CHƯƠNG 3 : THIẾT KẾ NGHIÊN CỨU
3.3. Thiết kế nghiên cứu định lượng:
3.3.3. Phương pháp nghiên cứu định lượng và kiểm định kết quả nghiên
Dữ liệu sau khi được thu thập sẽ được làm sạch, mã hóa và nhập liệu để sử dụng cho các phân tích dữ liệu thơng qua phần mềm SPSS phiên bản 22.0. Các bước phân tích được tiến hành như sau:
Thống kê mô tả dữ liệu.
Kiểm định độ tin cậy của các thang đo (Cronbach’s Alpha): nhằm kiểm định
độ tin cậy của thang đo để loại các biến khơng phù hợp. Các biến có hệ số tương quan biến tổng (item – correlation) nhỏ hơn 0,3 sẽ bị loại. Theo nhiều nhà nghiên cứu, Cronbach’s Alpha từ 0,8 trở lên là thang đo lường tốt. Tuy nhiên, Hoàng Trọng và Chu Nguyễn Mộng Ngọc bổ sung rằng trong trường hợp khái niệm đang nghiên cứu là mới hoặc là mới đối với người trả lời trong bối cảnh nghiên cứu thì có thể chấp nhận được Cronbach’s Alpha từ 0,6 trở lên. Ngoài ra, hệ số Cronbach’s Alpha khi loại biến phải nhỏ hơn hệ số Cronbach’s Alpha của thang đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 24).
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis): Phân tích nhân tố là một phương pháp phân tích thống kê dùng để rút gọn một tập 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.
Tác giả sử dụng phép trích Principle Component, sử dụng phép xoay Varimax để phân nhóm các yếu tố. Sau đó, tiến hành xem xét các chỉ số sau:
Hệ số tải nhân tố (Factor loading) là chỉ số thể hiện sự tương quan giữa các biến
và nhân tố, hệ số này cho biết sự liên hệ chặt chẽ giữa các biến với nhau. Hệ số này phải thỏa điều kiện lớn hơn 0.5 (Nguyễn Đình Thọ, 2011).
Hệ số KMO (Kaiser-Mayer-Olkin) thỏa điều kiện 0,5≤ KMO≤ 1 để đảm bảo
phân tích nhân tố thích hợp với dữ liệu nghiên cứu.
Kiểm định Barlett xem xét giả thuyết H0 là tương quan giữa các biến quan sát
bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (sig<0,05) thì bác bỏ giả thuyết H0, tức là các biến quan sát có tương quan với nhau. Điều này chứng tỏ dữ liệu thích hợp để phân tích nhân tố. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Điểm dừng khi trích các nhân tố có hệ số eigenvalue (đại diện cho phần biến
thiên được giải thích bởi mỗi nhân tố) phải lớn hơn 1 để chứng tỏ nhân tố rút ra có ý nghĩa tóm tắt thơng tin tốt (Gerbing và Anderson, 1998).
Thang đo được chấp nhận với tổng phương sai trích bằng hoặc lớn hơn 50%
(Nunnally & Bernstein, 1994, trích từ Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2004).
Ngoài ra khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố lớn
hơn hoặc bằng 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al- Tamimi, 2003).
Phân tích hồi quy.
Phân tích tương quan : đây là phân tích tương quan Pearson’s (vì các biến được
đo bằng thang đo quảng) để xác định các 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: tác giả sử dụng phương pháp Enter (phương
pháp đưa cùng lúc tất cả các biến vào để phân tích). Các bước cụ thể như sau:
Đại lượng thống kê Durbin-Watson được dùng để kiểm định tương quan của các sai số kề nhau. Đại lượng d có giá trị biến thiên trong khoảng từ 0 đến 4, nếu các phần dư khơng có tương quan, giá trị d sẽ gần bằng 2.
Kiểm định F nhằm kiểm định độ phù hợp của mơ hình hồi quy tuyến tính tổng thể.
Hệ số phóng đại phương sai (VIF - Variance inflation factor) dùng để đo lường hiện tượng đa cộng tuyến (có mối tương quan giữa các biến độc lập hay không). Thông thường, nếu VIF của một biến độc lập nào đó >10 thì biến này hầu như khơng có giá trị giải thích biến phụ thuộc trong mơ hình (Hair và cộng sự, 2006 trích trong Nguyễn Đình Thọ, 2011, trang 497).
Kiểm định phần dư: Chúng ta cần 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 có thể sự dụng là vẽ đường cong chuẩn hóa của phân bổ phần dư này. Nếu chúng ta thấy trên đồ thị đường cong chuẩn hóa có dạng hình chng như phân phối chuẩn với giá trị Mean xấp xỉ 0 và giá trị độ lệch chuẫn xấp xĩ 1 thì xem như phần dư có phân phối gần chuẩn.
Độ phù hợp của mơ hình hồi quy tuyến tính bội được đánh giá bằng hệ số R2 hiệu chỉnh.
Viết phương trình hồi quy tuyến tính: Tác giả sử dụng mơ hình hồi quy bội có dạng:
Y = β0 + β1 X1 + β2 X2+ β3 X3+ β4 X4+ β5 X5+...+ β8 X8 + U Trong đó:
Y: Hành vi mua sắm trực tuyến trên smartphone. β0: Hằng số hồi qui.
Βi: trọng số hồi qui.
Xi: Các nhân tố tác động đến hành vi mua sắm trực tuyến trên smartphone. U là sai số.
Kiểm định t để bác bỏ/chấp nhận giả thuyết.
Kiểm định T-Test và ANOVA: Sử dụng kiểm định T-Test nhằm kiểm định sự
khác biệt giữa hai nhóm, đó là giới tính của khách hàng và sử dụng phương pháp kiểm định ANOVA nhằm kiểm định sự khác biệt từ 3 nhóm trở lên, đó là: độ tuổi, học vấn, thu nhập, nghề nghiệp của khách hàng.