3.4.1. Thiết kế mẫu nghiên cứu.
Phương pháp lấy mẫu: đề tài chọn phương pháp lấy mẫu thuận tiện phi xác suất. Cỡ mẫu: Mợt số nghiên cứu về kích thước mẫu được các nhà nghiên cứu đưa ra, theo Hair và cợng sự (1998), để có thể tiến hành phân tích nhân tố khám phá EFA, kích thước mẫu cần tỉ lệ với biến quan sát là 5:1.
Ngồi ra, để tiến hành phân tích hồi quy mợt cách tốt nhất, Tabachnick (1996) cho rằng kích thước mẫu cần phải được đảm bảo theo công thức n ≥ 50 + 8p (trong đó, n: cỡ mẫu; p: số biến đợc lập của mơ hình).
Cỡ mẫu trong nghiên cứu này sẽ áp dụng theo công thức N ≥ 5*x. Theo đó, với 25 biến quan sát thì cỡ mẫu tối thiểu trong nghiên cứu này là 25 x 5 = 125 mẫu. Nhằm giảm thiểu sai số do chọn mẫu, tiêu chí khi thực hiện khảo sát này là trong điều kiện cho phép thì việc thu thập càng nhiều dữ liệu nghiên cứu càng tốt, giúp tăng tính đại diện cho tổng thể. Do đó, kích thước mẫu mà tác giả lựa chọn là 300 mẫu.
3.4.2. Thiết kế bảng câu hỏi.
Bảng câu hỏi được sử dụng trong nghiên cứu định lượng được thiết kế theo các đặc tính sau:
- Hình thức câu hỏi: Câu hỏi đóng.
- Đối tượng điều tra: khách hàng sử dụng rượu vang Ninh Thuận (theo thiết kế mẫu).
- Bảng câu hỏi phác thảo sẽ được tham vấn một số chuyên gia trong lĩnh vực rượu vang. Sau khi điều chỉnh xong, bảng câu hỏi sẽ được dùng để khảo sát trong nghiên cứu định lượng.
Bảng câu hỏi gồm 3 phần:
- Phần gạn lọc: Dùng để kiểm tra xem người được khảo sát đã từng sử dụng rượu vang Ninh Thuận hay chưa, nếu “Có” sẽ tiến hành các bước tiếp tiếp theo, nếu người được phỏng vấn trả lời “Chưa”, phỏng vấn sẽ dừng lại ở đó.
- Phần chính: Thu thập đánh giá tḥc tính, cảm nhận của người tiêu dùng về rượu vang Ninh Thuận bằng thang đo likert 7 điểm.
- Phần thông tin cá nhân: Thu thập thông tin cá nhân của người tiêu dùng về giới tính, đợ tuổi, trình đợ học vấn, thu nhập bình qn, để có thể tiến hành các phép kiểm định bổ trợ khác cho nghiên cứu chính thức.
3.4.3. Phương pháp thu thập, xử lý và phân tích dữ liệu
Phương pháp thu thập dữ liệu: Dữ liệu được tác giả thu thập bằng phương pháp phỏng vấn trực tiếp người tiêu dùng rượu vang Ninh Thuận tại địa bàn thành phố Hồ Chí Minh thơng qua phiếu khảo sát.
Dữ liệu thu thập được xử lý bằng phần mềm SPSS, sau khi mã hóa và “làm sạch”, sẽ tiến hành phân tích theo các bước:
- Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Kiểm định Cronbach’s Alpha là phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tương quan giữa các biến, hệ số Cronbach’s Alpha cao thể hiện tính đồng nhất của các biến đo lường. Hệ số này cho phép người tiêu dùng loại bỏ các biến không phù hợp và hạn chế các biến rác trong mơ hình nghiên cứu, tránh gây nhiễu kết quả thu được làm ảnh hưởng xấu đến ý nghĩa thống kê.
Tiêu chí được sử dụng khi đánh giá đợ tin cậy thang đo: loại các biến quan sát có hệ số tương quan biến – tổng nhỏ hơn 0.3; và đa phần chỉ chấp nhận hệ số Cronbach’s alpha ở trong khoảng 0.6 – 0.95 (theo Nguyễn Đình Thọ, 2011).
- Phân tích nhân tố khám phá EFA
Sau khi kiểm định độ tin cậy của thang đo, tiếp tục tiến hành phân tích nhân tố để xem xét giá trị hội tụ và giá trị phân biệt của thang đo các khái niệm, lấy đó làm cơ sở để rút trích ra các thành phần để tiến hành phân tích hồi quy.
