Biến quan sát Trung bình thang đo nếu loại biến Phương sai thang đo nếu loại biến Tương quan biến tổng Hệ số Cronbach’s Alpha nếu loại biến Điều kiện kinh tế - KT (Cronbach’s Alpha = 0.884)
KT1 8.84 12.022 0.706 0.867 KT2 8.95 10.419 0.863 0.804 KT3 8.99 11.127 0.734 0.859 KT4 8.81 13.219 0.713 0.868
Môi trường - MT (Cronbach’s Alpha = 0.851) Lần 1
MT1 14.66 14.668 .762 .801 MT2 14.29 20.098 .198 .888 MT3 14.80 15.166 .639 .827 MT4 14.07 15.253 .708 .812 MT5 14.07 15.060 .712 .811 MT6 14.70 14.523 .779 .797
Môi trường - MT (Cronbach’s Alpha = 0.888) Lần 2
MT1 11.63 12.931 0.779 0.852 MT3 11.77 13.456 0.645 0.884 MT4 11.04 13.585 0.709 0.869 MT5 11.04 13.359 0.719 0.866 MT6 11.67 12.781 0.798 0.848
Sức khỏe- SK (Cronbach’s Alpha = 0.879)
SK1 12.40 12.135 0.771 0.840 SK2 12.29 11.821 0.677 0.862 SK3 12.47 12.480 0.686 0.858 SK4 12.19 11.448 0.752 0.842 SK5 12.65 12.211 0.676 0.861
Giáo dục –GD (Cronbach’s Alpha = 0.850)
GD1 10.79 13.436 0.666 0.819 GD2 11.15 12.577 0.683 0.813 GD3 10.71 12.723 0.631 0.828 GD4 10.80 13.040 0.634 0.826 GD5 10.74 12.618 0.693 0.810
Từ bảng 4.18, kết quả phân tích Cronbach’s Alpha được mơ tả cụ thể như sau: điều kiện kinh tế (KT) có hệ số Cronbach’s Alpha là 0.884 > 0.7, bên cạnh đó các biến quan sát trong nhân tố này (KT1, KT2, KT3, KT4)) đều có hệ số tương quan biến tổng > 0.4, hệ số Cronbach’s Alpha nếu loại biến quan sát đều < 0.95. Tất cả các biến trong thang đo này đều được giữ lại.
Ở thang đo môi trường (MT) Cronbach’s Alpha là 0.851 > 0.7, tuy nhiên khi xét đến hệ số tương quan biến tổng, thang đo này chưa đủ điều kiện vì ở biến MT2 hệ số này chỉ đạt 0.198 < 0.4, do đó tác giả loại biến MT2 và thực hiện chạy lại lần 2. Việc loại biến MT2 là phù hợp vì hệ số Cronbach’s Alpha lần 2 đạt 0.888 và cao hơn so với lần 1.
Thang đo sức khỏe (SK) thỏa điều kiện vì có hệ số Cronbach’s Alpha là 0.879 > 0.7, các biến quan sát trong thang đo này đều có hệ số tương quan biến tổng lần lượt > 0.4 và hệ số Cronbach’s Alpha nếu loại biến quan sát đều < 0.95.
Tương tự các nhân tố trên, thang đo của nhân tố giáo dục (GD) có hệ số Cronbach’s Alpha là 0.850 > 0.7, hệ số tương quan biến tổng của GD1, GD2, GD3, GD4, GD5 đều > 0.4, như vậy các biến quan sát trong nhân tố này đều được đưa vào phân tích EFA.
Từ kết quả phân tích Cronbach’s Alpha cho 4 thang đo về các yếu tố tác động đến chất lượng cuộc sống, dữ liệu cho thấy các thang đo đều thỏa điều kiện và đạt mức độ tin cậy khá cao. Vì vậy, sau khi loại biến MT2, tất cả các biến còn lại đều phù hợp để đưa vào phân tích ở các bước tiếp theo, cụ thể là phân tích EFA.
