Nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng. Nghiên cứu định lượng nhằm kiểm tra lại các thang đo trong mơ hình nghiên cứu thơng qua bảng câu hỏi khảo sát
3.4.1 Thiết kế mẫu
Như nhiều nghiên cứu Marketing khác, nghiên cứu này sử dụng phương pháp lấy mẫu thuận tiện. Nói chung, cỡ mẫu càng lớn thì càng tốt nhưng bao nhiêu là đủ trong lấy mẫu thuận tiện là câu hỏi khơng có lời đáp rõ ràng. Theo Hair và ctg (1998), để có thể phân tích nhân tố khám phá cần thu thập dữ liệu với kích thước mẫu là ít nhất 5 mẫu trên một biến quan sát và cỡ mẫu khơng nên ít hơn 100. Với bảng câu hỏi sử dụng trong nghiên cứu này là 33 câu, do đó kích thước mẫu ít nhất của đề ra là n = 165. Để đạt được mục tiêu nghiên cứu của đề tài, tác giả lựa
chọn phương pháp chọn mẫu phi xác xuất (lấy mẫu thuận tiện) với cỡ mẫu trên 30% tại từng đơn vị. Đây là phương pháp ít tốn kém thời gian và chi phí thu thập thơng tin nghiên cứu.
3.4.2 Phương pháp xử lý số liệu
3.4.2.1 Thống kê mô tả
Phương pháp thống kê mô tả Frequencies được sử dụng cho dữ liệu thu thập được bao gồm các thống kê về: các yếu tố mô tả khung mẫu và các yếu tố nhân khẩu học.
3.4.2.2 Kiểm định độ tin cậy thang đo bằng Cronbach alpha
Những mục hỏi đo lường cùng một khái niệm tiềm ẩn thì phải có mối liên quan với những cái cịn lại trong nhóm đó. Hệ số Cronbach alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau.
Công thức của hệ số Cronbach’s Alpha là:
= N
[1 + (N – 1)]
Trong đó: là hệ số tương quan trung bình giữa các mục hỏi.
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thơng qua hệ số Cronbach alpha. Những biến có hệ số tương quan biến tổng (Corrected item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới. Thông thường, thang đo có Cronbach alpha từ
0.7 đến 0.8 là sử dụng được (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được vì hệ số Cronbach’s Alpha chỉ là giới hạn dưới của độ tin cậy của thang đo và còn nhiều đại lượng đo lường độ tin cậy, độ giá trị của thang đo, nên ở giai đoạn đầu khi xây dựng bảng câu hỏi, hệ số này nằm trong phạm vi từ 0,6 đến 0,8 là chấp nhận được (Nguyễn Đình Thọ, 2011).
3.4.2.3 Phân tích nhân tố khám phá EFA Kiểm định thang đo bằng phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Kiểm định Bartlett’s (Bartlett’s Test of Sphericity): Đại lượng Bartlett’s được sử dụng để xem xét giả thuyết H0 các biến khơng có tương quan trong tổng thể. Kiểm định Bartlett’s có ý nghĩa (Significant) tại mức sig. thấp hơn 0.05, tức là giả thuyết H0 cho rằng ma trận tương quan giữa các biến trong tổng thể là một ma trận đơn vị sẽ bị bác bỏ.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Ngồi ra, phân tích nhân tố cịn dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình.
Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Các biến có trọng số nhỏ hơn 0.45 sẽ bị loại, các biến có trọng số khơng đạt độ phân biệt cao giữa các nhân tố, cụ thể là nhỏ hơn 0.3 cũng sẽ bị loại.
Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.45 thì mới đạt yêu cầu.
3.4.2.4 Kiểm định mơ hình bằng hồi quy tuyến tính
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, tiến hành phân tích hồi quy bội. Đó là một kỹ thuật thống kê có thể được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập. Mục tiêu của phân tích hồi quy bội là mơ tả mối liên hệ và qua đó giúp ta dự đốn được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập. Khi chạy hồi quy cần chú ý đến những thông số:
Hệ số Beta: Hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Hệ số khẳng định R2: Đánh giá phần thay đổi của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập. Hệ số này thay đổi từ 0 đến 1.
Hệ số R2 điều chỉnh: Vì hệ số khẳng định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, chúng ta càng đưa thêm biến độc lập vào mơ hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng không phải phương trình càng nhiều biến sẽ càng phù hợp. Bằng cách so sánh hệ số R2 hiệu chỉnh mơ hình nào có hệ số R2 hiệu chỉnh lớn hơn sẽ giải thích mơ hình sự hài lịng và lịng trung thành của nhân viên tại Cơng ty Dịch vụ cơng ích TNXP tốt hơn.