nghiên cứu, một dàn bài chuẩn bị sẵn, đặt câu hỏi phỏng vấn,...Trong q trình thảo luận ln tn thủ nguyên tắc lắng nghe, tạo cơ hội cho mọi thành viên trong nhóm trình bày ý kiến, nhận thức cá nhân, mọi nội dung ý kiến đƣợc ghi chép cẩn thận cho việc tham khảo và đƣa ra quyết định thống nhất cuối cùng.
Kết quả, hàm ý quản trị - Kiểm định độ tin cậy
- Phân tích nhân tố - Kiểm định giả thuyết - Kiểm định mơ hình đo
lƣờng
- Kiểm định mơ hình cấu trúc nghiên cứu
3.3.2. Nghiên cứu định lƣợng
Bƣớc này có trách nhiệm kiểm định tác động của năng lực thấu cảm đến sự hài lòng, niềm tin và ý định truyền miệng của bệnh nhân về bác sĩ và cơ sở y tế mình đang thăm khám và điều trị. Đây là giai đoạn nghiên cứu chính thức. Dữ liệu sau khi đƣợc thu thập sẽ đƣợc phân tích bằng phần mềm SPSS 20.0, Amos 20.0 và SmartPLS 3.0.
3.4. Phƣơng pháp xử lý số liệu 3.4.1. Làm sạch dữ liệu 3.4.1. Làm sạch dữ liệu
Trƣớc khi thực hiện việc nhập liệu, xử lý – phân tích dữ liệu, các bảng câu hỏi thu nhận về đƣợc kiểm tra cẩn thận để loại bỏ những phiếu trả lời sai sót, phiếu trả lời có những mâu thuẫn giữa các câu trả lời, khơng chính xác hoặc đánh đại. Dự liệu sau khi sàng lọc đƣợc nhập vào excel và SPSS để thực hiện việc kiểm tra lỗi nhập dữ liệu (sai, sót, thừa, hoặc khơng đúng thang đo…), loại bỏ những quan sát có điểm số bất thƣờng bằng các phép kiểm định thống kê mô tả (bảng tần số, bảng kết hợp).
3.4.2. Phân tích dữ liệu
3.4.2.1. Mô tả đặc điểm dân số nghiên cứu
Các biến định tính đƣợc biểu thị bằng tần số, tỷ lệ phần trăm. Biến định lƣợng có phân phối chuẩn biểu thị bằng trung bình, độ lệch chuẩn; biến định lƣợng khơng có phân phối chuẩn biểu thị bằng trung vị, tứ phân vị thị nhất, tứ phân vị thứ hai.
3.4.2.2. Phân tích mơ hình cấu trúc tuyến tính SEM
Kiểm định thang đo bằng hệ số Cronbach’s Alpha
Hệ số Cronbach‟s alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục câu hỏi trong thang đo tƣơng quan với nhau (Hoàng Trọng và Chu
phƣơng sai của từng biến và tính tƣơng quan nhận thức của từng biến với tổng điểm của các biến còn lại trong phép đo.
Trích theo (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007) hệ số Cronbach‟s Alpha đƣợc tính theo cơng thức sau:
Với hệ số Cronbach‟s Alpha, nhiều nhà nghiên cứu đồng ý với hệ số alpha của từng thang đo từ 0,8 trở lên đến gần 1 thì thang đo có sự đo lƣờng là tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng hệ số alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995 dẫn theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Vì vậy, đối với nghiên cứu này thì hệ số alpha từ 0,6 trở lên là chấp nhận đƣợc.
Khi đánh giá độ phù hợp của từng biến, những biến nào có hệ số tƣơng quan biến tổng (item-total correlation) lớn hơn hoặc bằng 0.3 đƣợc coi là những biến có độ tin cậy bảo đảm (Nguyễn Cơng Khanh, 2005), các biến có hệ số tƣơng quan biến tổng nhỏ hơn 0.3 sẽ bị loại bỏ ra khỏi thang đo vì khơng phù hợp.
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại bỏ các biến không đảm bảo độ tin cậy nếu có. Tác giả tiến hành thực hiện phân tích nhân tố khám phá (EFA).
Phân tích nhân tố khám phá (EFA) là phƣơng pháp đƣợc áp dụng với mục đích thu nhỏ và tóm tắt các dữ liệu. Ở phƣơng pháp này ta sử dụng phƣơng pháp principal axis factoring với phép xoay promax và điểm dừng khi trích các yếu tố có eigenvalue ≥ 1. Qua kết quả phân tích EFA, chúng ta dễ dàng loại bỏ các nhân tố, thang đo không đạt yêu cầu. Tiêu chuẩn chọn là:
- Nhân tố phải có hệ số tải nhân tố (factor loading) > 0,5; - Tổng phƣơng sai trích ≥ 50% (Trần Thị Kim Loan, 2009);
- Hệ số của phép thử KMO (Kaiser-Meyer-Olkin of Sampling Adeqacy) > 0,5.
