CHƢƠNG 2 CƠ SỞ LÝ THUYẾT VÀ MƠ HÌNH NGHIÊN CỨU
3.5 Phƣơng pháp phân tích
Đề tài sử dụng phần mềm SPSS, một số phương pháp để hỗ trợ, phục vụ cho việc nghiên cứu và phân tích số liệu như phương pháp phân tích, đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha, phương pháp phân tích nhân tố khám phá (EFA), phương pháp phân tích hồi quy tuyến tính đa biến.
Tác giả sử dụng hệ số tin cậy Cronbach’s Alpha và phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) để kiểm định độ tin cậy của thang đo. Hệ số Cronbach’s Alpha dùng để đánh giá độ tin cậy của các nhóm nhân tố và từng biến quan sát nhỏ trong nhóm các nhân tố đó. Các biến quan sát phải có hệ số tương quan giữa các biến và tổng (item-total crroelation) lớn hơn 0,3. Nếu biến nào có hệ số tương quan biến và tổng nhỏ hơn 0,3 trong phân tích Cronbach’s Alpha thì sẽ bị loại bỏ (Nunnally và Burnstein, 1994). Thang đo có hệ số Cronbach’s Alpha từ 0,5 trở lên là được sử dụng.
Sau khi phân tích hệ số tin cậy Cronbach’s Alpha, các thang đo được đánh giá tiếp theo bằng phương pháp phân tích nhân tố khám phá EFA.
“Phương pháp phân tích nhân tố khám phá EFA theo phương pháp trích Principal Component Analysis với phép xoay Varimax. Các biến có trọng số (Factor Loading) nhỏ hơn 0,4 sẽ tiếp tục bị loại. Thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50% (Gerbing và Anderson, 1998).Theo Hair và ctg (1998, 111), 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 > 0.3 được xem là đạt mức tối thiểu. * Factor loading > 0.4 được xem là quan trọng.
* Factor loading > 0.5 được xem là có ý nghĩa thực tiễn.
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: + Hệ số tải nhân tố (Factor loading) > 0.5.
+ 0.5 ≤ KMO ≤ 1: 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.
Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê
(Sig.< 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể. Trong trường hợp một số biến đưa vào giả thuyết đo lường một khái niệm, nhưng kết quả EFA cho thấy chúng lại nhóm vào một nhân tố khác (Nguyễn Đình Thọ, 2012). Nếu các biến này thực sự khơng đo lường khái niệm cần đo thì loại và phân tích EFA trở lại cho các biến cịn lại. Nếu các biến này thực sự đo lường các khái niệm mà chúng đang đo thì điều chỉnh lại nhóm chung vào tạo thành nhân tố mới cho nghiên cứu.”
3.5.2 Phân tích hồi quy
Phân tích hồi quy tuyến tính nhằm xác định tầm quan trọng của các biến độc lập đối với biến phụ thuộc. Mơ hình hồi quy bội biểu diễn mối quan hệ giữa biến độc lập với biến phụ thuộc định lượng như sau:
Y = β1x1+ β2x2 + β3x3 + β4x4 +….+βnxn+ α Với: Y là biến phụ thuộc
Xk là biến độc lập
k là số biến độc lập thứ k
Để đánh giá mức độ tương quan giữa các biến, nghiên cứu sử dụng hệ số tương quan Peason, hai biến tương quan chặt chẽ khi hệ số tương quan càng tiến đến 1. Tuy nhiên, theo John và cộng sự (2000) khi hệ số tương quan < 0.85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trị của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến.
“Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) để mơ hình hồi quy đảm bảo khả năng tin cậy cần xem xét các việc sau:
Một là, kiểm định F để xem xét mức độ phù hợp của mơ hình hồi quy tổng thể. Khi giá trị Sig. của hệ số hồi quy tổng thể nhỏ hơn 5%, kết luận mơ hình hồi quy là phù hợp.
Hai là, mức độ phù hợp của mơ hình thơng qua hệ số tương quan R2, nếu hệ số R2 càng lớn thì khả năng giả thích của các biến độc lập trong mơ hình càng cao, mơ hình càng phù hợp.
Ba là, hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó đến sự hài lịng của người dân càng lớn.
Tiếp theo, nghiên cứu kiểm tra vi phạm các giả định hồi quy.
- Công cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đốn chuẩn hóa (Standardized Pridicted Value).
- Công cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số Histogram hoặc tần số P-P plot.
- Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai khơng đổi là kiểm định Spearman.
- Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor –VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), quy tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến.”
Tóm tắt chƣơng 3
“Trong Chương 3, tác giả tập trung trình bày về phương pháp nghiên cứu thông qua việc mơ tả quy trình nghiên cứu, các bước nghiên cứu, cách thức thu thập dữ liệu thơng tin, sử dụng phương pháp định tính và định lượng để hồn chỉnh mơ hình, xây dựng thang đo, mã hóa các câu hỏi, xác định kích thước mẫu khảo sát. Giới thiệu sơ lược kỹ thuật và yêu cầu phân tích dữ liệu phần mềm SPSS 20.0.”