Chương 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.2 Phương pháp phân tích số liệu
Số liệu thu thập được nhập liệu trên Excel và phân tích bằng SPSS. Trước khi tiến hành phân tích khám phá, nghiên cứu tiến hành kiểm tra độ tin cậy thang đo biến độc lập và biến phụ thuộc bằng bằng hệ số Cronbach’s Alpha.
3.2.1 Kiểm định Cronbach’s Alpha
Hệ số Cronbach’s Alpha được phát triển bởi Lee Cronbach vào năm 1951 để cung cấp thước đo để kiểm tra về tính nhất quán hay gọi là độ tin cậy thang đo (Cronbach, 1951). Có nhiều nghiên cứu khác nhau về các giá trị alpha. Trường hợp giá trị alpha thấp có thể là do số lượng câu hỏi thấp, mối liên hệ kém giữa các yếu tố hoặc cấu trúc không đồng nhất. Theo Bland & Altman (1997), về lý thuyết, Cronbach’s Alpha càng cao (dao động từ 0,70 đến 0,95) càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, Hệ số Cronbach’s Alpha quá lớn (α > 0,95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau (Nguyễn Đình Thọ, 2011). Theo Streiner (2003), đề xuất giá trị alpha tối đa là 0,90. Bên cạnh đó, Corrected Item - Total Correlation cũng được sử dụng để kiểm tra độ tin cậy của dữ liệu. Dữ liệu sẽ được chấp nhận khi Tổng tương quan > 0,3 (Nunnally & Bernstein, 1994; Hair et al., 1998). Giá trị tương quan nhỏ hơn 0,2 hoặc 0,3 chỉ ra rằng biến tương ứng không tương quan tốt với quy mô tổng thể và do đó nó có thể bị loại bỏ (Field, 2005).
Trong nghiên cứu này, sử dụng kiểm định Cronbach’s Alpha để kiểm tra sự chặt chẽ và tương quan giữa các biến quan sát tác động đến việc xác định nhân tố ảnh hưởng đến quy hoạch sử dụng đất đai. Qua đó giúp có thể loại bỏ các biến khơng phù hợp gây ảnh hưởng đến q trình phân tích. Điều kiện nghiên cứu đặt ra là số liệu đảm bảo độ tin cậy khi hệ số Cronbach’s Alpha nằm trong khoảng [0,6-0,95] (Hair & cs, 1998), hệ số tương quan biến tổng > 0,3 (Hair & cs, 1998). Sau khi phân tích độ tin cậy thang đo, nghiên cứu mới tiến hành phân tích nhân tố khám phá.
3.2.2 Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA)
Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) được sử dụng để xác định mối quan hệ cơ bản giữa các biến đo lường (Norris et al., 2010). Phương pháp EFA có tác dụng rút gọn nhiều biến đo lường thành một tập hợp các biến để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các thông tin của tập biến ban đầu (Hair & cs, 1998).
Trong nghiên cứu này, ứng dụng phân tích EFA nhằm mục đích xác định các yếu tố ảnh hưởng đến quy hoạch sử dụng đất, các biến ảnh hưởng mạnh hay yếu, cùng chiều hay ngược chiều đối với từng nhân tố.
Các thông số được áp dụng trong EFA là chỉ số của Kaiser-Mayer-Olkin (KMO), chỉ số Bartlett-Test, hệ số Eigenvalues, tổng phương sai giải thích (Total variance explained) và hệ số tải (Factor loading). Cụ thể:
-Theo Norusis (1994), Kaiser-Meyer-Olkin measure of sampling adequacy (KMO) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến Xi, và Xj, với độ lớn của hệ số tương quan riêng phần của chúng. Như vậy, KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO phải lớn hơn 0,50. Kaiser (1974), nghiên cứu đề nghị KMO ≥ 0,90: rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: được; KMO ≥ 0,60: tạm được; KMO ≥ 0,50: xấu, và KMO ≤ 0,50: không thể chấp nhận được.
- Hệ số tải (Factor loading) hay trọng số tải của chính nó ở nhân tố khác nhỏ hơn 0,35 (Igbaria & cs, 1995) hoặc khoảng cách giữa hai trọng số tải (Factor loading) cùng 1 biến ở 2 nhân tố khác nhau lớn hơn 0,3. Khi 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.
- Kiểm định Bartlett (Bartlett's test of sphericity) dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I (identity matrix), là ma trận có các thành phần (hệ số tương quan giữa các biến) bằng không và đường chéo (hệ số tương quan với chính nó) bằng 1. Nếu phép kiểm định Bartlett có p < 5%, chúng ta từ chối giả thuyết H0 (ma trận tương quan là ma trận đơn vị) nghĩa là các biến có quan hệ nhau.
