CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
3.4 Phương pháp xử lý số liệu
Với tập dữ liệu thu về, sau khi hòan tất việc gạn lọc, kiểm tra, mã hóa, nhập liệu và làm sạch dữ liệu, sẽ tiến hành xử lý số liệu bằng phần mềm SPSS với một số phương pháp phân tích như sau:
3.4.1. Mơ tả mẫu
Phân tích này là phân tích thống kê tần số để mơ tả các thuộc tính của nhóm mẫu khảo sát như: loại hình doanh nghiệp, giới tính, độ tuổi, vị trí cơng tác, thâm niên.
3.4.2. Đánh giá độ tin cậy của thang đo
Công cụ phân tích đầu tiên mà tác giả muốn sử dụng là hệ số Cronbach’s Alpha để loại bỏ các biến có độ tin cậy của thang đo thấp vì những biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ,2011). Các tiêu chí thống kê được sử dụng trong phân tích này bao gồm: Loại biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0.4 và giá trị Cronbach’s Alpha nhỏ hơn 0.6 (Nguyễn Đình Thọ, 2011). Cụ thể: Cronbach’s Alpha > 0.8 thì độ tin cậy của thang đo là tốt, từ 0.7 đến 0.8 thì độ tin cậy của thang đo được sử dụng, từ 0.6 đến 0.7 là có thể sử dụng trong các nghiên cứu mới.
3.4.3. Phân tích nhân tố khám phá EFA
Các biến sau khi được kiểm định thang đo và loại bỏ các biến không đảm bảo độ tin cậy, sẽ được đưa vào phân tích nhân tố để xác định lại thang đo, điều này
sẽ giúp đánh giá chính xác hơn các thang đo, loại bỏ bớt các biến đo lường không đạt yêu cầu và làm cho thang đo đảm bảo tính đồng nhất. Phân tích nhân tố được hiểu là nhằm nhóm các biến ít tương quan với nhau thành các nhân tố mà các biến trong đó có sự tương quan với nhau hơn, từ đó hình thành các nhân tố đại diện nhưng vẫn mang đầy đủ thông tin so với số lượng biến ban đầu. Phân tích nhân tố bao gồm các bước:
Kiểm định sự thích hợp của phân tích nhân tố đối với các dữ liệu ban đầu bằng chỉ số KMO (Kaiser– Meyer– Olkin) và giá trị thống kê Barlett. Tiêu chuẩn đánh giá:
- Chỉ số KMO> 0.5
- Mức ý nghĩa quan sát nhỏ (sig< 0.05)
Các biến quan sát trong tổng thể có mối tương quan với nhau và phân tích nhân tố (EFA) là thích hợp.
Tiếp theo, phương pháp trích nhân tố và phương pháp xoay nhân tố sẽ được tiến hành để xác định số lượng các nhân tố được trích ra và xác định các biến thuộc từng nhân tố.
Tiêu chuẩn đánh giá:
- Chỉ những nhân tố nào có Eigenvalue lớn hơn 1 sẽ được giữ lại trong mơ hình phân tích, vì những nhân tố này có tác dụng tóm tắt thơng tin tốt hơn so với những nhân tố có Eigenvalue nhỏ hơn 1.
- Tổng phương sai trích lớn hơn 50% để chứng tỏ mơ hình trên phù hợp với dữ liệu phân tích.
- Hệ số Factor loading: là hệ số tương quan đơn giữa biến và nhân tố. Điều kiện: hệ số factor loading > 0.5. Biến sẽ thuộc nhân tố nào mà tại đó biến có hệ số factor loading lớn nhất. Những biến nào không thoả các tiêu chuẩn trên sẽ bị loại.
3.4.4. Phân tích tương quan- hồi quy
Để kiểm định mối quan hệ giữa các thành phần văn hóa cơng ty và lợi thế cạnh tranh của doanh nghiệp trong mô hình nghiên cứu, sử dụng phương pháp tương quan với hệ số tương quan Pearson (r). Giá trị r: -1 ≤ r ≤ +1.
