CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.4 Phương pháp phân tích dữ liệu
Được thực hiện theo trình tự sau đây:
Trước tiên tiến hành thống kê mô tả về các đối tượng được khảo sát như: giới tính, độ tuổi, trình độ học vấn, tổng thu nhập, thâm niên công tác.
Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Cronbach (1951) trong Nguyễn Đình Thọ (2013, tr. 355) đưa ra hệ số tin cậy cho thang đo. Hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo chứ khơng tính được độ tin cậy cho từng biến quan sát. Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1]. Theo phương pháp kiểm định hệ số tin cậy Cronbach’s Alpha, hệ số Cronbach’s Alpha chung của thang đo lớn hơn 0,6 là thang đo có thể chấp nhận về độ tin cậy. Những biến quan sát này có hệ số tương quan biến tổng (Corrected Item - Total Correlation) nhỏ hơn 0,3 sẽ bị loại ra khỏi thang đo đóvề mặt lý thuyết thì hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, hệ số Cronbach’s Alpha quá lớn (lớn hơn 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 đo lường.
Phân tích nhân tố khám phá EFA
Phân tích được tiến hành để đánh giá thang đo hay rút gọn một tập biến. Khi sử dụng EFA để đánh giá thang đo, cần lấy tổng (hoặc trung bình) để tính giá trị cho các nhân tố (biến tiềm ẩn) cho phân tích tiếp theo.
Phân tích nhân tố khám phá EFA được tiến hành để nhóm các thang đo thành các nhân tố mới theo phương pháp trích nhân tố Principal Components với phép xoay Varimax. Điều kiện cần để bảng kết quả ma trận xoay có ý nghĩa thống kê là: Hệ số KMO (là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân
tố) phải nằm trong đoạn từ 0,5 đến 1; kiểm định Barlett (là một đại lượng thống kê dùng để xem xét giả thuyết các biến quan sát có tương quan trong tổng thể khơng) có sig phải nhỏ hơn 0,05; giá trị Eigenvalue (là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA) lớn hơn hoặc bằng 1; tổng phương sai trích lớn hơn hoặc bằng 50%.
Loại biến trong phân tích nhân tố khám phá EFA: Từ bảng Component Matrix lấy những biến có hệ số tải nhân tố lớn hơn 0,5 để đảm bảo ý nghĩa của EFA, nếu biến quan sát có từ 2 hệ số tải nhân tố thì chọn hệ số tải nhân tố cao hơn và hệ số sau nó phải cách 0,3, nếu khơng thỏa cách 0,3 thì loại biến quan sát đó.
Phân tích tương quan
Trong bước này, phép phân tích tương quan Pearson được sử dụng để đánh giá độ tương quan giữa các nhân tố độc lập với nhân tố phụ thuộc. Ngoài ra, cũng cần xét tới mối quan hệ tương quan giữa các biến độc lập để đánh giá về khả năng xảy ra đa cộng tuyến trong mơ hình hồi quy.
Trong Bảng tương quan Correlations, giá trị sig giữa biến độc lập và biến phụ thuộc nhỏ hơn 0,05 nghĩa là biến độc lập đó có tương quan với biến phụ thuộc, nếu lớn hơn 0,05 nghĩa là biến độc lập đó khơng tương quan với biến phụ thuộc và nên loại bỏ biến đó trước khi chạy hồi quy. Khi sig nhỏ hơn 0,05, cần chú ý tới hệ số tương quan Pearson r để đánh giá mức độ tương quan mạnh/yếu giữa các biến độc lập với biến phụ thuộc.
Nếu các giá trị sig giữa các biến độc lập lớn hơn 0,05 nghĩa là giữa các biến độc lập này khơng có mối tương quan và nó càng khẳng định tính "độc lập" tốt giữa các biến độc lập. Nếu sig nhỏ hơn 0,05 thì lưu ý tới hệ số tương quan Pearson để xem tính tương quan mạnh hay yếu giữa các biến và có thể xảy ra đa cộng tuyến giữa các biến độc lập.
Hệ số tương quan Pearson càng tiến về 1 càng tương quan mạnh. Ngược lại, hệ số này càng tiến gần về 0 thì tương quan càng yếu. Cần lưu ý đến giá trị sig: nếu mức ý nghĩa 1% thì giá trị sig phải < 0,01 tương ứng với các dấu (**) được
đánh dấu trên hệ số tương quan r, còn mức ý nghĩa là 5% thì sig < 0,05 tương ứng với các dấu (*) được đánh dấu trên hệ số tương quan r.
Phân tích hồi quy
Nhằm xác định mức độ tác động của các nhân tố độc lập lên các nhân tố phụ thuộc. Quy trình hồi quy sẽ được thực hiện cho nhân tố chia sẻ tri thức theo các nhân tố như niềm tin, sự tương tác giữa nhân viên, hệ thống thông tin và hệ thống thưởng.