- Hệ số Eigenvalue có giá trị > 1 để đảm bảo các nhóm nhân tố có sự khác biệt.
- Tổng phương sai giải thích (Total variance explained): thể hiện phần trăm biến thiên của các biến quan sát, thang đo chỉ được chấp nhận khi tổng phương sai giải thích (Total variance explained) > 50%.
3.2.3 Phân tích hồi quy đa biến
Phân tích hồi quy đa biến được sử dụng để ước tính các yếu tố ảnh hưởng đến quy hoạch sử dụng đất, xác định trọng số của các yếu tố ảnh hưởng và mức độ ảnh hưởng của từng yếu tố. Theo Đinh Phi Hổ (2011), để mơ hình hồi quy đảm bảo khả năng tin cậy và hiệu quả cần thực hiện các kiểm định chính sau:
- Kiểm định tương quan từng phần của các hệ số hồi quy nhằm xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ý nghĩa của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig. < 0,05), kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.
- Mức độ phù hợp của mơ hình nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay khơng. Mơ hình được xem xét là khơng phù hợp khi tất cả các hệ số hồi quy đều bằng 0, và nếu có ít nhất một hệ số hồi quy khác 0 thì mơ hình được xem là phù hợp. Sử dụng phân tích phương sai (Analysis of variance, ANOVA) để kiểm định. nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig. < 0,05), chấp nhận giả thuyết H1, mơ hình được xem là phù hợp (giả thuyết: H0: các hệ số hồi quy đều bằng 0, H1: có ít nhất một hệ số hồi quy khác 0).
- Hiện tượng đa cộng tuyến: do đã qua phân tích nhân tố khám phá, các biến độc lập của mơ hình phân tích hồi quy sẽ khơng có hiện tượng đa cộng tuyến. Do đó khơng cần thiết phải thực hiện kiểm định hiện tượng đa cộng tuyến.
- Hiện tượng phương sai phần dư thay đổi: là hiện tượng các giá trị phần dư (sai số) có phân phối khơng giống nhau và giá trị phương sai khơng như nhau, hay nói cách khác phương sai sai số là một đại lượng đo lường mức độ phân tán của các số hạng sai số xung quanh giá trị trung bình. Mục tiêu là xác định phương sai của Ei có thay đổi theo các mức Y dự đốn khác nhau hay khơng? Nếu phương sai của sai số khơng đổi có nghĩa là mức độ phân tán như nhau cho tất cả các quan sát.
Bỏ qua phương sai phần dư thay đổi sẽ làm cho ước lượng OLS của các hệ số hồi quy không hiệu quả, các kiểm định giả thuyết khơng cịn giá trị và các dự báo khơng cịn hiệu quả. Để kiểm tra hiện tượng này sử dụng kiểm định Spearman (Spearman rank correlation test), nếu mức ý nghĩa (Sig.) của các hệ số tương quan hạng Spearman đảm bảo lớn hơn 0,05, kết luận phương sai phần dư khơng đổi.
Phương trình hồi quy có dạng:
Y = β0 + β1X1 + β2X2 + β3X3+ ... + βnXn + Ei. Trong đó:
- Yi: là biến phụ thuộc.
- X1; X2; X3; X4; Xn: là biến độc lập đại diện cho nhóm các yếu tố ảnh hưởng đến quy hoạch sử dụng đất.
- β0: hằng số.
- β1, β2, β3, β4: hệ số hồi quy. - Ei: lỗi tiêu chuẩn.
- n: số lượng biến.
3.2.4 Phân tích SWOT
Phân tích SWOT được ghi nhận trong tài liệu vào những năm 1960. (Humphrey, A.S., 2005 trích dẫn của Gurl, E. and M. Tat, 2017) ghi nhận vào thời điểm 1960-
1970, một dự án nghiên cứu được thực hiện bởi một nhóm nghiên cứu ở (Stanford Research Institute – SRI) từ năm 1960-1970. Phân tích SWOT đến từ dự án nghiên cứu này và được tài trợ bởi 500 cơng ty Fortune để tìm ra những gì đã xảy ra với việc lập kế hoạch và tạo ra một hệ thống quản lý mới thay đổi cách quản lý cũ. Dự án do Robert Stewart là người đứng đầu, nhóm nghiên cứu cũng bao gồm Marion Dosher, Tiến sĩ Otis Benepe, Birger Lie, và Albert Humphrey.
Puyt, R. W. et al (2020) cho rằng: “Stewart là người đã hình thành phương pháp tiếp cận SOFT- tiền thân của SWOT Analysis. Phương pháp tiếp cận SOFT/ SWOT này cho phép người lập kế hoạch thu thập quan điểm của các nhà quản lý hoạt động về các vấn đề và mục tiêu mà họ cần nghiên cứu để có được một cái nhìn tồn thể nhanh chóng của một tình thế phức tạp”.
