7. Ý nghĩa thực tiễn của đề tài
3.3. Kế hoạch phân tích dữ liệu
Trƣớc hết, thang đo sẽ đƣợc mã hoá theo Phụ lục 5.
Các dữ liệu sau khi thu thập sẽ đƣợc làm sạch và xử lý bằng phần mềm SPSS. Phƣơng pháp phân tích đƣợc sử dụng trong nghiên cứu nhƣ sau:
3.3.1. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis):
Phân tích nhân tố khám phá là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phƣơng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau.
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 nhƣ 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 EFA cịn dựa vào eigenvalue để xác định số lƣợng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mơ hình. Đại lƣợng eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố.
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 đƣợc xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hoá bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tƣơng quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Theo Hair & ctg (1998), factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading lớn hơn 0,3 đƣợc xem là đạt mức tối thiểu, lớn hơn 0,4 đƣợc xem là quan trọng, lớn hơn 0,5 đƣợc xem là có ý nghĩa thiết thực.
Nghiên cứu sử dụng phƣơng pháp trích nhân tố principal components và phép xoay varimax.
3.3.2. Cronbach’s alpha:
Phƣơng pháp này cho phép ngƣời phân tích loại bỏ các biến khơng 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 thông qua hệ số Cronbach’s alpha. Những biến có hệ số tƣơng quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại, từ 0,5 trở lên là tốt. Khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lƣờng tốt15.
3.3.3. Xây dựng phƣơng trình hồi quy:
Sau khi rút trích đƣợc các nhân tố từ phân tích nhân tố khám phá EFA. Các nhân tố sẽ đƣợc phân tích hồi quy bội và hệ số R2 đã đƣợc điều chỉnh (adjusted R square) cho biết mơ hình hồi quy đƣợc xây dựng phù hợp đến mức nào.