CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Nghiên cứu định lượng
3.3.1. Chọn mẫu nghiên cứu
Mẫu nghiên cứu được chọn theo phương pháp phi xác suất dưới hình thức chọn mẫu theo sự thuận tiện nghĩa là chọn những phần tử mà nhà nghiên cứu có thể tiếp cận được (Nguyễn Đình Thọ, 2014).
Việc xác định kích thước mẫu có rất nhiều quan điểm khác nhau tùy theo phương pháp phân tích và kinh nghiệm của nhà nghiên cứu. Theo Hair và cộng sự (2013) số lượng mẫu tối thiểu cần phải có từ 100 đến 150 mẫu. Còn theo Bollen (1989) nguyên tắc xác định cỡ mẫu tối thiểu là mỗi tham số cần ước lượng cần năm mẫu khảo sát. Trong nghiên cứu này của tác giả có 26 biến quan sát, như vậy kích thước mẫu theo yêu cầu là 130 (26*5). Tác giả cũng tham khảo thêm nghiên cứu có sử dụng phương pháp phân tích SEM của tác giả Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011), tác giả quyết định chọn kích thước mẫu là 250.
3.3.2. Thiết kế bảng câu hỏi
Bảng câu hỏi khảo sát được thể hiện dưới hình thức câu hỏi đóng với đối tượng khảo sát là những nhân viên văn phòng làm việc tại thành phố Hồ Chí Minh.
Dựa vào kết quả nghiên cứu định tính thực hiện xây dựng bảng câu hỏi theo thang đo likert 5 điểm với các mức độ từ hồn tồn khơng đồng ý đến hồn toàn đồng ý. Bảng câu hỏi có cấu trúc gồm 4 phần:
- Phần 1: Phần thông tin chung. Giới thiệu ngắn gọn về tác giả và đề tài nghiên cứu.
- Phần 2: Phần câu hỏi gạn lọc. Xác định đáp viên có phải là nhân viên văn phịng đang làm việc tại thành phố Hồ Chí Minh hay khơng? Nếu “Có” thì thực hiện tiếp khảo sát, Nếu “Khơng” thì dừng lại.
- Phần 3: Nội dung chính. Các câu hỏi để đo lường mức độ đánh giá của đáp viên đối với các câu hỏi.
3.3.3. Phương pháp thu thập số liệu
Tác giả sử dụng đồng thời hình thức phát phiếu khảo sát trực tiếp (phụ lục 4) đến đối tượng được khảo sát và khảo sát trên mạng internet thông qua công cụ goole form theo đường link https://forms.gle/trhCgmQNjs7umhD76.
3.3.4. Phương pháp phân tích dữ liệu Thống kê mô tả Thống kê mô tả
Bước phân tích này nhằm mục tiêu cung cấp các thông tin chung về mẫu nghiên cứu bao gồm: giới tính, độ tuổi, trình độ học vấn, kinh nghiệm làm việc và vị trí cơng việc.
Kiểm tra độ tin cậy của thang đo (Cronbach alpha)
Các thang đo được đánh giá độ tin cậy thông qua hệ số Cronbach’s Alpha. Tác giả đo lường độ tin cậy của thang đo nhằm loại bỏ biến quan sát khơng phù hợp trước khi phân tích nhân tố EFA vì các biến quan sát khơng phù hợp này có thể tạo ra các nhân tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]. Về lý thuyết, hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao) tuy nhiên điều này khơng hồn tồn chính xác, hệ số Cronbach’s Alpha quá lớn (khoảng từ 0.95 trở lên) cho thấy 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).
Tác giả sử dụng hệ số tương quan giữa biến quan sát và biến tổng với mức là 0.5 để làm căn cứ loại các biến quan sát khơng đóng góp nhiều vào mơ tả khái niệm nghiên cứu cần đo lường (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Phân tích nhân tố khám phá EFA
Sau khi hồn tất phân tích độ tin cậy của thang đo, tác giả tiến hành phân tích nhân tố khám phá EFA. Phương pháp phân tích nhân tố khám phá EFA giúp chúng ta đánh giá thang đo theo hai tiêu chí là tính hội tụ và tính phân biệt. Theo Nguyễn Khánh Duy (2009) việc xác định phương pháp rút trích nhân tố phụ thuộc vào bản chất khái niệm. Đối với khái niệm đơn hướng, các nhà nghiên cứu nên áp dụng phương pháp rút trích Principal Component kết hợp phép xoay Varima. Còn với
khái niệm đa hướng, các nhà nghiên cứu nên áp dụng phương pháp rút trích Principal Axis Factoring kết hợp phép xoay Promax. Bên cạnh đó, theo Anderson và Gerboing (1988) phương pháp rút trích Principal Axis Factoring kết hợp phép xoay Promax sẽ cho đảm bảo phản ánh chính xác cấu trúc dữ liệu hơn so với phương pháp trích Principal Component kết hợp phép xoay Varima. Do trong nghiên cứu này tác giả sử dụng phương pháp phân tích mơ hình cấu trúc (SEM) nên tác giả quyết định áp dụng phương pháp rút trích Principal Axis Factoring kết hợp phép xoay Promax.