Phân tích SWOT là một cơng cụ được sử dụng để hoạch định chiến lược và quản lý chiến lược trong các tổ chức. Nó có thể được sử dụng một cách hiệu quả để xây dựng chiến lược tổ chức và chiến lược cạnh tranh. Theo cách tiếp cận hệ thống, một tổ chức tồn tại trong hai mơi trường, một là trong chính nó và một là bên ngồi. Việc phân tích các mơi trường này để thực hành quản lý chiến lược là một điều cần thiết. Q trình kiểm tra tổ chức và mơi trường của nó được gọi là phân tích SWOT. SWOT là viết tắt của Strengths - Điểm mạnh, Weaknesses - Điểm yếu, Opportunities - Cơ hội và Threats – Thách thức. Theo đó nhóm quản lý xác định các yếu tố bên trong và bên ngoài ảnh hưởng đến vấn đề cần nghiên cứu. Điểm mạnh trong phân tích SWOT là năng lực nội tại và các yếu tố tích cực của vấn đề. Điểm yếu là các yếu tố hoặc hạn chế bên trong có thể cản trở hoạt động. Vì vậy, điểm mạnh và điểm yếu là yếu tố bên trong. Cơ hội trong phân tích SWOT là các yếu tố hoặc đặc điểm có thể tạo điều kiện cho sự phát triển. Chúng là những yếu tố bên ngồi mà thơng qua đó có thể khai thác lợi thế của mình. Các mối đe dọa hay thách thức liên quan đến các yếu tố tiêu cực bên ngồi có thể cản trở hoặc trì hỗn các mục tiêu có thể đạt được. Như vậy, các cơ hội và mối đe dọa được xem như các yếu tố môi trường (Gurl, E. and M. Tat, 2017).
Bảng 3.1 Những thành phần trong phân tích SWOT
SWOT Diễn giải
Điểm mạnh (S)
Điểm mạnh là thứ mà một tổ chức có thể làm tốt hoặc một đặc điểm mà tổ chức có mang lại cho nó một khả năng quan trọng (Thompson, A. A. and A. J., Strickland, 1989)
Điểm yếu (W)
Điểm yếu là thứ mà một tổ chức thiếu hoặc kém - so với những người khác - hoặc một điều kiện khiến tổ chức gặp bất lợi (Thompson, A. A. and A. J., Strickland, 1989)
Cơ hội (O)
Cơ hội là những điều kiện trong mơi trường bên ngồi cho phép một tổ chức tận dụng những điểm mạnh của tổ chức, khắc phục những điểm yếu của tổ chức hoặc vơ hiệu hóa các mối đe dọa từ mơi trường
Thách thức (T)
Thách thứ hay mối đe dọa là yếu tố gây khó khăn hoặc khơng thể đạt được các mục tiêu của tổ chức. Các mối đe dọa là những tình huống xuất hiện do những thay đổi trong mơi trường ở xa hoặc ngay lập tức có thể ngăn tổ chức duy trì sự tồn tại hoặc đánh mất ưu thế trong cạnh tranh và điều đó khơng có lợi cho tổ chức (Ülgen, H. and S.K., Mirze, 2010).
Phân tích SWOT là một kỹ thuật phân tích có góc nhìn tổng qt và đưa ra các giải pháp chung, giúp cho các đánh giá vĩ mơ có thể thực hiện được, cung cấp cơ hội tập trung vào các khía cạnh tích cực và tiêu cực của môi trường bên trong và bên ngồi của tổ chức, hay nói cách khác là các yếu tố trong môi trường này cộng và trừ giá trị, tất cả cùng theo một góc độ liên quan vì vậy có thể mơ tả Phân tích SWOT là ‘Ma trận hai nhân hai’. Phân tích SWOT có thể giúp các nhà quản lý tổ chức phát hiện ra các cơ hội để tận dụng. Bằng cách hiểu rõ các điểm yếu, các mối đe dọa có thể được quản lý và loại bỏ.
Bảng 3.2 Bảng ma trận hai nhân hai trong phân tích SWOT
Điểm mạnh Điểm yếu Cơ hội Giúp đạt được những cơ hội phù
hợp nhiều với thế mạnh của tổ chức Khắc phục điểm yếu để đạt được cơ hội
Thách thức
Sử dụng điểm mạnh để giảm khả năng dễ bị tổn thương của tổ chức trước các mối đe dọa
Giúp ngăn chặn các điểm yếu để tránh làm cho tổ chức trở nên nhạy cảm hơn với các mối đe dọa
(Nguồn: Chermack, T. J. and B.K., Kasshanna, 2007)