CHƯƠNG 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.3. Phân tích nhân tố khám phá (EFA)
4.3.1. Kết quả phân tích EFA các yếu tố tác động đến ý định nuôi con hoàn toàn bằng sữa mẹ trong sáu tháng đầu toàn bằng sữa mẹ trong sáu tháng đầu
Thang đo các thành phần trong mơ hình đạt yêu cầu trong việc đánh giá độ tin cậy Cronbach’s Alpha sẽ được tiếp tục đưa vào phân tích nhân tố khám phá (EFA) để phân nhóm. Kết quả phân tích EFA sử dụng phép trích nhân tố là Principal Component với phép quay vng góc Varimax và điểm dừng khi trích các yếu tố có Eigenvalues ≥ 1 đối với 29 biến quan sát của các nhân tố độc lập cho thấy như sau:
Kiểm định Bartlett có Sig. = 0,000 < 0,05 (Bảng 4.5). Như vậy ta hoàn toàn bác bỏ giả thuyết H0 (ma trận tương quan là ma trận đơn vị I, là ma trận có hệ số tương quan giữa các biến bằng 0 và hệ số tương quan với chính nó bằng 1), nghĩa là các biến có quan hệ nhau.
Kiểm định KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) là 0,933 > 0,5 (Bảng 4.5), đạt yêu cầu.
Bảng 4.5: KMO và kiểm định Bartlett
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,933
Bartlett's Test of Sphericity
Approx. Chi-Square 6345,816
Df 406
Sig. 0,000
Bảng 4.6: Tổng phương sai trích (Total Variance Explained)
F
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Tổng cộng % Phương sai % Tích lũy Tổng cộng % Phương sai % Tích lũy Tổng cộng % Phương sai % Tích lũy 1 13,215 45,570 45,570 13,215 45,570 45,570 5,383 18,561 18,561 2 2,883 9,940 55,511 2,883 9,940 55,511 5,345 18,429 36,990 3 1,883 6,493 62,004 1,883 6,493 62,004 3,828 13,201 50,191 4 1,500 5,171 67,175 1,500 5,171 67,175 3,445 11,881 62,072 5 1,190 4,103 71,278 1,190 4,103 71,278 2,670 9,206 71,278 6 0,909 3,135 74,412 7 0,667 2,302 76,714 8 0,607 2,094 78,808 9 0,559 1,926 80,734 10 0,515 1,775 82,509 11 0,495 1,708 84,217 12 0,438 1,511 85,728 13 0,413 1,424 87,152 14 0,404 1,391 88,543 15 0,354 1,220 89,763 16 0,341 1,175 90,938 17 0,308 1,064 92,002 18 0,297 1,025 93,027 19 0,290 1,001 94,028 20 0,272 0,938 94,966 21 0,242 0,835 95,800 22 0,206 0,709 96,510 23 0,182 0,627 97,136 24 0,177 0,612 97,748 25 0,156 0,537 98,285 26 0,150 0,516 98,801 27 0,134 0,463 99,264 28 0,122 0,420 99,684 29 0,092 0,316 100,000
Extraction Method: Principal Component Analysis.
Kết quả phân tích EFA (Bảng 4.6) cho thấy có 05 yếu tố trích được tại Eigenvalues là 1,190 > 1 với tổng phương sai trích là 71,278% > 50%. Như vậy, số lượng nhân tố trích phù hợp với giả thuyết ban đầu (Chương 2) về số lượng thành phần của thang đo là đạt yêu cầu, phương sai trích đạt yêu cầu.
Bảng 4.7: Kết quả phân tích EFA các nhân tố độc lập
Biến quan sát Các nhân tố 1 2 3 4 5 AB1 0,728 0,344 AB2 0,356 0,664 AB3 0,321 0,626 AB4 0,243 0,753 AB5 0,779 0,240 AB6 0,624 0,317 SN1 0,296 0,800 SN2 0,289 0,834 SN3 0,319 0,755 SN4 0,406 0,727 PBC1 0,242 0,835 PBC2 0,282 0,834 PBC3 0,391 0,799 BSE1 0,780 0,256 BSE2 0,814 0,232 BSE3 0,804 0,202 BSE4 0,820 0,187 BSE5 0,824 0,224 BSE6 0,730 0,237 BSE7 0,738 0,296 BK1 0,582 0,274 BK2 0,628 0,234 BK3 0,695 0,313 BK4 0,700 0,201 BK5 0,732 0,191 BK6 0,706 0,218 BK7 0,741 0,204 BK8 0,683 0,193 BK9 0,280 0,632
Kết quả phân tích EFA (Bảng 4.7) cho thấy các biến này đều nằm ở những thành phần như đã giả thuyết. Vì vậy, về mặt nhân tố, các thang đo này là phù hợp.