Kiểm định độ tin cậy đối với thang đo của các biến phụ thuộc
Bảng 4.19: Kết quả kiểm định Cronbach’s Alpha cho các biến phụ thuộc
Biến quan sát Trung bình
thang đo nếu loại biến
Phương sai thang đo nếu
loại biến Tương quan biến tổng Hệ số Cronbach’s Alpha nếu loại biến Chất lượng cuộc sống – CL (Cronbach’s Alpha = 0.895)
CL1 21.46 32.700 0.663 0.883 CL2 21.17 32.397 0.673 0.882 CL3 21.33 31.166 0.728 0.876 CL4 20.98 32.594 0.611 0.887 CL5 21.13 31.193 0.606 0.890 CL6 21.27 31.986 0.695 0.880 CL7 21.18 30.449 0.749 0.874 CL8 21.22 32.716 0.700 0.880
Nguồn: Dữ liệu phân tích của tác giả Thang đo chất lượng cuộc sống (CL) có hệ số Cronbach’s Alpha là 0.895 > 0.7, hệ số tương quan biến tổng của các biến quan sát (CL1, CL2, CL3, CL4, CL5, CL6, CL7, CL8) đều > 0.4, đồng thời hệ số Cronbach’s Alpha nếu loại biến đều < 0.95, nên thang đo thỏa điều kiện.
4.3.3 Phân tích nhân tố khám phá EFA
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là không phân biệt biến độc lập hay biến phụ thuộc mà nó dựa vào mối tương quan giữa tất cả các biến với nhau. Phân tích EFA dùng để rút gọn dữ liệu để các nhân tố có ý nghĩa hơn.
Theo Hair và cộng sự (2008), hệ số tải nhân tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích EFA:
Factor loading > 0.4 được xem là quan trọng
Factor loading > 0.5 được xem là có ý nghĩa thực tiễn.
Từ những chỉ tiêu đánh giá trên, nghiên cứu này sẽ tiến hành loại bỏ những biến quan sát có hệ số Factor loading < 0.5 để đảm bảo ý nghĩa thiết thực cho thang đo. Bên cạnh đó, để đảm bảo mức độ phù hợp cho phân tích nhân tố khám phá, tác giả sẽ phải kiểm định các tham số thống kê sau đây:
Hệ số KMO (Kaiser-Meyer-Olkin) trong khoảng 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố thích hợp với các dữ liệu.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05). Nếu kiểm định này có ý nghĩa thống kê thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Phần trăm phương sai toàn bộ được giải thích bởi từng nhân tố (Percentage of variance), tỷ lệ này phải lớn hơn hoặc bằng 50%. Chỉ số Eigenvalue của nhân tố nào > 1 thì nhân tố đó mới được giữ lại trong mơ hình phân tích. Ngồi ra, nghiên cứu cịn sử dụng phương pháp trích Principal component analysis và phép xoay nhân tố Varimax để hỗ trợ cho việc phân tích nhân tố (trích dẫn từ Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Bảng 4.20: Kết quả kiểm định KMO và Bartlett Kiểm định KMO và Bartlett's Kiểm định KMO và Bartlett's
Chỉ số KMO 0.827 Kiểm định Bartlett's 3047.878
Df 171
Sig. 0.000
Bảng 4.21: Kết quả phân tích nhân tố khám phá EFA Tên Nhân tố Tên Nhân tố Biến quan sát Nhân tố 1 2 3 4 Môi trường (MT) MT1 0.866 MT6 0.852 MT5 0.777 MT4 0.764 MT3 0.707 Sức khỏe (SK) SK1 0.829 SK4 0.806 SK2 0.784 SK3 0.775 SK5 0.743 Giáo dục (GD) GD5 0.800 GD2 0.790 GD4 0.778 GD3 0.761 GD1 0.748
Điều kiện kinh tế (GD)
KT2 0.895 KT3 0.819 KT4 0.804 KT5 0.794 Eigenvalue 6.300 2.999 2.319 1.545 Tổng phương sai trích 69.279%
Nguồn: Dữ liệu phân tích của tác giả Qua kết quả kiểm định KMO và Bartlett ở bảng 4.20 ta thấy được hệ số KMO = 0.827, con số này tương đối khá cao và thỏa điều kiện 0.5 ≤ KMO ≤ 1, điều này chứng tỏ phân tích EFA là phù hợp với dữ liệu nghiên cứu.