Nếu r > 0 thể hiện tương quan đồng biến, ngược lại r < 0 thể hiện tương quan nghịch biến. Giá trị r = 0 chỉ ra rằng hai biến khơng có mối liên hệ tuyến tính.
│r│ → 1: quan hệ giữa hai biến càng chặt │r│ → 0: quan hệ giữa hai biến càng yếu
Mức ý nghĩa “sig” của hệ số tương quan, cụ thể như sau: < 5%: mối tương quan khá chặt chẽ
< 1%: mối tương quan rất chặt chẽ
Bước kế tiếp, sử dụng phương pháp hồi quy tuyến tính bội. Mục tiêu của phân tích hồi quy là nhằm xác định nhân tố quan trọng nhất, có tác động mạnh nhất đến biến phụ thuộc.
3.4.5. Kiểm định mơ hình hồi quy
- Thơng thường chúng ta không biết trước được mơ hình hồi quy có thích hợp khơng. Do đó chúng ta cần phải tiến hành dị tìm xem có bằng chứng nói rằng các giả định cần thiết bị vi phạm hay khơng. Ở đây chúng ta khảo sát sự thích hợp bằng cách xây dựng biểu đồ tần số của phần dư chuẩn hố, biểu đồ tần số P-P, đồ thị phân tán. Tiêu chuẩn để đánh giá sự thích hợp của mơ hình là giá trị trung bình Mean của phần dư chuẩn số nhỏ (0.00) và độ lệch chuẩn lớn (> 0.95).
- Hệ số phóng đại VIF khơng vượt q 10 để tránh hiện tượng đa cộng tuyến cho mơ hình hồi quy (Hồng Trọng, 2008).
- Hệ số xác định R và hệ số xác định điều chỉnh R2
3.4.6. Xác định mối liên hệ tuyến tính của các biến độc lập lên biến phụ thuộc.
Phương trình hồi quy chuẩn hóa: Y= f (X1, X2, X3, X4, X5, X6)
Tiêu chuẩn để xác định mối liên hệ tuyến tính này là dựa vào hệ số β, trị số tuyệt đối của hệ số này càng lớn thì liên hệ tuyến tính càng mạnh. Đồng thời mức ý nghĩa quan sát của các biến độc lập có quan hệ tuyến tính phải nhỏ.
3.4.7. Kiểm định sự khác biệt
Kiểm định trung bình tổng thể (T-test) và kiểm định phương sai (ANOVA) được dùng để so sánh sự khác biệt của các biến liên quan đến đặc điểm cá nhân của đối tượng khảo sát.
+ Nếu muốn so sánh giá trị trung bình của hai nhóm tổng thể riêng biệt ta thực hiện kiểm định giả thuyết về sự bằng nhau của hai trung bình tổng thể dựa trên hai mẫu độc lập rút ra từ hai tổng thển ày (Independent-Samples T-test).
+Nếu muốn mở rộng sự so sánh cho trị trung bình của nhiều nhóm tổng thể độc lập ta sử dụng phương pháp kiểm định giả thuyết về sự bằng nhau trung bình của nhiều tổng thể, gọi là phân tích phương sai (ANOVA).
Tóm tắt chương 3
Đề tài sử dụng đồng thời phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng. Tác giả chọn kích thước mẫu dự kiến là 255, điều chỉnh thang đo 30 biến quan sát cho 6 thành phần tạo nên văn hóa của thang đo văn hóa doanh nghiệp và 6 biến quan sát cho thang đo lợi thế cạnh tranh của doanh nghiệp. Đồng thời đưa ra phương pháp phân tích dữ liệu, thơng qua hệ số Cronbach’s Alpha và phân tích nhân tố EFA để kiểm định thang đo văn hóa doanh nghiệp và thang đo lợi thế cạnh tranh, phân tích hồi quy tuyến tính bội để xem xét độ tương quan giữa các biến độc lập và biến phụ thuộc, kiểm định T-test và ANOVA để so sánh sự khác biệt của các biếu quan sát liên quan đến đặc điểm nổi trội của các đối tượng khảo sát.