- Phép thử, Bartlett (Bartlett Test of Sphericity) có mức ý nghĩa < 0,05 (Hair và cộng sự, 2006 dẫn theo Lê Văn Huy, 2009).
Phân tích hồi quy tuyến tính SEM (Tructural Equation Modeling)
Sau khi dữ liệu thực hiện hết các bƣớc phân tích ở trên sẽ tiến hành thực hiện phân tích hồi quy tuyến tính nhằm xem xét mối liên hệ giữa các yếu tố có đúng với giả thiết của mơ hình nghiên cứu đã xây dựng.
Có hai kỹ thuật phân tích đƣợc áp dụng trong mơ hình SEM, đó là CB-SEM và PLS-SEM. Theo Hair và các cộng sự (2014), từ những năm 2000, số nghiên cứu sử dụng PLS-SEM đƣợc công bố tăng lên theo cấp số nhân vì PLS-SEM có những ƣu điểm vƣợt trội so với CB-SEM trong các tình huống sau: quy mơ mẫu nhỏ, dữ liệu không phân phối chuẩn (non-normality data set), các mơ hình phức tạp với nhiều chỉ báo, đặc biệt là mơ hình cấu thành. Vì vậy, tác giả cũng lựa chọn việc phân tích hồi quy tuyến tính SEM thơng qua PLS-SEM.
Theo Henseler & Chin (2010), mơ hình nghiên cứu đƣợc đánh giá qua hai bƣớc là đánh giá mơ hình đo lƣờng và mơ hình cấu trúc:
- Đánh giá mơ hình đo lƣờng: mơ hình đo lƣờng đƣợc đánh giá thơng qua các giá trị: độ tinh cậy tổng hợp, giá trị hội tụ, giá trị phân biệt và hệ số phóng đại phƣơng sai (Variance Inflation Factor – VIF).
+ Độ tinh cậy tổng hợp: đo lƣờng độ tin cậy của tập hợp các biến quan sát đo
lƣờng một khái niệm (nhân tố) và hệ số độ tin cậy CA đo lƣờng tính kiên định nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời. Độ tin cậy tổng hợp có ý nghĩa khi có giá trị lớn hơn 0,7 và độ tin cậy CA từ 0,6 trở lên.
+ Giá trị hội tụ: thang đo đạt đƣợc giá trị hội tụ khi các trọng số chuẩn hoá
(Outer loading) của thang đo đều cao (>0,5) và có ý nghĩa thống kê (p <0,05) (Henseler và cộng sự, 2009) và tổng phƣơng sai trích phản ánh lƣợng biến thiên chung của các biến quan sát đƣợc giải thích bởi biến tiềm ẩn (Henseler và cộng sự, 2009) có ý nghĩa khi có giá trị trên 0,5.
+ Giá trị phân biệt: theo Henseler và cộng sự (2009), giá trị phân biệt là mức
độ phân biệt một khái niệm của một biến tiềm ẩn cụ thể từ khái niệm của những biến tiềm ẩn khác. Có hai cách dùng để đánh giá nhƣ sau:
Hệ số tải chéo: phải có trọng số hệ số tải của đại diện biến tiềm ẩn phải có giá trị cao hơn so với những cái khác.
Vùng điều kiện của Fornell và Larcker (1981): so sánh căn bậc hai của AVE của mỗi khái niệm với tƣơng quan (Pearson) giữa khái niệm hay biến tiềm ẩn. Căn bậc hai của AVE nên cao hơn tƣơng quan những khái niệm khác.
+ Hệ số phóng đại phương sai (Variance Inflation Factor – VIF): đa cộng
tuyến xảy ra khi các biến (nhân tố) độc lập có tƣơng quan tuyến tính khá mạnh với nhau. Nói cách khác hiện tƣợng đa cộng tuyến xảy ra khi có mối tƣơng quan tuyến tính hiện hữu giữa hơn 2 biến độc lập trong mơ hình. Khi đó sẽ dẫn đến các vấn đề
sau: Hạn chế giá trị của R bình phƣơng, làm sai lệch/ đổi dấu các hệ số hồi quy. Theo Hair và cộng sự (2014), khi VIF >5 đó là dấu hiệu đa cộng tuyến.
- Đánh giá mơ hình cấu trúc: để kiểm tra có mối quan hệ giữa các khái
niệm, sự tác động, cƣờng độ của các biến độc lập lên biến phụ thuộc thông qua biến trung gian. Tiêu chuẩn đánh giá nhƣ sau:
+ Đo lường hệ số tổng thể xác định (R-square value), là một chỉ số để đo
lƣờng mức độ phù hợp với mơ hình của dữ liệu (khả năng giải thích của mơ hình). Henseler và cộng sự (2009) mô tả các giá trị R-square của 0,67; 0,33 và 0,19 trong các mơ hình con đƣờng PLS là mạnh, trung bình và yếu tƣơng ứng.
