mức độ đồng ý/không đồng ý của đối tượng khảo sát được trình bày ở bảng sau đây:
Bảng 3.3: Thang đo Likert 5 mức độ Rất không Rất khơng
đồng ý
Khơng đồng ý Trung hịa Đồng ý Rất đồng ý
1 2 3 4 5
Phần thông tin đáp viên: Phần này xác định thông tin của người tham gia
khảo sát: Tên đáp viên, số điện thoại, email vị trí cơng việc, cơng ty đang làm việc, ngành nghề của công ty đang làm việc, địa điểm, quy mô lao động.
3.3. Thiết kế nghiên cứu định lượng. 3.3.1 Thiết kế mẫu nghiên cứu. 3.3.1 Thiết kế mẫu nghiên cứu.
Trong nghiên cứu này mẫu được chọn theo phương pháp lấy mẫu thuận tiện phi xác suất.
Theo Hair và cộng sự (1998), để có thể phân tích nhân tố khám phá (EFA) tốt thì cần thu thập bộ dữ liệu với ít nhất 5 mẫu nghiên cứu trên một biến quan sát, cỡ mẫu tối thiểu là n ≥ 5m (n là số mẫu khảo sát , m là tổng số biến quan sát).
Trong đề tài có 31 biến quan sát, vì vậy số lượng bảng khảo sát tối thiểu là 31 X 5= 155. Khi kích thước mẫu càng lớn thì độ chính xác của kết quả nghiên cứu càng cao. Do đó, tác giả sẽ cố gắng thu càng nhiều bảng khảo sát càng tốt và số lượng bảng khảo sát đạt được phải trên mức tối thiều là 155.
Trong nghiên cứu này, để đảm bảo số bảng trả lời hợp lệ tối thiểu là 155, tác giả đã quyết định kích thước mẫu khảo sát chính thức là 250.
3.3.2 Phương pháp điều tra lấy mẫu.
Việc thu thập dữ liệu được thực hiện thông qua phương pháp khảo sát bằng bảng câu hỏi đã chuẩn bị trước. Việc khảo sát được thực hiện được tiến hành bằng 2 cách:
Gửi bảng câu hỏi được in giấy, rồi phát trực tiếp cho người được phỏng vấn sau đó thu lại sau khi họ trả lời xong. Số lượng bảng câu hỏi thu được trên số lượng phát ra là: 15/250 (6%). 15 người này có tác giả có điều kiện gặp mặt trực tiếp. Danh sánh 15 người này nằm là 15 người đầu tiên trong phụ lục 4.
Gửi email bảng câu hỏi trực tuyến đến người phỏng vấn, và thu kết quả trực tuyến khi họ trả lời xong: 235/250 (94%)
3.3.3 Kỹ thuật phân tích định lượng.
Khi có được kết quả khảo sát như bảng câu hỏi đã chuẩn bị trước, tác giả tiến hành mã hóa các câu hỏi khảo sát và nhập liệu vào phẩn mềm SPSS 20.0. Sau đó, tác giả tiến hành phân tích kết quả nghiên cứu.
Thực hiện thống kê mô tả dữ liệu thu thập được.
Tiến hành đánh giá thang đo bằng hệ số Cronbach’s Alpha. Để thực hiện
việc phân tích dữ liệu chính xác, thì các thang đo phải đảm bảo được nó có thể đo lường được cái cần đo lường. Nhằm xác định thang đo có chính xác hay khơng, có thể sử dụng hệ số Cronbach’s Alpha để thực hiện việc này. Để tính hệ số Cronbach’s Alpha cho một thang đo thì thang đo phải có tối thiểu ba biến đo lường. Hệ số Cronbach’s Alpha có giá trị biến thiên từ 0 đến 1. Giá trị hệ số Cronbach’s Alpha càng lớn càng tốt, tuy nhiên nếu nó lớn hơn 0,95 thì cho thấy có nhiều biến có nội dung khơng có khác biệt gì nhau. Một thang đo có độ tin cậy tốt khi nó biến thiên trong khồng [0,75;0,95]. Nếu hệ số Cronbach’s Alpha ≥0,6 thì thang đo đó chấp nhận được về mặt dộ tin cậy. Những biến có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại (Nguyễn Đình Thọ, 2013).