Các tiêu chí đánh giá kết quả trong phân tích EFA như sau:
Kiểm định Bartlett và KMO được sử dụng để kiểm tra sự thích hợp của EFA: Trong phân tích nhân tố, cần kiểm định mối tương quan của các biến với nhau, KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. (Trọng & Ngọc,2005, trang 262), Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong trổng thể.
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue – đại diện cho sự biến thiên được giải thích bởi mỗi nhân tố. Số lượng nhân tố được xác định bằng cách chỉ giữ lại các nhân tố có Eigenvalue tối thiểu bằng 1, các nhân tố có mức Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình (Nguyễn Đình Thọ, 2011).
Tổng phương sai trích phải đạt từ 50% trở lên để đảm bảo mức ý nghĩa của nghiên cứu (Giá trị Cumulative cho biết số nhân tố trích ra giải thích được bao nhiêu phần trăm độ biến thiên của dữ liệu) (Nguyễn Đình Thọ, 2011).
Phương pháp trích nhân tố với phép xoay Varimax kết hợp điểm dừng khi trích các thành phần có Eigenvalue lớn hơn hoặc bằng 1 được tác giả sử dụng trong nghiên cứu này.
Bên cạnh đó, để thang đo đạt giá trị hợi tụ thì hệ số tải trên mỗi nhân tố (hay cịn gọi là hệ số tương quan giữa biến và các nhân tố) cần lớn hơn 0.5 (Factor loading > 0.5 được xem là có ý nghĩa thực tiễn); đồng thời, để thang đo đạt giá trị phân biệt thì chênh lệch trọng số từng biến giữa các nhân tố cần lớn hơn hoặc bằng 0.3. Mặc dù vậy, chúng ta nên xem xét giá trị nội dung, sự cần thiết của biến đó trước khi ra quyết định có loại bỏ ra khỏi thang đo hay khơng (Nguyễn Đình Thọ, 2011).
- Phân tích tương quan
Kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình, giữa biến phụ tḥc với từng biến độc lập và giữa các biến độc lập với nhau. Tương quan Pearson được dùng để lượng hóa mức đợ chặt chẽ trong mối quan hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ (Hoàng Trọng và Chu Nguyễn Mợng Ngọc, 2008).
- Phân tích hồi quy bội
Sau khi tiến hành kiểm định độ tin cậy của thang đo (Cronbach’s alpha) và phân tích nhân tố EFA, các biến khơng đảm bảo đợ tin cậy, khơng có giá trị đo lường sẽ bị loại ra khỏi thang đo cho đến khi các biến quan sát được nhóm lại vào các nhân tố rút trích ra được (các nhóm biến mới). Giá trị của các biến mới trong mơ hình là giá trị trung bình của các biến quan sát thành phần của biến đó.
Nghiên cứu tiếp tục xác định mối liên hệ tương quan giữa các nhóm biến này bằng phân tích hồi quy bợi.
Trước khi phân tích hồi quy, cần tiến hành kiểm tra sự tương quan giữa các biến trong mơ hình hồi quy. Hệ số tương quan và mức ý nghĩa (Sig. < 0.05) là hai thành phần được quan tâm chính khi đánh giá mức đợ tương quan giữa các biến với nhau.
Cịn để đánh giá đợ phù hợp của mơ hình, các nhà nghiên cứu sử dụng hệ số R2
(R – Square). Trong hồi quy tuyến tính bội thường dùng hệ số R2 (R – Square) điều chỉnh để đánh giá đợ phù hợp của mơ hình vì nó khơng phóng đại mức đợ phù hợp của mơ hình.
Ngồi ra, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin – Watson (1 < Durbin – Watson < 3) và khơng có hiện tượng đa cộng tuyến (kiểm tra bằng hệ số phóng đại phương sai VIF < 10). Hệ số Beta chuẩn hóa được dùng để đánh giá mức đợ quan trọng của từng nhân tố, hệ số Beta của biến độc lập nào càng cao thì mức đợ tác đợng của nó lên biến phụ tḥc càng lớn (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
Chương 3 đã trình bày về phương pháp nghiên cứu đưa ra để kiểm định thang đo và các giả thuyết đã đặt ra. Chương 4 sẽ trình bày kết quả kiểm định mơ hình nghiên cứu đề xuất, thang đo và các giả thuyết đưa ra từ mơ hình. Nợi dung chính của chương 4 gồm các thành phần như sau:
- Mô tả của mẫu nghiên cứu
- Kiểm định độ tin cậy của thang đo (Cronbach’s alpha) - Phân tích nhân tố khám phá EFA
- Mơ hình hồi quy tuyến tính bợi
Nghiên cứu sử dụng phần mềm SPSS 16.0 để xử lý và phân tích dữ liệu.