Các trọng số của các thang đo đều đạt yêu cầu (> 0,50). Trọng số nhỏ nhất là của biến BK1 của thang đo BK (0,582; Bảng 4.7). Trọng số lớn nhất là của của biến PBC1 của thang đo PBC (0,835; Bảng 4.7). Như vậy, các biến quan sát của các thang đo này đạt yêu cầu cho các phân tích tiếp theo.
Kết luận: Mơ hình EFA phù hợp. Vì vậy, tất cả các thang đo các nhân tố
AB, SN, PBC, BSE, BK đều đạt yêu cầu cho các phân tích tiếp theo.
4.3.2. Kết quả phân tích EFA biến phụ thuộc ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu sữa mẹ trong sáu tháng đầu
Thang đo ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu có 03 biến quan sát. Sau khi phân tích Cronbach’s Alpha, các biến đều đảm bảo độ tin cậy, không biến nào bị loại nên tiếp tục tiến hành phân tích nhân tố khám phá (EFA) để kiểm định giá trị hội tụ của thang đo này. Phân tích EFA được sử dụng với một mẫu gồm 271 bà mẹ mang thai tại TP. HCM với kết quả do SPSS 20.0 thực hiện được trình bày trong Bảng 4.8, Bảng 4.9 và Bảng 4.10. Kết quả này dựa vào phép trích nhân tố là Principal Component với phép quay vng góc Varimax và điểm dừng khi trích các yếu tố có Eigenvalues ≥ 1 đối với 03 biến quan sát của nhân tố phụ thuộc.
Chỉ số KMO là 0,725 > 0,5 (Bảng 4.8): đạt yêu cầu.
Bảng 4.8: KMO và kiểm định Bartlett
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,725
Bartlett's Test of Sphericity
Approx. Chi-Square 327,334
Df 3
Sig. 0,000
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kết quả phân tích (Bảng 4.9) cho thấy có một nhân tố trích được tại Eigenvalues là 2,277 > 1 với tổng phương sai trích (Total Variance Explained) là 75,898% > 50%. Điều này có nghĩa là nhân tố này lấy được 75,898% phương sai
trong sáu tháng đầu của bà mẹ mang thai tại TP. HCM. Các trọng số của thang đo ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu (BI) đều đạt yêu cầu (> 0,50). Trọng số nhỏ nhất là của biến BI1 (0,858; Bảng 4.10). Trọng số lớn nhất là của biến BI3 (0,884; Bảng 4.10), đạt yêu cầu. Như vậy, thang đo ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai tại TP. HCM đạt giá trị hội tụ. Vì chỉ có một nhân tố, nên tác giả không xem xét giá trị phân biệt.
Bảng 4.9: Tổng phương sai trích (Total Variance Explained)
Các biến
Initial Eigenvalues Extraction Sums of Squared Loadings Tổng cộng % Phương sai % Tích lũy Tổng cộng % Phương sai % Tích lũy 1 2,277 75,898 75,898 2,277 75,898 75,898 2 0,395 13,170 89,068 3 0,328 10,932 100,000 Extraction Method: Principal Component Analysis.
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả) Bảng 4.10: Ma trận nhân tố Nhân tố 1 BI1 0,858 BI2 0,871 BI3 0,884
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả) 4.4. Phân tích hồi quy bội MLR (Multiple Linear Regession)
4.4.1. Ma trận hệ số tương quan giữa các biến
Bước đầu tiên khi tiến hành phân tích hồi quy bội là xem xét các mối tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có mối quan hệ với nhau và phân tích hồi quy có thể phù hợp. Vì thế, ta xem xét bảng ma trận hệ số tương quan giữa các biến (Bảng 4.11) được trình bày dưới đây:
Bảng 4.11: Ma trận hệ số tương quan giữa các biến
Các mối tương quan
AB SN PBC BSE BK BI AB Pearson Correlation 1 Sig. (2-tailed) N 271 SN Pearson Correlation 0,679** 1 Sig. (2-tailed) 0,000 N 271 271 PBC Pearson Correlation 0,515** 0,419** 1 Sig. (2-tailed) 0,000 0,000 N 271 271 271 BSE Pearson Correlation 0,565** 0,446** 0,551** 1 Sig. (2-tailed) 0,000 0,000 0,000 N 271 271 271 271 BK Pearson Correlation 0,624** 0,619** 0,459** 0,522** 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 N 271 271 271 271 271 BI Pearson Correlation 0,690** 0,645** 0,499** 0,634** 0,645** 1 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 N 271 271 271 271 271 271
**. Tương quan có ý nghĩa ở mức 0,01 (2 đi).
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kết quả từ Bảng 4.11 cho thấy, các biến độc lập có tương quan với biến phụ thuộc, đồng thời các biến độc lập đạt giá trị phân biệt. Vì thế, tác giả tiếp tục đưa tất cả các biến vào phân tích hồi quy bội để phân tích sự tác động của các biến độc lập đến biến phụ thuộc.
