CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
3.4. NGHIÊN CỨU ĐỊNH LƯỢNG:
3.4.4. Phương pháp nghiên cứu định lượng và kiểm định kết quả nghiên cứu:
Trình tự tiến hành phân tích dữ liệu được thực hiện như sau:
(1) Chuẩn bị thông tin: tập hợp các phiếu trả lời, loại bỏ các phiếu không hợp
lệ như người được khảo sát trả lời thiếu câu hỏi hoặc dừng khảo sát ngay tại phần câu hỏi gạn lọc. Sau đó mã hóa các biến, nhập liệu và phân tích dữ liệu bằng phần mềm SPSS 20.0.
(2) Thống kê mô tả dữ liệu.
(3) Đánh giá độ tin cậy của các thang đo (Cronbach’s Alpha):
Hệ số Cronbach’s Alpha dùng để kiểm định thống kê đo lường mức độ tin cậy của thang đo và đánh giá các biến quan sát có tương quan với nhau khơng. Từ đó ta loại ra những biến không đạt yêu cầu nhằm hạn chế biến rác trong quá trình nghiên cứu.
Đánh giá độ tin cậy của các thang đo bằng hệ số Cronbach’s Alpha trước khi đi vào phân tích nhân tố khám phá EFA nhằm loại đi các biến khơng phù hợp (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Một thang đo đạt yêu cẩu cần thỏa mãn những tiêu chí sau:
Giá trị của hệ số Cronbach’s Alpha:
Từ 0.8 đến 1: thang đo lường được đánh giá là rất tốt
Từ 0.7 đến 0.8: thang đo lường được đánh giá là tốt
Từ 0.6 trở lên: thang đo sử dụng được
Ta tiến hành chọn thang đo có hệ số tin cậy Cronbach’s Alpha lớn hơn 0.6
Hệ số tương quan biến - tổng (Corrected Item – Total Correlation) nhỏ hơn 0.3 thì biến quan sát bị loại khỏi mô hình. Đồng thời, xem xét hệ số Cronbach’s Alpha khi loại biến (Cronbach's Alpha if Item Deleted) phải nhỏ hơn hơn hệ số Cronbach’s Alpha của thang đo, nếu lớn hơn ta cũng tiến hành loại biến.
(4) Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis):
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là phương pháp phân tích thống kê nhằm đánh giá tính chất hội tụ và tính phân biệt của thang đo,
tiến hành gom tập dữ liệu gồm nhiều biến quan sát thành một nhóm để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của biến ban đầu.
Phương pháp:
Tác giả sử dụng sử dụng phương pháp trích yếu tố Principal Components và phép quay Varimax để phân tích các nhóm nhân tố cho thang đơn hướng. Thang đo đạt yêu cầu khi tổng phương sai trích được có giá trị lớn hơn hoặc bằng 50% (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011). Sau đó tiến hành xem xét các chỉ số sau:
Hệ số tải nhân tố (Factor Loading): thể hiện mối tương quan giữa các biến quan sát và nhân tố, cho biết sự liên hệ chặt chẽ giữa các biến với nhau. Hệ số này phải có giá trị lớn hơn hoặc bằng 0.5, nếu biến nào có Factor Loading nhỏ hơn 0.5 ta loại biến quan sát đó (Nguyễn Đình Thọ, 2011).
Hệ số KMO (Kaiser – Mayer – Olkin) nằm trong khoảng 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp.
Kiểm định Barlett có ý nghĩa thống kê khi giá trị Sig < 0.5, ta Bác bỏ giả huyết Ho – Khơng có sự tương quan giữa các biến trong tổng thể. Ta kết luận rằng các biến quan sát có tương quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Điểm dừng khi trích các nhân tố có hệ số Eigenvalues có giá trị lớn hơn 1 (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) để chứng tỏ nhân tố rút ra có ý nghĩa tóm tắt thơng tin tốt.
Tổng phương sai trích yêu cầu lớn hơn hoặc bằng 50% (cho biết các nhân tố được trích giải thích % sự biến thiên của các biến quan sát) thì thang đo được chấp nhận.
Ngoài ra chênh lệch hệ số tải nhân tố giữa các nhân tố của một biến quan sát phải lớn hơn hoặc bằng 0.3 để tạo giá trị phân biệt.
Phân tích tương quan Pearson’s: nhằm xác định mối quan hệ có ý nghĩa thống kê giữa các biến hay đo mức độ kết hợp tuyến tính giữa các biến trước khi tiến hành phân tích hồi qui tiếp theo.
Phân tích hồi qui tuyến tính bội: tiến hành kiểm định các giả thuyết thống kê
trong mơ hình với mức ý nghĩa 5%, sử dụng các nhân tố đã được trích trong phân tích nhân tố khám phá EFA. Mơ hình hồi qui tuyến tính bội được dùng để kiểm định và giải thích mối quan hệ nhân quả giữa biến độc lập và biến phụ thuộc (Cooper và Schindler, 2003), kiểm định các giả thuyết của mơ hình nghiên cứu và dự báo các giá trị của tổng thể nghiên cứu. Ta xem xét các yêu cầu sau:
Hệ số R2 hiệu chỉnh (Adjusted R square): đo lường tỷ lệ % sự biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mơ hình.
Đại lượng thống kê Durbin – Watson được dùng để kiểm định tương quan chuỗi bậc nhất. Đại lượng d có giá trị dao động trong khoảng từ 0 đến 4, nếu các phần dư khơng có tương quan, giá trị d sẽ gần bằng 2.
Kiểm định F với giá trị Sig < 0.05 thì mơ hình hồi quy tuyến tính này phù hợp với tổng thể.
Hệ số phóng đại phương sai (VIF – Variance Inflation Factor) dùng để đo lường hiện tượng đa cộng tuyến. Thông thường, nếu VIF của một biến độc lập nào đó >10 thì xảy ra hiện tượng đa cộng tuyến, nếu VIP < 2 thì khơng có hiện tượng đa cộng tuyến xảy ra.
Kiểm định phần dư chuẩn hóa của mơ hình để đảm bảo phần dư chuẩn hóa có dạng phân phối chuẩn với tất cả các biến độc lập. Cách kiểm định là vẽ đường cong chuẩn hóa có dạng hình chng như phân phối chuẩn với giá trị Mean xấp xỉ 0 và giá trị độ lệch chuẩn xấp xĩ 1 thì xem như phần dư có phân phối gần chuẩn.
Viết phương trình hồi qui tuyến tính, tác giả sử dụng mơi hình hồi qui bội có dạng:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + α Trong đó:
β0: hằng số hồi qui βi: trọng số hồi qui
Xi: các nhân tố tác động đến quyết định mua mỹ phẩm trực tuyến. α là sai số
(6) Kiểm định ANOVA:
Kiểm định ANOVA nhằm kiểm định sự khác biệt từ 3 nhóm trở lên, đó là: độ tuổi, thu nhập, nghề nghiệp của khách hàng.
TĨM TẮT CHƯƠNG 3
Chương 3 trình bày chi tiết phương pháp thực hiện nghiên cứu, quá trình nghiên cứu được thực hiện qua hai bước chính là nghiên cứu sơ bộ và nghiên cứu chính thức. Trình bày các phần liên quan đến quá trình nghiên cứu định tính và nghiên cứu định lượng như: xây dựng bảng câu hỏi phỏng vấn, thiết kế mẫu, thu thập dữ liệu, giới thiệu kỹ thuật và yêu cầu cho việc phân tích dữ liệu.