Thực hiện phân tích nhân tố khám phá EFA. Sau khi đánh giá thang đo bằng
hệ số Cronbach’s Alpha, tiếp tục sử dụng phương pháp phân tích nhân tố khám phá EFA để đánh giá giá trị hội tụ và giá trị phân biệt của thang đo (Nguyễn Đình Thọ, 2013). Các tham số thơng kê trong phân tích nhân tố khám phá EFA là:
Chỉ số Kaiser-Meyer- Olkin (KMO): là một chỉ số dùng để xem xét sự
thích hợp của phân tích nhân tố. Trị số của KMO lớn (từ 0,5 đến 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu
Kiểm định Barlett: Chỉ số Barlett là một đại lượng dùng để xem xét các
biến khơng có tương quan trong một tổng thể. Điều kiện cần để phân tích nhân tố đó là các biến phải có tương quan với nhau. Do đó, kiểm định cho thấy khơng có ý nghĩa thống kê thì khơng nên dùng phân tích nhân tố cho các biến đang xem xét. Lúc đó các biến đo lường có thể được xem là các nhân tố thực sự (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Kiểm định này có ý nghĩa thống kê khi mức ý nghĩa sig.<0,05 có thể kết luận các biến có tương quan trong tổng thể.
Ma trận tương quan Correlation Matrix: cho biết hệ số tương quan giữa
tất cả các cặp biến trong phân tích (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Tiêu chí Eigenvalue và tiêu chí điểm gãy: đây là hai nhân tố thường dược
sử dụng để xác định số lượng nhân tố. Số lượng nhân tố được xác định tại nhân tố có Eigenvalue tối thiểu bằng 1 đối với tiêu chí Eigenvalue, cịn đối với tiêu chí điểm gãy thì sẽ được xác định để điểm thay đổi đột ngột độ dốc (Nguyễn Đình Thọ, 2013)
Hiệu chỉnh mơ hình.
Xem xét mối tương quan của các biến thành phần: Khi phân tích hồi quy
tuyến tính, các mối tương quan tuyến tính giữa tất cả các biến cần được kiểm tra trước để đánh giá mối quan hệ giữa các biến định lượng. Hệ số tương quan Pearson được sử dụng để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của r tiến đến gần 1 khi 2 biến có mối tương quan tuyến tính chặt chẽ (Hồng Trọng và Chu Nguyễn Mộng Ngọc , 2008).
Phân tích hồi quy tuyến tính: Phân tích hồi quy bội là một kỹ thuật thống kê
độc lập (Hoàng Trọng và Chu Nguyễn Mộng Ngọc , 2008). Mơ hình có dạng như sau:
Yi=β0 +β1X1i+β1X1i+β2X2i +…….+βpXpi+ ei Ký hiệu Xpi biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i. Các hệ số βp được gọi là hệ số hồi quy riêng phần.
Thành phần ei là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai khơng đổi σ2.
Q trình hồi phân tích quy tuyến tính được tiến hành theo các bước sau:
Kiểm tra phân tích kết quả hồi quy, các giả định hồi quy tuyến tính cần được kiểm tra: Giả định liên hệ tuyến tính, khơng có hiện tượng đa cộng tuyến
giữa các biến độc lập, phương sai của phần dư khơng đổi, các phần dư có phân phối chuẩn, khơng có hiện tương quan các phần dư:
Giả định liên hệ tuyến tính được kiểm định thơng qua đồ thị phân
tán giữa các phần dư và giá trị dự đốn của mơ hình hồi quy tuyến tính (Hồng Trọng và Chu Nguyễn Mộng Ngọc , 2008).
Kiểm tra khơng có hiện tượng đa cộng tuyến giữa các biến độc lập: Để kiểm tra hiện tượng đa cộng tuyến thì ta dựa vào hệ số
phóng đại phương sai VIF, nếu hệ số VIF lớn hơn 10, thì có dấu hiệu của đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm tra phương sai của phân phối phần dư là khơng đổi: Nếu
mơ hình hồi quy có nhiều biến giải thích thì kiểm định tương quan hạng Spearman có thể tính giá trị tuyệt đối của phần dư với từng
(0,05) thì phương sai của phân phối phần dư là khơng đổi (Hồng Trọng và Chu Nguyễn Mộng Ngọc , 2008).
