7. Cấu trúc của luận văn
3.5. Nghiên cứu chính thức (định lƣợng)
3.5.1.4. Xử lý và phân tích dữ liệu
Số liệu sau khi nhập xong được xử lý thông qua phần mềm SPSS 20 để hỗ trợ phân tích.
Phân tích thống kê mô tả: Kỹ thuật thống kê mô tả được sử dụng để mô tả
những đặc tính cơ bản của dữ liệu được thu thập như: giới tính, sản phẩm phần mềm kế tốn, loại hình doanh nghiệp, quy mơ nguồn vốn, chức vụ trong công ty.
Kiểm định và đánh giá thang đo: được đo lường qua hai phương pháp phân
tích là đánh giá độ tin cậy của thang đo Cronbach’s alpha và phân tích nhân tố khám phá EFA
+ Đánh giá độ tin cậy của thang đo qua hệ số Cronbach’s alpha: là hệ số được
ứng dụng phổ biến nhất khi đánh giá độ tin cậy của những thang đo đa biến (bao gồm từ 3 biến quan sát trở lên) Nguyễn Đình Thọ (2011). Hệ số này dùng để đo lường tính nhất quán của các biến quan sát trong một thang đo. Trong phân tích nhân tố, nhiều nhà nghiên cứu cho rằng hệ số Cronbach’s Alpha có giá trị từ 0.8 đến gần 1 là thang đo tốt (Munnally&Burnstein,1994), từ 0.7 đến 0.8 là sử dụng được (Peterson, 1994). Có nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0.6 trở lên là sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới đối với người trả lời trong bối cảnh nghiên cứu (Slater,1995). Trong nghiên cứu của mình, tác giả lấy mức hệ số Cronbach alpha > 0.7.
Khi kiểm tra từng biến đo lường người ta sử dụng hệ số tương quan biến tổng (Nguyễn Đình Thọ, 2011). Nếu một biến đo lường có hệ số tương quan biến tổng >= 0.3 thì biến đó đạt yêu cầu (Numallu& Burnstein, 1994). Quan sát cột “Cronbach's Alpha nếu loại biến”, nếu thấy giá trị của các biến trong cột này lớn hơn giá trị hệ số
Cronbach's Alpha thu được trước khi loại biến thì ta cịn có thể cải hiện hệ số Cronbach's Alpha bằng cách loại đi chính biến khi được chỉ định đó.
+ Phân tích nhân tố khám phá EFA: Phân tích nhân tố khám phá giúp ta đánh
giá hai giá trị đặc biệt quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Kỹ thuật phân tích nhân tố khám phá không xem xét mối quan hệ phân biệt giữa biến độc lập và biến phụ thuộc (Trọng & Ngọc, 2008) mà là xem xét mối quan hệ qua lại giữa tất cả các biến đưa vào phân tích.
Theo Nguyễn Đình Thọ (2011), 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 được xem là có ý nghĩa (Hair & ctg (1998, 111).
Kiểm định KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Chỉ số này nằm trong khoảng 0.5 < KMO < 1 chứng tỏ phân tích nhân tố là thích hợp với dữ liệu thực tế (Kaiser, 1974).
Kiểm định Bartlett dùng để xem xét tính tương quan giữa các biến quan sát. 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, dữ liệu thích hợp để phân tích nhân tố (Nhuyễn Đình Thọ, 2013). Điểm dừng khi trích nhân tố: chỉ có nhân tố nào có eigenvalues >= 1 mới được giữ lại. Ngoài ra, tại điểm eigenvalues >= 1, các nhân tố dược trích phải giải thích được tối thiểu 50% biến thiên của tập dữ liệu (Meyers và cộng sự, 2006).
Phân tích hồi quy
Phân tích tương quan dùng để kiểm tra xem các biến độc lập có tương quan với
biến phụ thuộc hay không.
Kiểm định đa cộng tuyến: Hiện tượng đa cộng tuyến được xem xét kiểm định thông qua hệ số phóng đại phương sai VIF và nếu VIF > 10 thì sẽ xảy ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hệ số R2 hiệu chỉnh để đánh giá mức độ phù hợp của mơ hình và giá trị này cho biết
trong tổng thể biến thiên của biến phụ thuộc thì sự biến thiên đồng thời của các biến độc lập giải thích được bao nhiêu phần trăm (Nguyễn Đình Thọ, 2013).
Lập phương trình hooif quy tuyến tính. Mối quan hệ đồng biến hay nghịch biến của các biến độc lập đến biến phụ thuộc được thể hiện thơng qua phương trình hồi quy có dạng như sau:
Y = β0+ β1X1+β2X2+ β3X3+ β4X4+...+ βkXk+
(Trong đó: β0: hằng số hồi quy, βi: trọng số hồi quy, : sai số)
Dị tìm các vi phạm giả định của mơ hình: Tác giả sử dụng đồ thị phân tán
Scatterplot để kiểm tra giả định liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc, đồ thị Histrogram và Q-Q Plot để kiểm định phân phối chuẩn phần dư. Cuối cùng, tác giả sử dụng hệ số Durbin – Watson để kiểm tra tính độc lập của phần dư, nếu hệ số này nằm trong khoảng từ 1 đến 3 thì khơng có hiện tượng tự tương quan giữa các phần dư, mơ hình có ý nghĩa.
KẾT LUẬN CHƢƠNG 3
Chương này trình bày phương pháp nghiên cứu nhằm đạt được mục tiêu đề ra qua hai bước:
Nghiên cứu sơ bộ bằng phương pháp định tính với kỹ thuật phỏng vấn nhằm bổ sung và hiệu chỉnh thang đo ban đầu.
Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng, dữ liệu thu thập trong qua bảng câu hỏi. Sau đó sử dụng phần mềm SPSS để phân tích các nhân tố, kiểm định thang đo, kiểm định sự phù hợp của mơ hình.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
Chương 4 trình bày các kết quả nghiên cứu, từ đó tác giả đưa ra các phân tích trong phần bàn luận.