CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. NGHIÊN CỨU ĐỊNH LƯỢNG
3.3.2. Phương pháp phân tích dữ liệu
Q trình phân tích dữ liệu được thực hiện qua các giai đoạn:
3.3.2.1 Đánh giá sơ bộ thang đo
phương pháp hệ số tin cậy Cronbach alpha và phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) thông qua phần mềm xử lý SPSS 20 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn.
Cronbach alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát (các câu hỏi) thông qua hệ số Cronbach alpha. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr.257, 268) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach alpha có giá trị từ 0,7 trở lên là sử dụng được. Trong khi đó, nhiều nhà nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995) đề nghị hệ số Cronbach alpha từ 0,6 trở lên là có thể chấp nhận được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Tuy nhiên theo Nunnally et al. (1994), hệ số Cronbach alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach alpha, người ta còn sử dụng hệ số tương quan biến tổng quát (item – total correlation) và những biến nào có tương quan tổng < 0,3 sẽ bị loại.
Phân tích nhân tố khám phá (EFA) là tên chung của một nhóm thủ tục được sử dụng phổ biến để đánh giá thang đo hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các khía cạnh khác nhau của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
- Tiêu chuẩn Barlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 < KMO < 1 và Sig < 0,5. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr.262).
- Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai
trích cho biết nhân tố giải thích được bao nhiêu % và bao nhiêu bị thất thoát). Theo Gerbing và Anderson (1998), các nhân tố Engenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích > 50%. Tuy nhiên, trị số Engenvalue và phương sai trích là bao nhiêu còn phụ thuộc vào phương pháp trích và phép xoay nhân tố. Theo Nguyễn Khánh Duy (2009, tr.14), nếu sau phân tích EFA là phân tích hồi qui thì có thể sử dụng phương pháp trích Pricipal components với phép xoay Varimax.
- Tiêu chuẩn hệ số tải nhân tố (Factor loading) biểu thị tương quan đơn giữa các biến với nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair & ctg, 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. Trường hợp chọn tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350; nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55; nếu cỡ mẫu khoảng 50 thì Factor loading > 0,75 (Nguyễn Khánh Duy, 2009, tr.14).
3.3.2.2 Phân tích hồi qui
Phân tích hồi qui (thường là hồi qui tuyến tính bội) là một phương pháp phân tích dùng kỹ thuật thống kê được sử dụng để phân tích mối quan hệ giữa biến độc lập và nhiều biến phụ thuộc. Các tham số thống kê cần được quan tâm là:
- Hệ số R2 điều chỉnh (Adjusted coefficient determinaton): đo lường phần phương sai của biến phụ thuộc được giải thích bởi biến độc lập có tính đến số lượng biến phụ thuộc và cỡ mẫu. Hệ số này càng cao độ chính xác của mơ hình càng lớn và khả năng dự báo của các biến độc lập càng chính xác.
- Kiểm định độ phù hợp của mơ hình với tập dữ liệu: sử dụng trị số thống kê F để kiểm định mức ý nghĩa thống kê của mơ hình. Giả thuyết H0 là các hệ số Beta trong mơ hình đều bằng 0. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, ta có thể an tồn bác giả thuyết H0, hay nói cách khác mơ hình phù hợp với tập dữ liệu khảo sát.
- Hệ số Beta (Standardized Beta Coefficent): hệ số hồi qui chuẩn hóa cho phép so sánh một cách trực tiếp về mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc.
- Kiểm định mức ý nghĩa của hệ số Beta: sử dụng trị thống kê t để kiểm tra mức ý nghĩa của hệ số Beta. Nếu mức ý nghĩa của kiểm định nhỏ hơn mức 0,05 , ta có thể kết luận hệ số Beta có ý nghĩa về mặt thống kê.
3.3.2.3 Kiểm định sự khác biệt theo các đặc điểm cá nhân của khách hàng đến ý định mua lại tour du lịch
Công cụ kiểm định là phép kiểm định Independent – Sample T-Test hoặc phân tích phương sai (ANOVA). Trong đó:
- Independent – Sample T-Test được sử dụng trong các trường hợp đặc điểm cá nhân của khách hàng có hai thuộc tính bao gồm: giới tính nam và giới tính nữ, vì thế chia tổng thể mẫu nghiên cứu làm hai nhóm tổng thể riêng biệt.
- Phân tích phương sai (ANOVA) được sử dụng trong những trường hợp
đặc điểm cá nhân của khách hàng có ba thuộc tính trở lên, vì thế chia tổng thể mẫu nghiên cứu làm ba nhóm tổng thể riêng biệt trở lên. Phương pháp thực hiện là kiểm định có hay khơng có sự khác biệt giữa các nhóm tổng thể được xác định theo các đặc điểm cá nhân của khách hàng [Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr. 113-118, 122-123].
TĨM TẮT CHƯƠNG 3
Chương này trình bày phương pháp nghiên cứu gồm 3 bước cơ bản là xây dựng thang đo nháp, nghiên cứu định tính và nghiên cứu định lượng:
Xây dựng thang đo nháp 1 dựa vào thang đo SERV-PERVAL để đo lường các yếu tố tạo nên giá trị cảm nhận, thang đo Pertrick (2004b:401) và Zeithaml et al. (1996:38) để đo lường ý định mua lại của khách hàng.
Nghiên cứu định tính sử dụng kỹ thuật thảo luận nhóm để hiệu chỉnh thang đo nháp 1 thành thang đo nháp 2 và xây dựng bảng câu hỏi tiến hành phỏng vấn thử.
Sau khi phỏng vấn thử, tác giả tiến hành nghiên cứu định lượng với bản câu hỏi bao gồm: câu hỏi lọc, câu hỏi về nhân khẩu học và câu hỏi xác định mức độ bằng thang đo Likert với 5 mức độ chứa 29 biến quan sát của thang nháp 2. Trong đó: 25 biến quan sát các yếu tố tạo nên giá trị cảm nhận theo thang đo SERV- PERVAL được hiệu chỉnh cho phù hợp nghiên cứu và 4 biến quan sát ý định hành vi của khách hàng theo thang đo Pertrick (2004b:401) và Zeithaml et al. (1996:38)
Tác giả chọn mẫu theo nguyên tắc thuận tiện và phi xác suất. Kích thước mẫu tối thiểu là 5 mẫu cho 1 tham số cần ước lượng (Bollen, 1989). Với bảng câu hỏi sử dụng trong nghiên cứu này gồm 32 tham số, cỡ mẫu quan sát dự kiến là N > 5 x 29 = 145. Để đảm bào đủ số bản câu hỏi thu về đạt yêu cầu, tổng số bản câu hỏi phát ra là 300 bản.
Ở chương tiếp theo sẽ trình bày kết quả nghiên cứu bao gồm đánh giá lại thang đo, kiểm định lại mơ hình nghiên cứu và các giả thuyết.