3 .NGHIÊN CỨU ĐỊNH TÍNH
3.5 NGHIÊN CỨU ĐỊNH LƯỢNG
3.5.1 Xác định cỡ mẫu
Theo Pousart (2001) mức độ tương ứng giữa độ lệch chuẩn và chất lượng ước lượng được thể hiện ở bảng 3.2:
Bảng 3.2: Mối quan hệ giữa độ lệch chuẩn và chất lượng của các ước lượng Độ lệch chuẩn Chất lượng của ước lượng
σ ≤ 5% Rất tốt
5% < σ ≤ 10% Tốt
10% < σ ≤ 15% Khá tốt 15% < σ ≤ 25% Chấp nhận
σ > 25% Yếu
Vì vậy trong nghiên cứu Luận văn này, tác giả chọn thiết lập khoảng tin cậy ở mức 95%, tức mức độ sai số là 5%. Đồng thời do số lượng khách hàng dự định khảo sát sẽ lớn hơn 200 mẫu nên tác giả sử dụng công thức đơn giản của Yamane (1967- 1986) để tính cỡ mẫu.
Theo đó: n= N\(1+N(e)2), trong đó:
+ n: Số lượng thành viên mẫu cần xác định cho nghiên cứu điều tra + N: là tổng thể để chọn mẫu
+ e: là mức độ sai số chấp nhận, trong đề án này thì e= 0,05.
Tởng số đơn sử dụng NSNN có giao dịch qua hệ thống KBNN Bến Tre là 1.520 đơn vị, tác giả chọn 315 đơn vị (áp dụng công thức trên) để gửi phiếu khảo sát. Thành phố Bến Tre có gần 560 và mỗi huyện có khoảng 120 đơn vị sử dụng
NSNN thường xuyên giao dịch với KBNN. Tác giả lập danh sách và chọn ngẫu nhiên theo từng địa bàn:
Bảng 3.3: Số mẫu trong vùng nghiên cứu
Địa bàn Tổng số đơn vị Số mẫu
- Thành phố Bến Tre 560 115 - 08 huyện: + Mỗi huyện: 960 120 200 25 Tổng số 1520 315
3.5.2 Phương pháp chọn mẫu và thu thập số liệu
Việc điều tra được thực hiện khắp các huyện và thành phố trong tỉnh Bến Tre thông qua phương pháp lấy mẫu ngẫu nhiên phân tầng. Từ danh sách các đơn vị sử dụng NSNN có giao dịch với Kho bạc thu thập được từ các đơn vị KBNN huyện và KBNN tỉnh Bến Tre (tác giả hiện nay công tác tại KBNN Bến Tre nên việc thu thập danh sách này là dễ dàng), tác giả chọn ngẫu nhiên theo từng địa bàn 315 đơn vị sử dụng NSNN (Thành phố Bến Tre 115 đơn vị, mỗi huyện 25 đơn vị) để tiến hành khảo sát. Dữ liệu được thu thập thơng qua hình thức gửi phiếu khảo sát trực tiếp cho đối tượng cần khảo sát.
3.5.3 Xử lý và phân tích dữ liệu
Dữ liệu sau khi thu thập sẽ được xử lý và phân tích bằng phần mềm SPSS 16.0 để kiểm định các thang đo và sự phù hợp của mơ hình lý thuyết. Q trình phân tích này được thực hiện như sau:
3.5.3.1 Phân tích mơ tả
Trong bước đầu tiên, tác giả sử dụng phân tích mơ tả để phân tích các thuộc tính của mẫu nghiên cứu như: độ t̉i, giới tính, trình độ, địa bàn.
3.5.3.2 Kiểm định và đánh giá thang đo
Để đánh giá thang đo các nhân tố ảnh hưởng đến việc tăng cường thanh tốn khơng dùng tiền mặt qua KBNN Bến Tre, tác giả kiểm tra độ tin cậy, độ giá trị của thang đo. Dựa trên các hệ số độ tin cậy Cronbach’s Alpha, hệ số tương quan biến -
tổng (Item-to-total correlation) giúp loại ra những biến quan sát khơng đóng góp vào việc mơ tả khái niệm cần đo, hệ số Cronbach’s alpha if Item Deleted để giúp đánh giá loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm cần đo, và phương pháp phân tích nhân tố khám phá (EFA) nhằmkiểm tra độ giá trị của thang đo các khái niệm nghiên cứu.
