CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.1.2 Các bước thực hiện nghiên cứu
Sau khi tiến hành khảo sát, thu thập ý kiến, phần mềm SPSS sẽ được sử dụng kết hợp với việc sử dụng mơ hình EFA nhằm phân tích mức độ ảnh hưởng của các nhân tố rào cản đến q trình áp dụng cơ sở kế tốn dồn tích vào các đơn vị HCSN, trình tự các bước thực hiện như sau: kiểm định thang đo bằng hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA. Sau khi kiểm định thang đo, tác giả sẽ tiến hành kiểm định giả thuyết và mơ hình nghiên cứu bằng phương pháp phân tích tương quan, phân tích hồi quy tuyến tính.
3.1.2.1 Kiểm định thang đo
Thang đo sẽ được đánh giá thông qua hệ số độ tin cậy Cronbach’s Alpha. Hệ số này được dùng để đo lường tính nhất quán của các biến trong cùng một nhóm khái niệm (Nguyễn Đình Thọ, 2011), từ đó xác định độ khơng phù hợp của các biến trước khi tiến hành phân tích EFA. Cũng theo Nunnally và Peteeson (1994), thang đo được đánh giá là sử dụng được đòi hỏi thỏa mãn đồng thời 02 điều kiện:
+ Hệ số Cronbach’s Alpha của tổng thể bắt buộc phải lớn hơn 0,6. Cụ thể như sau: - 0,0 ≤ Cronbach’s Alpha 0,6: loại bỏ biến quan sát
- 0,6 ≤ Cronbach’s Alpha 0,7: chấp nhận, nhưng chưa tốt. - 0,7 ≤Cronbach’s Alpha 0,8: tốt
- 0,9 <Cronbach’s Alpha ≤1,0: chấp nhận, nhưng cũng chưa tốt.
+ Hệ số tương quan biến tổng (corrected item – total correlaton) phải lớn hơn 0,3. Nếu hệ số này nhỏ hơn 0,3 sẽ được coi là biến rác và loại khỏi mơ hình.
3.1.2.2 Phân tích nhân tố khám phá EFA
Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, có nghĩa phương pháp này dựa vào mối tương quan giữa các biến với nhau. Theo đó, EFA là một phương pháp thống kê phân tích nhằm rút gọn một tập hợp các biến quan sát thành một tập hợp các nhân tố có ý nghĩa hơn với số nhân tố nhỏ hơn số biến quan sát ban đầu (Nguyễn Đình Thọ, 2011).
Mục đích của việc phân tích EFA là nhằm loại nhân tố giả, đánh giá độ tin cậy đối với các giá trị thang đo, khám phá (thang đo mới) cũng như khẳng định (điều chỉnh thang đo đã có). Để có thể thực hiện phân tích EFA, tác giả sẽ tiến hành các kiểm định sau nhằm thỏa mãn các điều kiện của phương pháp phân tích EFA:
+ Kiểm định tính thích hợp của EFA: Thước đo KMO (Kaiser – Meyer – Olkin measure) là chỉ số xem xét sự thích hợp của phân tích nhân tố, điều kiện là chỉ số KMO phải lớn hơn 0.5 (Nguyễn Đình Thọ, 2011).
+ Kiểm định tính tương quan giữa các biến quan sát: sử dụng kiểm định Bartlett để xem xét từ chối giả thuyết H0 hay không, nghĩa là các biến có quan hệ với nhau hay khơng. Nếu kiểm này có ý nghĩa thống kê (Sig < 0,05) thì các biến quan sát có mối tương quan với nhau trong mỗi nhân tố (Trọng và Ngọc, 2008).
+ Kiểm định phương sai trích (% cumulative variance): tiêu chuẩn được chấp nhận là phương sai trích lớn hơn 0,5 trong bảng tổng hợp phương sai giải thích (total variance explained).
Như vậy, tóm lại là tất cả các biến sẽ phải đáp ứng đủ 04 điều kiện về kiểm định: kiểm định hệ số Cronbach’s Alpha, kiểm định KMO, kiểm định tính tương quan và kiểm định phương sai trích. Nếu có bất cứ biến quan sát nào khơng đáp ứng đủ 04 điều kiện này thì sẽ bị loại ra khỏi mơ hình; sau đó tiếp tục thực hiện kiểm định cho các biến còn lại cho đến khi chỉ còn lại các biến đáp ứng cả 04 điều kiện kiểm định nêu trên. Khi đó, việc thực hiện phân tích EFA sẽ được tiến hành cho 02 nhóm là nhóm biến độc lập và nhóm biến phụ thuộc.
3.1.2.3 Phân tích tương quan
Bước thứ 3 này nhằm kiểm định mối tương quan giữa các biến: + Mối tương quan giữa biến phụ thuộc và các biến độc lập, + Mối tương quan giữa các biến độc lập với nhau.
Công cụ được sử dụng để thực hiện bước phân tích này là hệ số tương quan Pearson. Xét về mặt ý nghĩa, hệ số này thể hiện mức độ tương quan của các biến. Theo đó, giá trị tuyệt đối của hệ số này càng gần 1,0 thì hai biến này có tương quan càng chặt chẽ. (Trọng và Ngọc, 2008)
3.1.2.4 Phân tích hồi quy tuyến tính
Sau khi kết luận các biến có mối liên hệ tuyến tính thì có thể mơ hình hóa mối quan hệ nhân quả của các biến này bằng mơ hình hồi quy tuyến tính. Bước phân tích hồi quy này được sử dụng để dự đoán giá trị của biến phụ thuộc dựa vào những giá trị của biến độc lập. Sử dụng phân tích ANOVA và R2 để giải thích mức độ phù hợp của mơ hình nghiên cứu.