CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.2 Xử lý và phân tích dữ liệu
Các dữ liệu sau khi thu thập được sẽ được mã hóa và xử lý thơng qua sự hỗ trợ của phần mềm SPSS 20.0 và được kiểm tra trên các phương pháp kiểm định sau:
3.2.1 Phân tích độ tin cậy của Thang đo (Cronbach’s Alpha):
Phân tích này nhằm mục đích đo lường độ tin cậy của thang đo. Kết quả phân tích này sẽ cung cấp hệ số Cronbach’s Alpha, hệ số làm thước đo giúp loại bỏ những biến khơng cần thiết (có tương quan tổng nhỏ) ra khỏi mơ hình. Hệ số này có giá trị biến thiên [0;1]. Hệ số càng cao chứng tỏ độ tin cậy của thang đo càng tốt. Tuy nhiên, hệ số Cronbach’s Alpha tốt nhất là từ [0.7;0.8] vì hệ số q lớn (>0.95) sẽ cho thấy khơng có sự khác biệt nhiều giữa các biến. Theo Nunnally & Bernstein (1994) (trích trong Nguyễn Đình Thọ, 2010, trang 351), hệ số này đạt từ 0.6 trở lên thì thang đo có thể chấp nhận được về mặt tin cậy.
Bên cạnh đó, để tránh hiện tượng trùng lắp, hiện tượng một số biến cùng đo lường cho một nội dung nào đó cho khái niệm nghiên cứu, thì phải sử dụng thêm hệ số tương quan biến-tổng. Đây là hệ số tương quan của biến đo lường nào đó với tổng k biến đo lường của thang đo. Hệ số này tốt nhất là lớn hơn 0.3.
Điều này nghĩa là ta sẽ loại bỏ những thang đo có hệ số nhỏ hơn 0.6 và những biến có hệ số tương quan biến-tổng nhỏ hơn 0.3.
3.2.2 Phân tích Nhân tố Khám phá (EFA):
Trong khi phân tích Cronbach’s Alpha cung cấp thơng số để kiểm định độ tin cậy của thang đo thì phân tích EFA được sử dụng để xác định các giá trị như giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity) đồng thời thu gọn các tham số ước lượng theo từng biến.
Thông trường để xác định sự phù hợp khi dùng phân tích EFA, kiểm định Barlett và KMO thường dùng trong các nghiên cứu:
- Kiểm định Barlett: dùng để xem xét ma trận tương quan có phải là ma trận đơn vị hay khơng và có ý nghĩa thống kê khi mức ý nghĩa (Sig) < 0.05. Điều này chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
- Kiểm định KMO: là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan riêng phần của chúng. KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Hệ số này đạt giá trị từ 0.5 trở lên thì phân tích EFA là phù hợp.
3.2.3 Phân tích Hồi quy:
Phân tích này nhằm khẳng định sự phù hợp của mơ hình nghiên cứu, kiểm định các giả thuyết để xác định rõ mức độ ảnh hưởng của từng yếu tố tác động đến biến phụ thuộc.
Để thực hiện được phân tích hồi quy phải có các giả định sau: - X, Y có quan hệ tuyến tính.
- Y là biến định lượng
- Các quan sát của Y độc lập nhau. - Các giá trị của X là cố định - X được đo lường không sai số. - εi∼ N(µε, σ2 ε) - E(εi) = 0 - Var(εi) = σ2 ε = hằng số - Cov (εi,εj) = 0. - Cor (X,Xj) ≠ 1, ∀ i ≠ j.
Mơ hình Hồi quy tổng quát được biểu diễn dưới dạng:
Yi = f(Xi) + εi= β0 + β1X1i + β2X2i +…. +βkXki +…+βnXpi + εi