+ Hệ số Path Coefficient (trọng số tác động) của mơ hình cấu trúc SEM-
PLS: mức độ tác động của các khái niệm với nhau, có thể đƣợc hiểu là hệ số beta chuẩn của hồi quy least squares, cung cấp một xác nhận thực nghiệm một phần của mối quan hệ về mặt lý thuyết giả định giữa các biến tiềm ẩn. Hệ số này mang dấu (+) là tác động cùng chiều, mang dấu (–) là tác động ngƣợc chiều. Mức tác động 0,02; 0,15; 0,35 sẽ chỉ ra yếu, trung bình, mạnh (Chin và cộng sự, 1996).
+ Giá trị T-value: Nếu giá trị T-value > 1,96 thì kiểm định có ý nghĩa thống kê ở mức 5%.
Kiểm định ƣớc lƣợng Bootstrap
Bootstrap không tham số (Davison và Hinkley, 2003; Henseler và cộng sự, 2009) thủ tục có thể đƣợc sử dụng trong Smart-PLS con đƣờng lấy mẫu để cung cấp khoảng tin cậy cho tất cả các ƣớc lƣợng tham số, xây dựng cơ sở để suy luận thống kê. Mẫu Bootstrap đƣợc tạo ra bằng cách vẽ một cách ngẫu nhiên các trƣờng hợp có thay thế từ các mẫu ban đầu. Smart- PLS ƣớc lƣợng mơ hình đƣờng dẫn cho mỗi mẫu Bootstrap. Các hệ số mơ hình con đƣờng đƣợc tạo thành một phân phối bootstrap có thể đƣợc xem nhƣ là một xấp xỉ của sự phân bố lấy mẫu.
3.5. Sự sai biệt phƣơng pháp chung
Sự sai biệt của phƣơng pháp chung (Common Method Variance - CMV) là sai số đo lƣờng hệ thống có thể ảnh hƣởng đến mối quan hệ của các yếu tố dự báo đến kết quả (Podsakoff và cộng sự, 2003). Khi thu thập dữ liệu từ một nguồn duy nhất (một ngƣời trả lời cho một bảng khảo sát), sự phiến diện của phƣơng pháp chung có thể làm cho các mối quan hệ giữa các biến độc lập và biến phụ thuộc dễ có thể tƣơng quan với nhau (Podsakoff và cộng sự, 2003). Các sai số này sẽ đƣợc giảm thiểu thông qua việc chuẩn bị bảng câu hỏi khảo sát một cách cẩn thận đƣợc trình bày ở trên. Thêm vào đó, tác giả đã thực hiện thu thập dữ liệu đối với các biến độc lập và phụ thuộc vào hai thời điểm khác nhau, tạo ra sự tách rời về đo lƣờng và giảm thiểu nguy cơ về CMV. Ngoài ra, các biện pháp thống kê (kỹ thuật “biến đánh dấu” - Marker Variable Technique) cũng đƣợc sử dụng để kiểm tra sai biệt phƣơng pháp chung.
3.6. Kỹ thuật phân tích dữ liệu
Lựa chọn phƣơng pháp và kỹ thuật để phân tích dữ liệu phụ thuộc vào việc các dữ liệu thu thập đƣợc là định lƣợng hay định tính (Hussey và Hussey, 1997). Đây là nghiên cứu dựa trên định lƣợng. Do đó, việc sử dụng câu hỏi khảo sát và phƣơng pháp phân tích định lƣợng nhƣ vậy là phù hợp để phân tích dữ liệu thu thập đƣợc. Các dữ liệu sẽ đƣợc nhập và phân tích sơ bộ ban đầu để bao trùm thông tin của mẫu và thống kê mô tả của tất cả các chỉ số (các hạng mục). Hiệp phƣơng sai dựa trên kỹ thuật SEM. Đề tài sử dụng SmartPLS 3.0 để phân tích dữ liệu. SEM là một phƣơng pháp phổ biến đƣợc sử dụng trong các tài liệu tiếp thị (Baumgartner và Steenkamp, 2006) cho phép các nhà nghiên cứu đo lƣờng lỗi một cách rõ ràng và đồng thời, kết hợp cả hai biến quan sát và không quan sát đƣợc (tiềm ẩn) vào trong phân tích (Grace và Bollen, 2008). Kiểm định các mơ hình đo lƣờng và cấu trúc mơ hình riêng biệt là một kỹ thuật thƣờng đƣợc sử dụng (Baumgartner và Homburg, 1996). Điều này là do sự hiện diện của thông số sai lệch, tình hình bình thƣờng trong thực tế và phƣơng pháp một bƣớc, trong đó, việc đo lƣờng và cấu trúc tiểu mơ
hình đƣợc ƣớc lƣợng đồng thời sẽ bị sai lệch đáng kể (Anderson và Gerbing, 1988, tr.418). Để tránh phân tích sai lệch nhƣ vậy, nghiên cứu này sẽ áp dụng phƣơng pháp nghiên cứu hai bƣớc. Đầu tiên, mơ hình đo lƣờng sẽ đƣợc ƣớc lƣợng.