4.4.2. Xây dựng mơ hình hồi quy
Phương pháp được dùng để kiểm định mơ hình nghiên cứu và các giả thuyết nghiên cứu là phương pháp phân tích hồi quy bội. Phân tích hồi quy bội sẽ giúp chúng ta biết được mức độ tác động của các biến độc lập lên biến phụ thuộc.
Kết quả phân tích hồi quy bội bằng phần mềm xử lý thống kê SPSS 20.0 với phương pháp Enter (đồng thời) được thể hiện trên Bảng 4.12; 4.13 và 4.14 như sau:
Bảng 4.12: Tóm tắt mơ hình hồi quy Mơ Mơ hình R R 2 R2 hiệu chỉnh Sai số chuẩn ước lượng Thay đổi Hệ số Durbin- Watson R2 thay đổi F thay đổi df1 df2 Sig. F thay đổi 1 0,794a 0,630 0,623 0,50092 0,630 90,197 5 265 0,000 1,940 a. Biến độc lập: (Hằng số), BK, PBC, BSE, SN, AB
b. Biến phụ thuộc: Ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu (BI).
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả) Bảng 4.13: Kết quả phân tích ANOVAa
Mơ hình Tổng độ lệch bình phương Bậc tự do Bình phương trung bình F Sig. 1 Hồi quy 113,160 5 22,632 90,197 0,000b Phần dư 66,494 265 0,251 Tổng cộng 179,654 270
a. Biến phụ thuộc: Ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu (BI) b. Biến độc lập: (Hằng số), BK, PBC, BSE, SN, AB
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Bảng 4.14: Trọng số hồi quya
Mơ hình
Hệ số chưa
chuẩn hóa chuẩn hóa Hệ số
t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta (β) Độ chấp nhận của biến Hệ số phóng đại phương sai VIF 1 (Hằng số) 0,054 0,208 0,258 0,797 AB 0,224 0,054 0,243 4,170 0,000 0,412 2,428 SN 0,198 0,049 0,219 4,045 0,000 0,476 2,102 PBC 0,033 0,038 0,041 0,868 0,386 0,625 1,600 BSE 0,257 0,047 0,274 5,511 0,000 0,563 1,775 BK 0,253 0,068 0,196 3,719 0,000 0,503 1,989 a. Biến phụ thuộc: Ý định ni con hồn toàn bằng sữa mẹ trong sáu tháng đầu (BI).
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả) 4.4.2.1. Kiểm định mức độ phù hợp của mơ hình
Trong mơ hình hồi quy bội, vì có nhiều biến độc lập nên chúng ta phải dùng hệ số xác định điều chỉnh R2
hình. Kết quả tóm tắt mơ hình hồi quy bội được thể hiện trên Bảng 4.12 cho thấy, hệ số xác định R2
= 0,630 (≠ 0) và R2 hiệu chỉnh = 0,623. Kiểm định F (Bảng 4.13 phân tích phương sai ANOVA) cho thấy mức ý nghĩa Sig. = 0,000. Kiểm định đa cộng tuyến (Bảng 4.14), chúng ta nhận thấy VIF (Variance Inflation Factor) của các biến độc lập đều nhỏ hơn 3. Như vậy, mơ hình hồi quy phù hợp. Hay nói cách khác, các biến độc lập giải thích được 62,3% phương sai của biến phụ thuộc ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai tại TP. HCM (BI).
4.4.2.2. Xác định tầm quan trọng của các biến trong mơ hình
Bảng trọng số hồi quy (Bảng 4.14) cho thấy, trong 05 biến được đưa vào mơ hình hồi quy thì có 04 biến tác động có ý nghĩa đến ý định ni con hồn toàn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai tại TP. HCM đó là thái độ (AB), chuẩn chủ quan (SN), cho con bú tự hiệu quả (BSE) và kiến thức ni con bằng sữa mẹ (BK) vì cả 04 biến đều có Sig. = 0,000. Cịn yếu tố nhận thức kiểm soát hành vi (PBC) tác động khơng có ý nghĩa đến ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai tại TP. HCM (Sig. = 0,386 > 0,05).
Về mức độ ảnh hưởng (tầm quan trọng) của các biến độc lập lên biến phụ thuộc được so sánh thơng qua hệ số Beta chuẩn hóa. Căn cứ vào kết quả trên Bảng 4.14 cho chúng ta thấy có 04 yếu tố tác động đến ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu được xếp theo thứ tự quan trọng giảm dần như sau: cho con bú tự hiệu quả (β = 0,274); thái độ (β = 0,243); chuẩn chủ quan (β = 0,219); và cuối cùng là kiến thức nuôi con bằng sữa mẹ (β = 0,196).
