STT Mã hóa Nhân tố ảnh hưởng Tham khảo
I PA Hoạt động quản lý dự án Long Le-Hoai, Young Dai Lee và Jun Yong Lee (2008); Zarina Alias, E.M.A. Zawawi, Khalid Yusof và Aris (2014) và ý kiến chuyên gia
01 PA1 Khả năng tổ chức phối hợp 02 PA2 Xử lý những trở ngại 03 PA3 Hỗ trợ của các cấp quản lý 04 PA4 Cấu trúc tổ chức quản lý dự án
II PP Thủ tục thực hiện dự án Nida Azhar và cộng sự (2008); Long Le-Hoai, Young Dai Lee và Jun Yong Lee (2008); Trần Hoàng Tuấn (2014) và ý kiến chuyên gia
05 PP1 Năng lực chấp hành 06 PP2 Năng lực phân cấp
07 PP3 Khả năng thỏa thuận, ràng buộc
III HF Yếu tố con người Zarina Alias, E.M.A. Zawawi, Khalid Yusof và Aris (2014); Cao Hào Thi và Fredric William 08 HF1 Tư vấn của khách hàng
09 HF2 Năng lực của người ra quyết định 10 HF3 Nền tảng kỹ thuật
11 HF4 Năng lực nhận thức vai trò và trách nhiệm
Swierczek (2010) và ý kiến chuyên gia
12 HF5 Khả năng làm việc nhóm 13 HF6 Kỹ năng giao tiếp
IV EI Vấn đề bên ngoài Cao Hào Thi và Fredric William Swierczek (2010) và ý kiến chuyên gia
14 EI1 Môi trường kinh tế 15 EI2 Mơi trường chính trị 16 EI3 Môi trường xã hội 17 EI4 Môi trường pháp luật 18 EI5 Môi trường kỹ thuật 19 EI6 Yếu tố tự nhiên 20 EI7 Nhà thầu phụ
V PR Đặc trưng dự án Vũ Anh Tuấn, Cao Hào Thi (2009) và ý kiến chuyên gia 21 PR1 Dự án trọng điểm
22 PR2 Mục tiêu của dự án rõ ràng 23 PR3 Quy mô của dự án
24 PR4 Tổng mức đầu tư của dự án 25 PR5 Dự án là duy nhất
26 PR6 Mật độ dự án
27 PR7 Mức độ thực hiện khẩn cấp
VI PS Hiệu quả dự án ĐTXD điện Vũ Anh Tuấn, Cao Hào Thi (2009) và ý kiến chuyên gia 28 PS1 Chi phí xây dựng thấp
30 PS3 Kỹ thuật công nghệ phù hợp 31 PS4 Đáp ứng yêu cầu khách hàng
Nguồn: Tác giả đề xuất
Bảng câu hỏi được thiết kế trên cơ sở thang đo tạm thời được phát triển từ việc chọn lọc các kết quả nghiên cứu nêu tại bảng 3.1 và có bổ sung ý kiến từ các chuyên gia khi tiến hành khảo sát sơ bộ. Bảng câu hỏi khảo sát thử gồm 2 phần:
- Phần 1: Thông tin cá nhân khảo sát.
- Phần 2: Thang đo gồm 31 biến được sắp xếp trong 06 thành phần ảnh hưởng đến hiệu quả dự án lưới điện hoàn thành.
3.2. Tổng thể mẫu và mẫu nghiên cứu 3.2.1. Tổng thể mẫu 3.2.1. Tổng thể mẫu
Khung chọn mẫu của đề tài là lãnh đạo, chuyên viên BQLDA, nhà thầu, tư vấn thi công các dự án lưới điện cao thế 110-220kV. Tác giả đặt ra một số yêu cầu dành cho đối tượng được khảo sát nhằm đảm bảo các đối tượng trả lời câu hỏi một cách chính xác là: họ là những nguời có sự hiểu biết nhất định về lĩnh vực đầu tư xây dựng, sẵn sàng chia sẻ những kinh nghiệm của họ và hoàn toàn hợp tác khi được phỏng vấn.