Phƣơng pháp phân tích nhân tố khẳng định CFA đƣợc sử dụng để kiểm định mơ hình thang đo lý thuyết có phù hợp với dữ liệu thực tế (Hair và cộng sự, 2010). Mơ hình cấu trúc tuyến tính SEM, kết hợp phân tích nhân tố khẳng định và phân tích hồi qui đa biến đƣợc sử dụng vì phƣơng pháp này cho phép trình bày các biến tiềm ẩn trong mối quan hệ phụ thuộc lẫn nhau và có thể tính đƣợc sai số đo lƣờng. Đề tài này kiểm định mơ hình một nhân tố để đảm bảo mơ hình đo lƣờng phù hợp với dữ liệu trƣớc khi tích hợp tất cả các biến trong một mơ hình đo lƣờng chung. Các tiêu chuẩn đánh giá trong CFA, bao gồm (1) Một số chỉ số đo lƣờng mức độ phù hợp của mơ hình, (2) Giá trị hội tụ, (3) Giá trị phân biệt, (4) Đánh giá độ tin cậy của thang đo.
Để đo lƣờng mức độ phù hợp của mơ hình, đề tài này sử dụng các chỉ số: chi-square điều chỉnh theo bậc tự do (CMIN/df), chỉ số thích hợp so sánh CFI (comparative fit index) (Bentler, 1990), chỉ số GFI (Goodness of fit index) (Joreskog, 1984), chỉ số SRMR (RMSEA (Root Mean Square Error Approximation) (Steiger và Lind, 1980). Một mơ hình đƣợc gọi là phù hợp khi CMIN/df ≤ 2 hoặc ≤ 3, CFI ≥ 0,9 (Bentler và Bonett, 1980), RMSEA ≤ 0,08 (Steiger, 1990).
Giá trị hội tụ: Thang đo đạt đƣợc giá trị hội tụ khi các trọng số chuẩn hóa của thang đo phải lớn hơn 0,5 và có ý nghĩa thống kê (p < 0,05) (Gerbring và Anderson, 1988).
Giá trị phân biệt: Thang đo đạt đƣợc giá trị phân biệt khi hệ số tƣơng quan giữa các khái niệm trong mơ hình thang đo khác so với giá trị 1 và có ý nghĩa thống kê. Độ tin cậy của thang đo đƣợc đánh giá thông qua 2 hệ số: hệ số tin cậy tổng hợp (Joreskog, 1971) và tổng phƣơng sai trích (Fornell và Larcker, 1981). Các chỉ số này phải đạt yêu cầu từ 0,5 trở lên.
Tóm tắt chƣơng 3
Chƣơng này trình bày phƣơng pháp tiến hành nghiên cứu bao gồm: (1) thiết kế của nghiên cứu; (2) quy trình của nghiên cứu; (3) các phƣơng pháp để xử lý số liệu nghiên cứu. Ngoài ra, chƣơng xây dựng thang đo thỏa mãn đối với mục tiêu khảo sát của nghiên cứu gồm 30 biến quan sát đối với Bảng câu hỏi cho đối tƣợng bệnh nhân, và 12 biến quan sát cho đối tƣợng bác sĩ, ngồi ra cịn có các biến định danh khác.
63,3% 36,7% Nam Nữ 6% 38% 38% 18% <30 tuổi 30 đến <40 tuổi 40 đến <50 tuổi ≥50 tuổi
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chƣơng 4 trình bày kết quả phân tích số liệu từ bộ dữ liệu khảo sát mà tác giả thu nhận đƣợc:
4.1. Đặc điểm đối tƣợng nghiên cứu
4.1.1. Đặc điểm chung bệnh nhân trong nghiên cứu
Trong nghiên cứu tác giả thu thập đƣợc 150 bệnh nhân với tuổi trung bình là 45,4 ± 12,31 tuổi; nhỏ nhất là 27 tuổi, lớn nhất là 81 tuổi. Thời gian nằm viện trung bình là 4,97 ± 1,8 ngày.
Biểu đồ 4.1. Đặc điểm giới tính bệnh nhân
(Nguồn: Tổng hợp dữ liệu nghiên cứu của tác giả) Từ kết quả phấn tích cho thấy số lƣợng 150 bệnh nhân đƣợc khảo sát, tỷ lệ nam giới chiếm 63,3% và 36,7% còn lại là nữ giới.