Kiểm tra các phần dư có phân phối chuẩn: Phần dư có thể khơng
tn theo phân phối chuẩn vì những lý do: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… Vì vậy, để khảo sát phân phối của phần dư thì sử dụng biểu đồ Histogram, biểu đồ tần số Q-Q, biểu đồ P-P, kiểm định Kolmogrov Hoàng Trọng và Chu Nguyễn Mộng Ngọc , 2008).
Kiểm tra khơng có sự tương quan giữa các phần dư: Theo Hoàng
Trọng và Chu Nguyễn Mộng Ngọc (2008) đại lượng thống kê Durbin-Watson (d) có thể dùng để kiểm định tương quan của các sai số kề nhau. Giả thuyết khi tiến hành kiểm định này là: Hệ số tương quan tổng thể của phần dư bằng 0. Đại lượng d có giá trị biến thiên từ 0 đến 4. Nếu các phần dư khơng có tương quan bậc nhất với nhau, giá trị d sẽ gần bằng 2. Giá trị d thấp và nhỏ hơn 2 có nghĩa là phần dư gần nhau có tương quan thuân. Giá trị d lơn hơn 2 và gần 4 có nghĩa là các phần dư có tương quan nghịch.
Kiểm định sự phù hợp của mơ hình hồi quy: Theo Hoàng Trọng và Chu
Nguyễn Mộng Ngọc (2008), một thước đo sự phù hợp của mơ hình tuyến tính thường dùng là hệ số xác định R2 và hệ số xác định R2 hiệu chỉnh. Dùng hệ số xác định R2 hiệu chỉnh đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phịng sự phù hợp của mơ hình. Hơn nữa, kiểm định F được dùng trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính. Ý nghĩa của kiểm định này về mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc là nó xem xét biến phụ thuộc có liên hệ tuyến tính với tồn bộ biến độc lập hay khơng. Giả thuyết:
H0: β1= β2= β3=…..= βk=0
Nếu mức ý nghĩa sig. < 0,05 thì ta bác bỏ ta bác bỏ H0 và kết luận là kết hợp các biểu hiện trọng mơ hình có thể giải thích được sự thay đổi của biến phụ thuộc, điều này có ý nghĩa là mơ hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
Tóm tắt chương 3: Trong chương này, đầu tiên tác giả trình bày quy trình nghiên
cứu. Tiếp theo, từ thang đo sơ bộ ban đầu tác giả tiến hành nghiên cứu định tính bằng việc phỏng vấn tay đơi với các 10 chuyên gia. Từ kết quả nghiên cứu định tính, tác giả hồn thành bảng thang đo chính thức và thiết kế bảng câu hỏi khảo sát chính thức. Đồng thời, tác giả tiến hành thiết kế nghiên cứu định lượng làm cơ sở cho việc phân tích kết quả nghiên cứu ở chương 4.
Chương 4. PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Chương 4 này cũng trình bày thơng tin chung về mẫu nghiên cứu, kiểm định thang đo, sau đó thực hiện phân tích hồi quy để đo lường ảnh hưởng của các yếu tố: giá cả cảm nhận, trình độ kỹ thuật của cơng ty thử nghiệm, uy tín thương hiệu, thời gian thử nghiệm, quy trình phối hợp, dịch vụ khách hàng ảnh hưởng đến quyết định lựa chọn.
4.1. Thống kê mô tả mẫu nghiên cứu theo các đặc tính
Với 250 bảng câu hỏi phát ra, kết quả thu về được 211 bảng . Sau khi loại bỏ ba phiếu trả lời không đạt yêu cầu (phiếu trả lời thiếu nhiều thơng tin, hoặc có trên một trả lời cho một câu hỏi, hoặc có cơ sở để xác định khơng đáng tin cậy), số bảng hỏi cịn lại là 208 bảng (bảng 4.1).