Chương 3 : THỰC TRẠNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Kỹ thuật phân tích dữ liệu
3.4.1. Đánh giá độ tin cậy của thang đo
Để đánh giá độ tin cậy của thang đo, chúng ta sử dụng các tiêu chí: hệ số tương quan biến tổng và hệ số Cronbach's Alpha để kiểm độ tin cậy của thang đo.
Hệ số tương quan biến tổng: Là hệ số tương quan của một biến với điểm
trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của biến này so với các biến khác càng cao. Theo Nunnally & Burnstein (1994) nếu các biến có hệ số này lớn hơn hoặc bằng 0,3 được xem là đạt yêu cầu.
Hệ số Cronbach's Alpha: Hệ số này cho biết mức độ tương quan giữa các
biến trong nhân tố; Biến nào có đóng góp cho việc đo lường khái niệm của nhân tố, biến nào khơng.Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), nếu:
Cronbach's Alpha trong khoảng [0,8 ; 1]: thang đo rất tốt;
Tuy nhiên, nếu hệ số Cronbach's Alpha quá lớn (lớn hơn 0,95) tức là có nhiều biến trong thang đo khơng có khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang đo (Nguyễn Đình Thọ, 2014).
3.4.2. Phân tích nhân tố khám phá (EFA)
Theo Nguyễn Đình Thọ (2014), phân tích nhân tố khám phá dùng để đánh giá hai giá trị quan trọng của thang đo là: giá trị hội tụ và giá trị phân biệt. Dựa trên mối quan hệ tuyến tính giữa các biến quan sát ban đầu, EFA rút gọn tập hợp biến quan sát ban đầu thành một tập hợp nhỏ hơn gồm các nhân tố có ý nghĩa hơn.
3.4.2.1. Điều kiện để phân tích EFA
Để áp dụng EFA thì phải thực hiện các kiểm định sau:
Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét giả thuyết H0 (các biến khơng có tương quan trong tổng thể). Do đó nếu kiểm định cho thấy khơng có ý nghĩa thống kê thì khơng nên áp dụng EFA cho các biến đang xem xét. Nếu giá trị kiểm định Bartlett có p < 0,05 (bác bỏ giá trị H0) thì các biến quan sát có tương quan với nhau, kiểm định có ý nghĩa thống kê.
KMO (Kaiser-Meyer - Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Giá trị của KMO nằm trong khoảng càng lớn thị càng tốt vì khi đó phần chung của các biến càng lớn. KMO trong khoảng từ 0,5 đến 1 thì có thể thực hiện EFA.
3.4.2.2. Sử dụng EFA để đánh giá thang đo
Cần xem xét 3 thuộc tính để đánh giá thang đo là:
Kiểm tra số lượng nhân tố được trích: Cần phải xem xét số lượng các nhân tố trích được có phù hợp với mơ hình đề nghị về số lượng, thành phần của thang đo. Nếu phù hợp, ta có thể kết luận thang đo là phù hợp; Ngược lại, nếu số lượng nhân tố trích được khơng phù hợp với giả thuyết ban đầu ta phải điểu chỉnh lại mô hình.
Hệ số tải nhân tố: nếu hệ số tải nhân tố của các biến lớn hơn hoặc bằng 0,50 thì chấp nhận được. Tuy nhiên, nếu giá trị này khơng q nhỏ ví dụ 0,4 thì ta khơng
Tổng phương sai rút trích: Thể hiện các nhân tố rút trích giải thích được bao nhiêu phần trăm biến thiên của dữ liệu. Tổng này phải đạt từ 50% trở lên, khi đó ta kết luận mơ hình EFA phù hợp.
3.4.3. Phân tích hồi quy tuyến tính
Phân tích hồi quy: Là mơ hình thể hiện liên hệ tương quan tuyến tính giữa nhiều biến độc lập với một biến phụ thuộc. Mơ hình hồi quy được biểu diễn như sau:
Yi = β0 + β1X1i + β2X2i + ... +βkXki + ... + βpXpi + ɛ i
(i=1, 2, ...,N; với N là kích thước mẫu k = 1, 2, ...,p; với p là số biến độc lập)
Trong đó:
Yi: Là giá trị của biến phụ thuộc của quan sát thứ i Xki: Là giá trị của biến độc lập thứ kcủa quan sát thứ i. βk: Hệ số góc của biến Xi.
ɛ i: Sai số của quan sát thứ i.
Việc phân tích hồi quy nhằm mục đích biết được giá trị của biến phụ thuộc khi đã biết giá trị của các biến độc lập (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định mức độ phù hợp của mơ hình hồi quy
Để đánh giá mức độ phù hợp của mơ hình hồi quy ta dùng hệ số xác định R2
(0 ≤ R2≤1), nó cho biết tỷ lệ phần biến thiên của Y được giải thích bởi các biến độc lập trong mơ hình. Nếu R2 càng tiến về 1 thì mơ hình hồi quy càng phù hợp với mẫu nghiên cứu, nếu R2 = 0 thì mơ hình khơng phù hợp với mẫu nghiên cứu.
Kiểm định mức độ phù hợp của mơ hình chính là phép kiểm định F về giả thuyết H0: R2 = 0. Nếu giả thuyết của kiểm định này bị bác bỏ thì ta có thể kết luận là sự kết hợp của các biến độc lập trong mơ hình có thể giải thích được sự thay đổi của biến phụ thuộc, điều này có nghĩa là mơ hình hồi quy xây dựng phù hợp với tập
dữ liệu. Phép kiểm định F để kiểm định giả thuyết này tương đương với kiểm định F trong ANOVA.
Vì R2 có khuynh hướng tăng lên khi thêm biến độc lập vào mơ hình nên nó là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có nhiều biến độc lập trong mơ hình. Do đó, với các mơ hình hồi quy có nhiều biến độc lập, nên ta dùng hệ số xác định điều chỉnh R2adj (Adjusted R - square) để thay thế R2 nhằm kiểm tra những mơ hình có nhiều biến độc lập nhưng thực sự chúng khơng giải thích được nhiều về sự biến thiên của biến phụ thuộc.
Tóm tắt chương 3
Trong chương 3, tác giả trình bày thiết kế nghiên cứu nhằm xây dựng thang đo và mơ hình lý thuyết, trình bày lý thuyết về kỹ thuật phân tích dữ liệu thống kê. Nghiên cứu định lượng chính thức được tiến hành bằng khảo sát người dân thông qua bảng câu hỏi với cở mẫu n = 470. Đo lường SHL của người dân thông qua 6 nhân tố với 28 biến quan sát.