Khi tiến hành phân tích EFA cho các thang đo các nhà nghiên cứu cần quan tâm đến: Hệ số KMO nhằm kiểm tra tính phù hợp của phân tích EFA. Hệ số KMO nằm trong khoảng từ 0.5 đến 1 thì phân tích nhân tố là phù hợp.
Tiếp theo là Kiểm định Bartlett: nhằm xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Nếu kiểm định Bartlett có ý nghĩa thống kê (sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể. Hệ số tải nhân tố (Factor loading): Theo Hair và cộng sự (2013), hệ số tải nhân tố lớn hơn 0.3 được xem là đạt mức tối thiểu và lớn hơn 0.5 thì được xem là có ý nghĩa thực tiễn. Do đó tác giả lấy mức 0.5 là tiêu chuẩn để loại bỏ biến quan sát. Trường hợp có hệ số tải nhân tố tải lên từ hai nhân tố trở lên thì chênh lệch giữa hệ số tải lớn nhất của biến quan sát với hệ số tải của biến quan sát bất kỳ phải lớn hơn 0.3 (Nguyễn Đình Thọ, 2014). Chỉ tiêu tổng phương sai trích (Percentage of variance) có ý nghĩa là nhóm nhân tố đã trích xuất được giải thích bao nhiêu phần trăm biến thiên và theo Nguyễn Đình Thọ (2014) tổng phương sai trích phải lớn hơn 50%.
Phân tích nhân tố khẳng định CFA
Phương pháp phân tích CFA nhằm kiểm tra cấu trúc lý thuyết của các thang đo đo lường các mối quan hệ giữa các khái niệm nghiên cứu không bị lệch do sai số đo lường. Đồng thời, phương pháp phân tích CFA cũng giúp kiểm tra thang đo có đảm bảo tính hội tụ và tính phân biệt hay khơng.
Theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011), một mơ hình được xem là phù hợp với dữ liệu thị trường khi kết quả phân tích CFA cho ra các
chỉ số đo lường đạt yêu cầu như sau: Chi-Square có P-value lớn hơn 0.05; Các giá trị GFI, TLI, CFI lớn hơn hoặc bằng 0.9; CMIN/df nhỏ hơn hoặc bằng 3; RMSEA nhỏ hơn 0.08.
Theo Nguyễn Khánh Duy (2009) các chỉ tiêu cần đánh giá trong phân tích CFA: Hệ số tin cậy tổng hợp CR (composite reliability) và Tổng phương sai trích AVE nhằm đánh giá độ tin cậy của thang đo. Hai chỉ tiêu này cần có giá trị lớn hơn hoặc bằng 0.5; Thang đo đạt được giá trị hội tụ (convergent validity) khi các trọng số chuẩn hóa lớn hơn 0.5 và có ý nghĩa thống kê P-value nhỏ hơn 0.05; Và đạt giá trị phân biệt (discriminant validity) khi hệ số tương quan của chúng nhỏ hơn 1 và có ý nghĩa thống kê P-value nhỏ hơn 0.05.
Phân tích mơ hình cấu trúc tuyến tính SEM
Sau khi thực hiện phân tích nhân tố khẳng định CFA, tác giả tiến hành kiểm định các giả thuyết trong mơ hình nghiên cứu thơng qua mơ hình cấu trúc tuyến tính SEM. Căn cứ trên kết quả phân CFA bằng phần mềm AMOS, tác giả thay thế các mũi tên hai chiều nối giữa các biến trong mơ hình nghiên cứu bằng các mũi tên một chiều theo giả thuyết nghiên cứu đã đặt ra. Mơ hình cấu trúc tuyến tính SEM là nghiên cứu kết hợp tất cả các kỹ thuật như hồi quy đa biến, phân tích nhân tố và phân tích mối quan hệ hỗ trợ giữa các phần tử trong sơ đồ mạng, từ đó chúng ta có thể kiểm tra mối quan hệ phức hợp trong mơ hình nghiên cứu. Mơ hình cấu trúc tuyến tính SEM cho phép ước lượng đồng thời các nhân tố trong tổng thể mơ hình, ước lượng mối quan hệ nhân quả giữa các khái niệm để từ đó xác định mơ hình phù hợp nhất trong các mơ hình đề nghị.
Kiểm định bootstrap
Tác giả sử dụng phương pháp kiểm định bootstrap, phương pháp lấy mẫu lặp lại có thay thế từ số lượng mẫu ban đầu, để đánh giá độ vững chắc của mơ hình lý thuyết hay nói cách khác là để đánh giá độ tin cậy của các ước lượng. Nếu hệ số tương quan CR có giá trị nhỏ hơn 1.96 thì có thể kết luận các ước lượng của mơ hình SEM là tin cậy được.
Trong chương 3 này tác giả trình bày phương pháp nghiên cứu với 2 bước: Bước 1: Nghiên cứu định tính nhằm hiệu chỉnh thang đo các khái niệm nghiên cứu phù hợp với thực trạng nghiên cứu tại Việt Nam;
Bước 2: Nghiên cứu định lượng: thực hiện khảo sát, thu thập dữ liệu. Sau đó tiến hành mã hóa dữ liệu và xử lý bằng phần mềm SPSS 25 và AMOS 22.