CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Kỹ thuật phân tích dữ liệu thống kê
Để thực hiện công việc thống kê và phân tích các dữ liệu thu thập được, phần mềm SPSS 20 đã được sử dụng để kiểm định độ tin cậy và độ giá trị của thang đo, các thống kê suy diễn.
3.4.1. Kiểm định độ tin cậy của thang đo
Thang đo sử dụng để đo lường các khái niệm trong nghiên cứu là các thang đo được xây dựng trong các bối cảnh nghiên cứu khác nhau trước đây. Vì vậy các thang đo này khi được áp dụng vào nghiên cứu cần được đánh giá về sự phù hợp của thang đo trong bối cảnh nghiên cứu hiện tại thông qua các kiểm định về độ tin cậy và độ giá trị của thang đo.
Đầu tiên ta xét tới hệ số Cronbach Alpha, theo các nhà nghiên cứu thì hệ số Cronbach alpha tối thiểu là 0.6 thì có thể chấp nhân được, về lý thuyết hệ số này càng cao thì càng tốt. Tuy nhiên nếu hệ số này quá lớn (trên 0.95) cho thấy nhiều biến trong thang đo không có sự khác biệt nhau, vì vậy một thang đo có độ tin cậy tốt khi nó biến thiên trong từ 0.75 đến 0.95 (Nguyễn Đình Thọ, 2014), tiếp theo chúng ta phải quan sát hệ số tương quan giữa từng biến đo lường thông qua hệ số tương quan biến tổng (item total correlation) và và nếu hệ số này nhỏ hơn 0.3 thì biến đó sẽ bị loại. Trong nghiên cứu này, tác giả sử dụng tiêu chuẩn Cronbach’s Alpha ≥ 0,6 và các biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0.3 sẽ bị loại.
3.4.2. Phân tích nhân tố khám phá EFA
Sau khi phân tích hệ số Cronbach Alpha, tác giả tiếp tục phân tích nhân tố khám phá EFA. Đối với nghiên cứu này tác giả sử dụng phương pháp rút trích nhân tố Principal component với phép xoay Varimax với nguyên tắc như sau:
- Hệ số KMO là chỉ số kiểm tra sự thích hợp của phân tích EFA, hệ số này nếu nằm trong khoảng 0.5 đến 1 thì phân tích nhân tố là thích hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có Sig <0.05 thì bác bỏ giả thuyết này tức là các biến có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng
Ngọc, 2008).
- Tiêu chuẩn hệ số tải (Factor loading) của mỗi biến mà nhỏ hơn 0.5 sẽ bị loại bỏ (Hair và cộng sự, 1998).
- Mức độ chênh lệch hệ số tải (Factor loading) lớn nhất của mỗi biến với hệ số tải (Factor loading) bất kỳ phải lớn hơn 0.3 (Nguyễn Đình Thọ, 2014).
- Tổng phương sai trích phải trên 50% (Nguyễn Đình Thọ, 2014).
Sau khi loại bỏ các biến không phù hợp, các biến còn lại sẽ được đưa vào bảng câu hỏi sử dụng cho nghiên cứu hồi quy.
3.4.3. Hệ số tương quan và phân tích hồi quy tuyến tính
Trước khi phân tích kiểm định giả thuyết, hệ số tương quan giữa các biến trung bình của các nhân tố nghiên cứu được xem xét.
Tiếp đến, phân tích hồi quy tuyến tính dựa trên phương pháp bình phương nhỏ nhất thông thường (Ordinal Least Squares – OLS) được sử dụng để kiểm định giả thuyết nghiên cứu. Trong phân tích hồi quy tuyến tính này, phương pháp khẳng định hay còn gọi là phương pháp đồng thời để kiểm định giả thuyết suy diễn từ lý thuyết. Phương pháp này tương ứng với phương pháp ENTER trong SPSS.
Đối với giả thuyết về mối quan hệ giữa các nhân tố độc lập và nhân tố phụ thuộc thì sử dụng phương pháp phân tích hồi quy bội MLR (Multiple Linear Regression). Dựa vào hệ số R2 để đánh giá mức độ phù hợp của mô hình nghiên cứu.
Sau khi được xây dựng phương trình hồi quy sẽ tiếp tục được phân tích thông qua kiểm định F dùng để khẳng định khả năng mở rộng mô hình này áp dụng cho tổng thể cũng như kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0. Đánh giá mức độ tác động giữa các biến động lập đến biến phụ thuộc thông qua hệ số Beta. Cuối cùng, nhằm đánh giá độ tin cậy của phương trình hồi quy được xây dựng là phù hợp, một loạt các dò tìm vi phạm của giả định cần thiết trong hồi quy tuyến tính được thực hiện. Các giả định được kiểm định bao gồm giả định về liên hệ tuyến tính giữa các biến độc lập, hiện tượng đa cộng tuyến, phân phối chuẩn, sai số hồi quy có phương sai không đổi và tính độc lập của phần dư.
TểM TẮT CHƯƠNG 3
Nội dung chương này tập trung trình bày chi tiết quy trình thực hiện đề tài nghiên cứu. Quá trình nghiên cứu được thực hiện qua 2 giai đoạn: nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ được thực hiện bằng nghiên cứu định tính thông qua kỹ thuật thảo luận tay đôi. Kết quả nghiên cứu sơ bộ sẽ được dùng điều chỉnh thang đo và bảng câu hỏi cho phù hợp với môi trường nghiên cứu và đối tượng nghiên cứu và được dùng để thu thập dữ liệu cho nghiên cứu chính thức. Những thang đo được kế thừa và đưa vào thảo luận trong nghiên cứu định tính, cụ thể là: Thang đo giá trị thương hiệu được tác giả kế thừa từ các nghiên cứu của Nguyễn Văn Sĩ và Nguyễn Viết Bằng (2016) được điều chỉnh từ nghiên cứu của Yoo và cộng sự (2000) cho phù hợp với lĩnh vực nghiên cứu cũng như bối cảnh nghiên cứu tại Việt Nam. Thang đo các khái niệm: nhận biết thương hiệu, chất lượng cảm nhận, hình ảnh thương hiệu, lòng ham muốn thương hiệu và lòng trung thành thương hiệu, được tác giả kế thừa từ các nghiên cứu của Yoo và cộng sự (2000), Nguyễn Văn Sĩ và Nguyễn Viết Bằng (2016), Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011). Sau khi nghiên cứu định tính và thảo luận để điều chỉnh thang đo cho phù hợp, tác giả sẽ tiến hành nghiên cứu chính thức. Nghiên cứu chính thức được thực hiện bằng nghiên cứu định lượng thông qua bảng câu hỏi đã được điều chỉnh và bổ sung từ nghiên cứu sơ bộ định tính, thực hiện phỏng vấn trực tiếp tới 159 khách hàng đã và đang sử dụng dịch sản Bưởi da xanh Hương Miền Tây tỉnh Bến Tre. Chương này cũng trình bày các tiêu chí đánh giá thang đo, các phương pháp phân tích sử dụng trong quá trình xử lý dữ liệu như: phân tích độ tin cậy Cronbach Alpha, phân tích nhân tố, phân tích tương quan, phân tích hồi quy tuyến tính, phương pháp kiểm định giả thuyết cũng như các phương pháp kiểm tra sự vi phạm giả thuyết của phương pháp hồi quy.