Kết quả kiểm định các giả thuyết nghiên cứu chính thức (với mức ý nghĩa 0,05) được thể hiện trong Bảng 4.15 như sau:
Bảng 4.15: Kết quả kiểm định các giả thuyết nghiên cứu chính thức Giả Giả
thuyết Phát biểu giả thuyết
Giá trị P
Kết quả kiểm định
H1 Thái độ có tác động tích cực (+) đến ý định ni con
hồn tồn bằng sữa mẹ trong sáu tháng đầu. P<0,05 Chấp nhận H2 Chuẩn chủ quan có tác động tích cực (+) đến ý định
ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu. P<0,05 Chấp nhận H3
Nhận thức kiểm sốt hành vi có tác động tích cực (+) đến ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu.
P>0,05 Bác bỏ
H4
Cho con bú tự hiệu quả có tác động tích cực (+) đến ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu.
P<0,05 Chấp nhận
H5
Kiến thức ni con bằng sữa mẹ có tác động tích cực (+) đến ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu.
P<0,05 Chấp nhận
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả) 4.4.2.3. Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Kiểm định giả định liên hệ tuyến tính: Phương pháp được sử dụng là đồ thị Scatterplot với giá trị phần dư chuẩn hóa (Standardized Residual) trên trục tung và giá trị dự đốn chuẩn hóa (Standardized Predicted Value) trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì chúng ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đốn và phần dư, chúng sẽ phân tán rất ngẫu nhiên (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Quan sát Hình 4.1, ta thấy các phần dư phân tán ngẫu nhiên chứ khơng tạo thành một hình dạng nào. Điều này có nghĩa là giả định liên hệ tuyến tính khơng bị vi phạm.
Hình 4.1: Đồ thị phân tán Scatterplot
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kiểm định giả định về phân phối chuẩn của phần dư: Phần dư có thể khơng tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Chúng ta sẽ sử dụng các biểu đồ tần số (Histogram, P-P plot) của các phần dư (đã được chuẩn hóa) để kiểm tra giả định này.
Kết quả biểu đồ tần số Histogram của phần dư được thể hiện trong Hình 4.2 cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình Mean = -1,17E-15 gần bằng 0 và độ lệch chuẩn Std. Dev. = 0,991 tức là gần bằng 1). Điều này có nghĩa là giả định về phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.2: Đồ thị tần số Histogram
(Nguồn: Kết quả phân tích dữ liệu khảo sát của tác giả)
Kết quả biểu đồ tần số P-P plot được thể hiện trong Hình 4.3 cho thấy các điểm quan sát khơng phân tán quá xa đường thẳng kỳ vọng, nên ta có thể kết luận là giả định về phân phối chuẩn của phần dư khơng bị vi phạm.
Hình 4.3: Đồ thị tần số P-P plot
Kiểm tra giả định về tính độc lập của sai số (khơng có tương quan giữa các phần dư): Ta dùng đại lượng thống kê Durbin-Watson (d) để kiểm định tương
quan của các sai số kề nhau (tương qua chuỗi bậc nhất). Giả thuyết khi tiến hành kiểm định này là:
H0: hệ số tương quan tổng thể của các phần dư = 0
Đại lượng d có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Theo kết quả từ Bảng 4.12, giá trị d = 1,940 < 2 có nghĩa là giá trị d tính được rơi vào miền chấp nhận giả thuyết khơng có tương quan chuỗi bậc nhất. Như vậy, ta có thể kết luận là khơng có tương quan giữa các phần dư.
Kiểm tra giả định khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến): Cộng tuyến là trạng thái trong đó các biến độc lập có tương
quan chặt chẽ với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Các cơng cụ chuẩn đốn giúp chúng ta phát hiện sự tồn tại của cộng tuyến trong dữ liệu và đánh giá mức độ cộng tuyến làm thối hóa các tham số được ước lượng là: Độ chấp nhận của biến (Tolerance), hệ số phóng đại phương sai (Variance Inflation Factor – VIF). Nếu độ chấp nhận của một biến nhỏ, thì nó gần như là một kết hợp tuyến tính của các biến độc lập khá, và đó là dấu hiệu của đa cộng tuyến. Hệ số phóng đại phương sai VIF lớn, quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của đa cơng tuyến (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Theo kết quả từ Bảng 4.14 cho thấy, các hệ số phóng đại phương sai VIF của các biến độc lập khá nhỏ, cao nhất là 2,428 < 3, trong khi đó hệ số VIF của một biến độc lập > 10 mới được xem là có hiện tượng đa cộng tuyến. Do đó, ta có thể bác bỏ giả thuyết mơ hình đa cộng tuyến. Điều này có nghĩa là khơng có mối tương quan