3.2.2. Kỹ thuật lấy mẫu
Dữ liệu được thu thập bằng phương pháp phỏng vấn trực tiếp với công cụ là bảng câu hỏi định lượng. Việc lấy mẫu được thực hiện theo phương pháp thuận tiện. Phương pháp chọn mẫu thuận tiện là phương pháp chọn mẫu phi xác suất trong đó nhà nghiên cứu tiếp cận với phần tử mẫu bằng phương pháp thuận tiện. Phương pháp này có ưu điểm là dễ tiếp cận đối tượng nghiên cứu và thường sử dụng khi bị giới hạn về chi phí và thời gian. Tuy nhiên, nhược điểm của phương pháp này là không xác định được sai số do lấy mẫu (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011).
3.2.3. Cỡ mẫu
Có nhiều quan điểm khác nhau trong việc xác định kích thước mẫu:
- Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho rằng phân tích nhân tố khám phá (EFA) thì cần ít nhất 5 mẫu cho mỗi biến quan sát. Trong nghiên cứu này có 31 biến quan sát, vậy cỡ mẫu cần thiết cho phân tích nhân tố khám phá ít nhất là n ≥ 155 (31x5).
- Để tiến hành phân tích hồi quy một cách tốt nhất, theo Tabachnick và Fidell, kích thước mẫu phải đảm bảo theo cơng thức: n ≥ 8m+50 (n là cỡ mẫu, m là số biến độc lập trong mơ hình) trong khi đó, theo Harris RJ.Aprimer (1985): n ≥ 104 + m (với m là biến độc lập và biến phụ thuộc), hoặc n ≥ 50 + m, nếu m < 5.
- Trường hợp sử dụng phương pháp phân tích nhân tố khám phá (EFA), Hair và cộng sự (1998) cho rằng, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ số quan sát/biến đo lường 5/1, nghĩa là cứ mỗi biến cần tối thiểu 5 quan sát.
Đề tài nghiên cứu này sử dụng phương pháp phân tích nhân tố khám phá (EFA) và phân tích hồi quy bội, mơ hình nghiên cứu có 31 biến quan sát. Vì thế nếu tính theo quy tắc 5 mẫu / biến quan sát thì cỡ mẫu tối thiểu là 155. Về nguyên tắc kích thước mẫu càng lớn càng tốt, đồng thời đối tượng khảo sát là cán bộ chuyên quản BQLDA, nhà thầu thi công, nhà thầu cung cấp vật tư thiết bị, tư vấn thực hiện dự án lưới điện… nên việc phỏng vấn để thu thập dữ liệu là khá dễ dàng. Vì thế để tăng tính đại diện của mẫu nghiên cứu sau khi loại bỏ các câu hỏi thiếu nhiều thông tin hoặc chất lượng thấp, tác giả dự kiến phát hành 200 bảng câu hỏi để phỏng vấn những cán bộ chuyên quản BQLDA, nhà thầu, tư vấn đã và đang thực hiện các dự án lưới điện (danh sách các dự án được nêu tại tại Phụ lục 1 hoặc những dự án điện tương đương cùng ngành).
Với 200 bảng câu hỏi được gửi đi, thời gian thực hiện khảo sát diễn ra từ tháng 9 đến tháng 11 năm 2019. Tỷ lệ hồi đáp đạt tỷ lệ 98,5%. Có 197 bảng câu hỏi đạt yêu cầu và được đưa vào nghiên cứu định lượng.
3.3. Thu thập dữ liệu
Tác giả tiến hành nghiên cứu định lượng thông qua thu thập số liệu kết hợp với nghiên cứu định tính thơng qua phỏng vấn, khảo sát và quan sát nhằm đo lường các yếu tố đánh giá hiệu quả dự án dự án ĐTXD điện.
Cách tiếp cận dữ liệu
- Phương pháp thu thập dữ liệu thứ cấp
- Số liệu sơ cấp: phương pháp phỏng vấn sâu và khảo sát qua email.