Phân tích Cronbach’s Alpha
Phân tích Cronbach’s Alpha là phép kiểm định mức độ tương quan lẫn nhau của các mục hỏi trong thang đo. Một tập hợp các mục hỏi được đánh giá tốt khi hệ số Cronbach’s alpha lớn hơn hoặc bằng 0.8; từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đềnghị rằng Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp kháiniệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu(Hoàng TrọngvàChu Nguyễn Mộng Ngọc, 2005). Vì vậy đối với nghiên cứu phân tích các nhân tố ảnh hưởng đến việc tăng cường thanh tốn khơng dùng tiền mặt qua KBNN Bến Tre thìCronbach Alpha từ 0.6 trở lên là chấp nhận được.
Hệ số tương quan biến tổng (item-total correclation)
Hệ số tương quan biển tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của biến này với các biến khác trong nhóm càng cao. Các biến có hệ số tương quan biến tởng nhỏ hơn 0.3 được coi là biến rác và sẽ bị loại khỏi thang đo (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA nhằm loại ra các biến khơng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Phân tích nhân tố khám phá (EFA)
Sau khi loại bỏ các biến không đảm bảo độ tin cậy, các thang đo đạt yêu cầu về độ tin cậy sẽ được sử dụng phân tích nhân tố để rút gọn một tập gồm nhiều biến quan sát thành một tập nhân tố ít hơn; các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu (Hair et al, 1998). Phương pháp phân tích nhân tố khám phá EFA được dùng để xác
định độ giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity), và đồng thời thu gọn các tham số ước lượng theo từng nhóm biến.
Độ giá trị hội tụ
Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải lớn hơn hoặc bằng 0.5 trong một nhân tố (Jun & ctg, 2002).
Độ giá trị phân biệt
Để đạt được độ giá trị phân biệt giữa các nhân tố, mỗi biến quan sát có sai biệt về hệ số tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0.3 (Jabnoun & ctg, 2003).
Xác định số lượng nhân tố
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue, chỉ số này đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser, những nhân tố có chỉ số Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình (Garson, 2003).
Tiêu chuẩn phương sai trích (Variance explained criteria): tởng phương sai trích phải lớn hơn 50%.
Xem xét giá trị KMO: 0,5 < KMO < 1 thì phân tích nhân tốt là thích hợp với dữ liệu; ngược lại KMO<0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tởng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tởng thể. (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Phương pháp trích yếu tố Principal Axis Factoring với phép quay Varimax sẽ được sử dụng cho phântích EFA trong nghiên cứu vì phương pháp này sẽ giúp kiểm định hiện tượng đa cộngtuyến (nếu có) giữa các yếu tố của mơ hình.
Phân tích hồi quy và kiểm định giả thiết
Sau khi thang đo của các yếu tố được kiểm định, bước tiếp theo sẽ tiến hànhphân tích hồi quy đa biến và kiểm định với mức ý nghĩa 5% theo mô hình:
Y = β0 + β1*X1 + β2*X2 + β3*X3 +…+ β8*X8+ ε Trong đó :
Y: TTKDTM qua KBNN Bến Tre (là biến phụ thuộc)
Xi : các yếu tố tác động đến việc TTKDTM qua KB (là các biến độc lập) β0: hệ số tự do (hệ số chặc), hằng số.
βi: các hệ số hồi quy (i > 0) ε: sai số ngẫu nhiên
Kết quả của mơ hình sẽ giúp ta xác định được mức độ ảnh hưởng của các yếu tố ảnh hưởng đến việc tăng cường TTKDTM qua KBNN Bến Tre.
Tuy nhiên, trước khi tiến hành phân tích hồi quy và kiểm định giả thuyết , một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan nhằm kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình. Phân tích ANOVA cũng được tác giả đưa vào sử dụng để phân tích sự tác động ảnh hưởng của các biến định tính.
Tóm lại, chương này tác giả đã đề xuất mơ hình nghiên cứu, trình bày phương pháp thực hiện nghiên cứu qua 2 bước nhằm đạt được các mục tiêu nghiên cứu đề ra. Bước 1, nghiên cứu định tính với việc phỏng vấn thử, tham khảo ý kiến chuyên gia nhằm bổ sung và hiệu chỉnh các thang đo các biến trong mô hình. Bước 2, nghiên cứu định lượng thực hiện bằng cách gửi phiếu khảo sát trực tiếp. Sau đó dữ liệu sẽ được xử lý và phân tích bằng phần mềm SPSS 16.0 để kiểm định các thang đo và sự phù hợp của mơ hình lý thuyết.