Nghiên cứu sử dụng các kỹ thuật và phân tích số liệu dựa trên SPSS: Thống kê mơ tả, phân tích sự tương quan, phân tích độ tin cậy, phân tích nhân tố, phân tích hồi quy, kiểm định giả thuyết…
Nghiên cứu này sử dụng những lý thuyết cơ bản về phân tích số liệu SPSS và nguồn được tác giả lấy từ dữ liệu trực tiếp trên Internet của nhóm MBA Bách Khoa – Hỗ trợ SPSS6. Thơng tin chi tiết xin xem ở Tài liệu tham khảo
3.7.1 Phân tích độ tin cậy Cronbach’s Alpha
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Khi kiểm định độ tin cậy Cronbach’s Alpha, ta phải loại dần biến quan sát không phù hợp cho tới khi nào các biến quan sát được dùng trong mơ hình đảm bảo độ tin cậy.
- Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
- Các biến quan sát có tương quan biến - tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
3.7.2 Phân tích nhân tố khám phá EFA
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất. Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:
- Hệ số tải nhân tố (Factor loading) > 0.5: 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser- Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.
- Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
- Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
3.7.3 Phân tích hồi quy
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi quy đa biến để kiểm định mơ hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.
Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
Xác định mức độ ảnh hưởng của: yếu tố có hệ số beta càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mơ hình nghiên cứu.
3.7.4 Phân tích ANOVA
Phân tích phương sai một yếu tố (Oneway Anova) dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%.
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn or cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
Mục đích của chương nhằm trình bày kết quả nghiên cứu của phân tích dữ liệu để kiểm định thang đo và mơ hình đề xuất nghiên cứu. Từ kết quả của dữ liệu được thu thập như ở chương trước, chương này sẽ tiến hành phân tích dữ liệu bằng phân tích độ tương quan, phân tích thống kê, phân tích độ tin cậy, phân tích nhân tố, phân tích hồi quy và kiểm định các giả thuyết mà tác giả đã đưa ra. Phương pháp kiểm định thực hiện thông qua phần mềm SPSS.