Nguồn dữ liệu
Dữ liệu thứ cấp: thu thập thông tin từ các nguồn nội bộ là các phòng chức năng, các đơn vị tư vấn, nhà thầu thực hiện các dự án của BQLDA, các tạp chí, tập san chuyên ngành tài chính… Nguồn dữ liệu thứ cấp này được sử dụng:
- Xây dựng luận cứ lý thuyết cho nghiên cứu;
- Phân tích đánh giá thực trạng hiệu quả đầu tư của BQLDA;
- Nghiên cứu các bài học kinh nghiệm nhằm nâng cao hiệu quả dự án ĐTXD của BQLDA;
- Xác định các yếu tố tác động đến hiệu quả thực hiện dự án ĐTXD.
Dữ liệu sơ cấp: thu thập số liệu sơ cấp nhằm xác định trọng số của các yếu tố tác động đến hiệu quả thực hiện dự án. Số liệu này là số liệu phỏng vấn các cán bộ chuyên quản EVNHCMC, BQLDA, nhà thầu, tư vấn thực hiện dự án lưới điện mà họ là những người có những hiểu biết nhất định về lĩnh vực đầu tư xây dựng, từng làm việc với BQLDA, sẵn sàng chia sẻ những kinh nghiệm của họ và hoàn toàn hợp tác khi được phỏng vấn. Các số liệu này được đo lường, kiểm định, phân tích nhân tố khám phá, phân tích hồi quy để đo lường sự ảnh hưởng của các yếu tố cấu thành tác động đến hiệu quả thực hiện dự án.
Sử dụng hệ thống các công cụ kỹ thuật để xử lý các thông tin, số liệu đã thu thập được. Trong đó, các cơng cụ chủ yếu là thu thập, tổng hợp và phân tích, so sánh dữ liệu, sử dụng phần mềm SPSS 20, hỗ trợ cho việc tính tốn, phân tích và làm cơ sở để đề xuất các giải pháp.
3.4. Phương pháp xử lý và phân tích dữ liệu
Tác giả thu thập và tổng hợp thông tin sơ cấp trong câu trả lời của những người được tham gia phỏng vấn, khảo sát, những thông tin này là dữ liệu cơ sở dùng cho phân tích nghiên cứu sau này.
Kết quả phỏng vấn, khảo sát sau khi gạn lọc các phiếu trả lời thiếu nhiều thơng tin, có trên một trả lời cho mỗi câu hỏi, hoặc có cơ sở để xác định khơng đáng tin cậy được nạp vào phần mềm SPSS 20 và được làm sạch sau đó, trước khi sử dụng để thống kê và phân tích dữ liệu.
Các bước phân tích dữ liệu: Nghiên cứu sử dụng nhiều phương pháp phân tích dữ liệu:
- Bước 1: Thống kê mô tả dữ liệu;
- Bước 2: Kiểm định độ tin cậy của các thang đo bằng hệ số tin cậy Cronbach’s alpha để loại bỏ các biến không đạt độ tin cậy tối thiểu, đồng thời loại bỏ các biến có hệ số tương quan biến - tổng nhỏ hơn mức yêu cầu;
- Bước 3: Sử dụng phân tích nhân tố khám phá (EFA) để thu nhỏ và tóm tắt các dữ liệu;
- Bước 4: Kiểm tra độ thích hợp của mơ hình, xây dựng phương trình hồi quy bội, kiểm định các giả thuyết, dị tìm sự vi phạm các giả thuyết, dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
- Bước 5: Phân tích phương sai một nhân tố để phát hiện sự khác biệt giữa các thành phần theo các yếu tố nhân khẩu học.
Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mơ tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo.
+ Phân tích độ tin cậy Cronbach’s alpha
Hệ số Cronbach’s alpha là một hệ số kiểm định thống kê về mức độ tin cậy và tương quan trong giữa các biến quan sát trong thang đo. Nó cho biết sự chặt chẽ và thống nhất trong các câu trả lời nhằm đảm bảo người được hỏi đã hiểu cùng một khái niệm.