Sử dụng bảng Model Summary, chú ý giá trị Adjusted R Square (R bình phương hiệu chỉnh) cho biết các biến độc lập giải thích được bao nhiêu phần trăm (%) sự biến thiên của biến phụ thuộc
Hệ số Durbin Watson dùng để kiểm tra xem có hiện tương tự tương quan hay không trong phần dư của một phép phân tích hồi quy.
Hệ số phóng đại phương sai VIF < 10 dùng để kiểm tra hiện tượng đa cộng tuyến, nếu VIF < 2 thì phải thận trọng trong diễn giải các trọng số hồi quy.
Sử dụng trọng số hồi quy chuẩn hóa để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc.
Kiểm định sự phù hợp của mơ hình hồi quy bằng biểu đồ Scatter Plot, kết quả đồ thị nếu các điểm phân bố của phần dư nếu có các dạng: đồ thị Parabol, đồ thị Cubic,.. hay các dạng đồ thị khác không phải đường thẳng thì dữ liệu đã vi phạm giả định liên hệ tuyến tính. Nếu giả định quan hệ tuyến tính được thỏa mãn thì phần dư phải phân tán ngẫu nhiên trong một vùng xung quanh đường tung độ 0 (trường hợp biểu diễn phần dư chuẩn hóa Standardized Residual ở trục tung).
Biểu đồ tần số của các phần dư Histogram, một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chng, phù hợp với dạng đồ thị của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn gần bằng 1, thì phân phối phần dư xấp xỉ chuẩn, tức là giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Nhằm kiểm định sự khác biệt giữa các biến định tính với biến định lượng. Nếu biến định tính có 02 giá trị thì kiểm định sự khác biệt bằng phương pháp Independent Samples T Test. Bảng Independent Samples Test thể hiện:
- Nếu sig Levene's Test < 0.05 thì phương sai giữa 2 biến là khác nhau, sử dụng giá trị sig T-Test ở hàng Equal variances not assumed để kết luận:
+ Giá trị sig T-Test < 0.05 kết luận rằng có sự khác biệt.
+ Giá trị sig T-Test >= 0.05 chúng ta kết luận khơng có sự khác biệt.
- Nếu sig Levene's Test >= 0.05 thì phương sai giữa 2 giá trị của biến định tính là không khác nhau, lúc này ta sử dụng giá trị sig T-Test ở hàng Equal variances assumed để kết luận:
+ Giá trị sig T-Test < 0.05 kết luận rằng có sự khác biệt.
+ Giá trị sig T-Test >= 0.05 kết luận rằng khơng có sự khác biệt.
Trường hợp biến định tính có từ 03 giá trị thì kiểm định sự khác biệt bằng phương pháp one-way-anova. Bảng Test of Homogeneity of Variances, lúc này sig của Levene Statistic thể hiện:
- Nếu sig ở kiểm định này >= 0.05, xem tiếp kết quả ở bảng ANOVA. Nếu sig ở bảng ANOVA < 0.05, kết luận rằng có sự khác biệt. Nếu sig ở bảng ANOVA >= 0.05, kết luận rằng khơng có sự khác biệt.
- Nếu sig ở kiểm định này < 0.05 thì kiểm định Welch, quan sát bảng Robust Tests of Equality of Means. Nếu sig kiểm định Welch ở bảng Robust Tests < 0.05, kết luận rằng có sự khác biệt. Nếu sig kiểm định Welch ở bảng Robust Tests ≥ 0.05, kết luận rằng khơng có sự khác biệt.
Ý nghĩa giá trị trung bình trong thang đo khoảng
Giá trị khoảng cách = (Maximum – Minimum) / n = (5-1)/5 = 0.8 Ý nghĩa các mức như sau:
1.00 – 1.80: Rất không đồng ý/ Rất không hài lịng/ Rất khơng quan trọng… 1.81 – 2.60: Khơng đồng ý/ Khơng hài lịng/ Không quan trọng…
2.61 – 3.40: Khơng ý kiến/ Trung bình… 3.41 – 4.20: Đồng ý/ Hài lịng/ Quan trọng…
4.21 – 5.00: Rất đồng ý/ Rất hài lịng/ Rất quan trọng…
Tóm tắt chương 3
Trong chương 3 tác giả đã trình bày tổng quan về thiết kế nghiên cứu, quy trình nghiên cứu, phương pháp chọn mẫu, xác định kích thước mẫu. Từ đó nêu cách thức chọn mẫu và cách tiến hành khảo sát. Đồng thời, chương này cũng trình bày cách điều chỉnh thang đo, hồn chỉnh bảng câu hỏi; giới thiệu những điểm cơ bản trong sử dụng và diễn giải kết quả kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha; phân tích khám phá nhân tố EFA; phân tích tương quan; phân tích hồi quy.