Kiểm định Bartlett, mới mức ý nghĩa Sig. = 0.000, thỏa điều kiện Sig. < 0.05, cho thấy các biến quan sát có tương quan với nhau trong phạm vi tổng thể.
Từ kết quả phân tích xoay ma trận cho nhân tố (ở bảng 4.21) ta thấy chỉ số Eigenvalue của các nhân tố đều đạt yêu cầu > 1 nên các biến độc lập trên đều được giữ lại trong mơ hình phân tích. Sau khi xoay ma trận, ta có 4 nhân tố được rút ra từ
19 biến quan sát với tổng phương sai trích là 69.279% (> 50%) nên cho thấy 4 nhân tố trên có thể giải thích được 69.279% biến thiên của dữ liệu. Bên cạnh đó, hệ số tải nhân tố factor loading đều đạt yêu cầu > 0.5 nên mức ý nghĩa của thang đo được đảm bảo.
Phân tích nhân tố khám phá EFA cho biến phụ thuộc
Bảng 4.22: Kết quả kiểm định KMO và Bartlett Kiểm định KMO và Bartlett's Kiểm định KMO và Bartlett's
Chỉ số KMO .812 Kiểm định Bartlett's 1089.905
Df 28
Sig. .000
Nguồn: Dữ liệu phân tích của tác giả
Bảng 4.23: Kết quả phân tích nhân tố khám phá EFA Chất lượng cuộc sống (CL) Chất lượng cuộc sống (CL) CL7 (0.813) CL3 (0.809) CL8 (0.784) CL6 (0.777) CL2 (0.759) CL1 (0.753) CL4 (0.705) CL5 (0. 696) Eigenvalue: 4.659 Tổng phương sai trích: 58.236
Nguồn: Dữ liệu phân tích của tác giả Việc kiểm định KMO và Bartlett's được thể hiện qua bảng tổng hợp trên, trong đó các chỉ số KMO đều thỏa điều kiện từ 0.5 đến 1, cùng với mức ý nghĩa rất nhỏ (Sig. < 0.05) và tổng phương sai trích đều > 50% nên có thể kết luận phân tích EFA cho các nhân tố trên là thích hợp.
Sau kết quả phân tích nhân tố, cho thấy mơ hình tác giả đề xuất là phù hợp, khơng có sự điều chỉnh thêm vào hay bỏ đi bất kì nhân tố nào. Chứng minh rằng chất lượng cuộc sống chịu sự tác động của các yếu tố về điều kiện kinh tế, môi trường, sức khỏe và giáo dục
4.3.4 Phân tích hồi qui bội
Để biết được cụ thể mức độ tác động mạnh, yếu giữa các nhân tố được nếu và chất lượng cuộc sống, phương pháp phân tích hồi qui tuyến tính bội sẽ được áp dụng cho nghiên cứu này. Kết quả hồi qui được trình bày như sau:
Kiểm định sự phù hợp của mơ hình: các nhân tố tác động đến nhân tố chất lượng cuộc sống
Bảng 4.24: Hệ số xác định hồi qui và hệ số phương sai ANOVA
R2 hiệu chỉnh F Sig.
0.541 72.824 0.000a
Nguồn: Dữ liệu phân tích của tác giả Phân tích hồi qui bội thường sử dụng hệ số R2 hiệu chỉnh vì hệ số này sẽ đánh giá mức độ phù hợp của mơ hình một cách chính xác hơn bởi nó khơng thổi phồng mức độ phù hợp của mơ hình. Từ bảng 4.24 ta thấy giá trị của R2 hiệu chỉnh là 0.541, nghĩa là tất các các biến giải thích được 54.1% cho sự thay đổi của nhân tố chất lượng cuộc sống, 45.9% cịn lại được giải thích bởi các nhân tố khác ngồi mơ hình, từ đó cho thấy mơ hình hồi qui là phù hợp với tập dữ liệu.