Hệ số tin cậy Cronbach’s alpha chỉ cho biết các đo lường có liên kết với nhau hay khơng, nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến – tổng sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mơ tả khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Theo PGS.TS Nguyễn Đình Thọ (2011) “Cronbach’s alpha phải được thực hiện trước để loại bỏ các biến rác trước khi thực hiện phân tích EFA. Q trình này có thể giúp chúng ta tránh được các biến rác vì các biến rác này có thể tạo nên nhân tố giả khi phân tích EFA (Churchill, 1979)” (Nguyễn Đình Thọ, phương pháp nghiên cứu khoa học trong kinh doanh).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
- Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ (nhỏ hơn 0.3), tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0.6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally and Burnstein 1994, dẫn theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
- Các mức giá trị của Alpha: lớn hơn 0.8 là thang đo lường tốt, từ 0.7 đến 0.8 là sử dụng được, từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978, Peterson, 1994, Slater, 1995, dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Mục đích của bước này là nhóm các nhóm biến cùng đại diện cho một nhân tố với nhau từ đó đưa vào phân tích tương quan và hồi quy.
Phân tích nhân tố khám phá EFA là một trong những phương pháp phân tích thống kê dùng để rút gọn nhiều biến quan sát với nhau thành một tập hợp các biến (nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các thông tin của tập biến ban đầu (Hair, 1998). Các biến trong cùng một nhân tố sẽ được tính giá trị trung bình đại diện cho nhân tố đó để thực hiện các phân tích như phân tích tương quan, hồi quy, ANOVA,…
Các tác giả Mayers, L.S. , Gamst, G. , Guarino A.J. (2000) đề cập rằng: trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Theo Hair và cộng sự (1998), factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
- Factor loading lớn hơn 0.3 được xem là đạt mức tối thiểu; - Factor loading lớn hơn 0.4 được xem là quan trọng;
- Factor loading lớn hơn 0.5 được xem là có ý nghĩa thực tiễn. Ngoài ra Hair và cộng sự (1998) cũng khuyên như sau:
- Nếu chọn tiêu chuẩn factor loading > 0.3 thì cỡ mẫu ít nhất phải là 350; - Nếu cỡ mẫu khoảng 100 quy mô mẫu 350 thì nên chọn tiêu chuẩn factor loading > 0.55 (thường có thể chọn 0.5);
- Nếu cỡ mẫu nhỏ hơn 100 thì factor loading phải trên 0.75.
Như vậy, theo những yêu cầu từ lý thuyết phân tích, điều kiện để phân tích nhân tố khám phá của đề tài là phải thỏa mãn các yêu cầu: Hệ số tải nhân tố (factor loading) > 0.5.
+ Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp (0.5 ≤ KMO ≤ 1) (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Ngoài ra, tác giả sử dụng phương pháp dựa vào Eigenvalue để xác định số lượng các nhân tố. Chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc, vì sau khi chuẩn hóa mỗi biến gốc có phương sai là 1 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Sau khi có kết quả phân tích nhân tố, tác giả tiến hành hiệu chỉnh mơ hình lý thuyết theo kết quả đó.
+ Phân tích hồi qui tuyến tính bội
Trước tiên dùng hệ số tương quan Pearson trong ma trận hệ số tương quan để xem xét mối tương quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau. Ma trận hệ số tương quan là một ma trận vuông gồm các hệ số tương quan. Tương quan của một biến nào đó với chính nó sẽ có hệ số tương quan là 1 và chúng có thể được thấy trên đường chéo của ma trận.
Mỗi biến sẽ xuất hiện hai lần trong ma trận với hệ số tương quan như nhau, đối xứng nhau qua đường chéo của ma trận.
Xác định được các biến độc lập và phụ thuộc có tương quan tuyến tính, tác giả cụ thể hóa mối quan hệ nhân quả này bằng mơ hình hồi qui tuyến tính bội. Với hiệu quả dự án là biến phụ thuộc và các biến còn lại là các biến độc lập.
Tác giả sử dụng kiểm định F trong bảng phân tích phương sai để kiểm định độ phù hợp của mơ hình. Sử dụng kiểm định t để kiểm định ý nghĩa của các hệ số hồi qui. Và đánh giá độ phù hợp của mơ hình hồi qui tuyến tính bội bằng hệ số R2 và hệ số R2
hồi quy tuyến tính bội vì nó khơng phụ thuộc vào độ lệch phóng đại của hệ số R2
(Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phương trình hồi quy tuyến tính bội được xác lập. Dựa vào các hệ số hồi quy riêng