3.5.1 Làm sạch dữ liệu
Để nghiên cứu có thể lựa chọn quan sát tương đồng, tác giả tiên lượng những sai lệnh có thể xảy ra về đưa ra biện pháp kiểm soát như sau:
Sai lệch:
- Sai lệch chọn mẫu: chọn sai đối tượng, không đúng tiêu chí chọn mẫu.
- Sai lệch thông tin: người tham gia nghiên cứu không hiểu hoặc hiểu nhầm câu hỏi
- Khả năng không lấy đủ mẫu do bệnh nhân không thực hiện hết số lượng bộ câu hỏi được phát ra và không ghi đầy đủ hết những câu hỏi trong bảng khảo sát.
Biện pháp kiểm soát:
- Nghiên cứu chỉ lấy mẫu là bệnh nhân thăm khám và điều trị tại khoa Nội tiết và được chẩn đoán đái tháo đường tuýp 2
- Bộ câu hỏi được thiết kế rõ ràng, câu chữ thông dụng, đơn giản. Khảo sát thử trên 10 bệnh nhân để góp ý, chỉnh sửa
- Số lượng bảng khảo sát được phát nhiều hơn so với dự kiến, nghiên cứu phát ra 200 bảng khảo sát.
Sau khi đã loại trừ tất cả những quan sát khơng đạt tiêu chí nghiên cứu, tác giả bắt đầu đánh giá độ tin cậy của từng câu hỏi bằng phép kiểm Cronbach’s Alpha đồng thời đánh giá giá trị phân biệt (phân tích giá trị hội tụ - EFA) của thang đo nhằm xác định các câu hỏi có thuộc cùng một nội dung khi được phân bổ. Tác giả thống kê dữ liệu vào Microsoft exel 2010 dựa vào tiêu chí chọn mẫu và sử dụng Stata 12 để xử lý số liệu tìm sự tương quan.
3.5.2 Kiểm định độ tin cậy của thang đo
Một trong những mục tiêu của đề tài này là xây dựng và kiểm định độ tin cậy của các thang đo của từng nhân tố ảnh hưởng đến ý định tham gia nghiên cứu lâm sàng. Tác giả đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha, nhằm đánh giá độ hội tụ của thang đo.
Các thang đo bằng hệ số Cronbach’s Alpha: phân tích hệ số Cronbach’s Alpha được sử dụng trước để loại các biến khơng phù hợp. Các biến có hệ số tương quan biến tổng nhỏ hơn 0.30 và thành phần thang đo có hệ số Cronbach’s Alpha nhỏ hơn 0.60 được xem xét loại (Hoàng Trọng và Chu Mộng Ngọc, 2008).
Về giá trị của Cronbach’s alpha, Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, tập 2, trang 24) cho rằng: “Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnalyy, 1978; Peterson, 1994, Slater,1995).
3.5.3 Phân tích nhân tố khám phá
Phân tích nhân tố khám phá (EFA) là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Phân tích nhân tố giúp thu gọn các biến quan sát thành những nhóm biến, các biến trong nhóm có quan hệ mật thiết với nhau, mỗi nhóm đo lường một yếu tố riêng; các biến quan sát có thể bị tách ra hay nhập vào thành những nhóm mới so với mơ hình ban đầu.Trong nghiên cứu này, phương pháp phân tích EFA được sử dụng để xác định độ phân biệt (discriminant) của thang đo. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, tập 2, trang 30-31), các tham sốcơ bản trong phép phân tích này gồm có:
- Chỉ số Kaiser-Meyer-Olkin (KMO): là một chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp. Nếu chỉ số KMO nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Hệ số tải nhân tố (Factor loadings) là những hệ số tương quan đơn giữa các biến và các nhân tố, hệ số này lớn hơn 0.5 (Hair và cộng sự, 1998).
phép quay “Varimax” được sử dụng trong phân tích nhân tố thang đo các thành phần độc lập.
- Hệ số Eigenvalue: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Những chỉ số nhân có có Eigenvalue >1 mới được giữ lại trong mơ hình phân tích, các nhân tố có Eigenvalue <1 sẽ bị loại khỏi mơ hình.
3.5.4 Phân tích tương quan – hồi quy
Sau khi xây dựng các thang đo thích hợp, tiến hành phân tích hồi quy tuyến tính đa biến bằng phương pháp bình phương nhỏ nhất thơng thường (Ordinal Least Squares - OLS), trong đó biến phụ thuộc là 06 biến các yếu tố ảnh hưởng, biến độc lập là ý định tham gia nghiên cứu lâm sàng.
Y= ß0 + ß1X1+ ß2X2+ ß3X3+ ß4X4+ ß5X5+ ß6X6+e Trong đó: Y: ý định tham gia nghiên cứu lâm sàng
X1-X6: các yếu tố ảnh hưởng đến ý định tham gia nghiên cứu lâm sàng
ß0 – ß6: hằng số và các hệ số hồi quy e: phần dư
- Cuối cùng, nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuối cùng là phù hợp, một loạt các dị tìm sự vi phạm của giả định cần thiết trong hồi quy tuyến tính cũng được thực hiện. Các giả định được kiểm định trong phần này gồm phương sai của phần dư không đổi (kiểm định Breusch- Pagan), hiện tượng đa cộng tuyến (hệ số phóng đại VIF).
3.5.5 Kiểm định sự khác biệt cho các biến định tính
Kiểm định sự giống nhau về trung bình của các tổng thể con: Có hay khơng sự khác nhau về ý định tham gia nghiên cứu lâm sàng giữa các nhóm bệnh nhân chia theotuổi, giới tính, trình độ học vấn, nghề nghiệp, lĩnh vực nghề nghiệp, thu nhập.
Để kiểm định sự bằng nhau về ý định tham gia nghiên cứu lâm sàng của các tổng thể con chia theo đặc điểm nhất định các kiểm định tham số và phi tham số đã được sử dụng. Dùng kiểm định Independent samples T-Test và kiểm định Mann-Whitney để kiểm định sự bằng nhau về ý định tham gia nghiên cứu lâm sàng giữa nam và nữ.
Tương tự, để kiểm định sự bằng nhau về hành vi an toàn giữa các tổng thể con chia theo tuổi, trình độ học vấn, nghề nghiệp, lĩnh vực nghề nghiệm, thu nhậpbằng phương pháp kiểm định ANOVA.