Bên cạnh đó, tác giả kiểm định trị số thống kê F để biết được mức độ phù hợp của mơ hình hồi qui. Kết quả cho thấy F = 72.824, Sig. = 0.000 < 0.05, ta kết luận rằng, với mức ý nghĩa 5% thì tất cả các biến có mối quan hệ tuyến tính với chất lượng cuộc sống.
- Kiểm tra sự vi phạm các giả định trong mơ hình hồi qui tuyến tính:
Bảng 4.25: Kết quả hồi qui theo phương pháp Enter Mơ Mơ hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa Giá trị t Mức ý nghĩa Sig Thống kê đa cộng tuyến B Sai số chuẩn Beta Dung sai Hệ số phóng đại phương sai (VIF) HHằng số 0.363 0.165 2.208 0.028 KT 0.220 0.035 0.307 6.245 0.000 0.777 1.287 MT 0.118 0.046 0.132 2.546 0.012 0.704 1.420 SK 0.370 0.047 0.394 7.834 0.000 0.743 1.345 GD 0.197 0.043 0.216 4.617 0.000 0.856 1.168 Nguồn: Dữ liệu phân tích của tác giả Hệ số phóng đại phương sai VIF của từng biến độc lập (KT, MT, SK, GD) tương đối nhỏ, tất cả đều < 2, có thể kết luận rằng mặc dù các biến độc lập có mối tương quan chặt chẽ với nhau như đã chứng minh ở phần phân tích tương quan, tuy nhiên chúng không xảy ra hiện tượng đa cộng tuyến, vì vậy mối tương quan giữa các biến độc lập này không ảnh hưởng đáng kể đến kết quả hồi qui.
Chỉ số Sig. trong bảng kết quả hồi qui cho biết những nhân tố nào phù hợp được giữ lại trong mơ hình và những nhân tố nào cần phải loại bỏ. Ở bảng trên, chỉ số Sig. của các nhân tố KT, MT, SK, GD đều < 0.05 nghĩa là tất cả các nhân tố công bằng đều tác động đến chất lượng cuộc sống.
Hệ số Beta đã chuẩn hóa đều có giá trị lần lượt là: KT = 0.307, MT = 0.132 , SK = 0.394 , GD = 0.216 cho thấy 4 nhân tố này tác động cùng chiều đến nhân tố
chất lượng cuộc sống. Trong đó, nhân tố sk tác động đến chất lượng cuộc sống mạnh mẽ nhất, kế đến là KT và GD, nhân tố tác động yếu nhất là MT.
+ Kiểm định liên hệ tuyến tính: dự vào biểu đồ phân tán Scatterplot.
Hình 4.1: Biểu đồ phân bố ngẫu nhiên của phần dư chuẩn hóa.
Nguồn: Dữ liệu phân tích của tác giả Nhìn vào biểu đồ hình 4.1 ta thấy phần dư khơng thay đổi theo một trật tự nào đối với giá trị dự đốn, do đó giả thuyết về liên hệ tuyến tính khơng bị vi phạm, mơ hình hồi qui là phù hợp.
+ Kiểm định phân phối chuẩn của phần dư:
Phần dư có thể khơng tuân theo phân phối chuẩn bởi những lý do sau đây: phương sai không phải là hằng số, sử dụng sai mơ hình, số lượng các phần dư không đủ nhiều để phân tích…vì vậy nên thực hiện nhiều cách khảo sát khác nhau, trong đó cách đơn giản nhất là xây dựng biểu đồ tần số của các phần dư (Histogram) và biểu đồ P-P plot.
Hình 4.2: Biểu đồ tần số Histogram (mơ hình 1)
Nguồn: Dữ liệu phân tích của tác giả Nhìn vào biểu đồ tần số Histogram ta thấy phần dư có dạng gần với phân phối chuẩn, giá trị trung bình xấp xỉ chuẩn (Mean = - 8.45E-16) và độ lệch chuẩn gần bằng 1 (cụ thể là 0.992), kết luận rằng giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.3: Biểu đồ tần số P-P Plot (mơ hình 1)
Biểu đồ P-P plot cho thấy các điểm quan sát thực tế tập trung tương đối sát đường kỳ vọng, nghĩa là phần dư có phân phối chuẩn. Do đó kết luận giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
4.4 Kết quả tác động của biến trung gian
Để kiểm định có sự khác biệt về chất lượng cuộc sống của các nhóm đối tượng khảo sát (Giới tính, Độ tuổi, Nghề nghiệp) hay khơng, tác giả sử dụng phương pháp phân tích phương sai ANOVA.
Sau những bước kiểm định trên, nghiên cứu nhận được kết quả như sau: Bảng 4.26 Kiểm định ANOVA Biến định tính Test of Homogeneity of Variances (Sig.) ANOVA (Sig.) Kết luận
Giới tính 0.052 0.298 Khơng có sự khác biệt
Độ tuổi 0.011 0.712 Khơng có sự khác biệt về Nghề nghiệp 0.164 0.743 Khơng có sự khác biệt
Nguồn: Dữ liệu phân tích của tác giả Từ bảng tóm tắt trên ta nhận thấy được các nhân tố định tính: độ tuổi, giới tính, nghề nghiệp của nhân viên đều khơng có sự khác biệt nhau về chất lượng cuộc sống.
CHƯƠNG 5: KẾT LUẬN VÀ Ý NGHĨA NGHIÊN CỨU 5.1 Kết luận 5.1 Kết luận
Do nhận thấy được thực trạng về chất lượng cuộc sống là vấn đề quan trọng mà sau khi PTTM sẽ tác động, đồng thời phẫu thuật mũi thì chất lượng cuộc sống càng phải đối diện với những tác động mạnh mẽ hơn... Để chứng minh vấn đề chất lượng cuộc sống có bị ảnh hưởng bởi PTTM không, tác giả đã tiến hành thực hiện đề tài nghiên cứu “Ảnh hưởng của PTTM đến chất lượng cuộc sống của khách hàng PTTM”. Để thực hiện nghiên cứu này, tác giả đã tìm hiểu cơ sở lý thuyết từ những nghiên cứu trước đây, từ đó làm cơ sở để đưa ra mơ hình đề xuất dựa trên các thang đo. Mơ hình bao gồm 4 nhân tố độc lập bao gồm: Điều kiện kinh tế, môi trường, sức khỏe, giáo dục và nhân tố phụ thuộc là chất lượng cuộc sống.
Khảo sát thực hiện với 245 khách hàng phẫu thuật mũi, tất cả dữ liệu thu thập được đã được xử lý bởi phần mềm SPSS 22.0 để đánh giá mức độ tin cậy thang đo thông qua hệ số Cronbach’s Alpha, phân tích nhân tố khám phá EFA để kiểm tra và xác định các nhóm biến trong mơ hình nghiên cứu. Cuối cùng là phân tích hồi qui tuyến tính để xác định được mức độ tác động của các nhân tố đến chất lượng cuộc sống
Kết quả phân tích hồi qui đã tìm thấy được mối quan hệ tích cực giữa tất cả nhân tố với chất lượng cuộc sống, vì vậy để cải thiện chất lượng cuộc sống cần chú trọng nâng cao các nhân tố này.
5.2 Gợi ý giải pháp
Nghiên cứu đã chỉ ra mức độ tác động của PTTM mà cơ bản là phẫu thuật mũi đến chất lượng cuộc sống của khách hàng. Qua phân tích trung bình câu hỏi khảo sát cho thấy khách hàng rất quan tâm sau khi phẫu thuật sẽ có dáng mũi đẹp, hài hịa với gương mặt, mũi ít có biến chứng về sau.
Kết quả hồi qui đã xác định được mức độ tác động mạnh yếu của nhân tố đến chất lượng cuộc sống. Bốn nhân tố này đều có mối tương quan đến chất lượng cuộc sống, trong đó điều kiện kinh tế và sức khỏe là hai nhân tố có sức ảnh hưởng rất lớn đến các chất lượng cuộc sống. Đây là những thơng tin hữu ích giúp cho TMV có cái