CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.4 Nghiên cứu định lƣợng
3.4.1 Phƣơng thức lấy mẫu
Tác giả chọn mẫu cho nghiên cứu theo phƣơng pháp phi xác xuất với phƣơng pháp chọn mẫu thuận tiện.
3.4.2 Cỡ mẫu
Đối với phân tích nhân tố (EFA), cỡ mẫu tối thiểu là N ≥ 5*x (x: tổng số biến quan sát) (Hair & ctg, 1998). Trong nghiên cứu này, tổng số biến quan sát là 37, nhƣ vậy số mẫu tối thiểu cần đạt đƣợc là 185. Tác giả đã gửi đi 200 bảng câu hỏi và nhận đƣợc 182 hồi đáp, trong đó có 168 bảng thỏa mãn yêu cầu và đƣợc sử dụng để phân tích. Bên cạnh đó, tác giả cịn thu đƣợc 42 bảng trả lời thông qua công cụ khảo sát của Google, trong đó có 3 bảng khơng phù hợp – đã từng tham gia một hệ thống MLM, nên chỉ sử dụng đƣợc 39 bảng trả lời.
Nhƣ vậy sẽ có tổng cộng có 207 bảng phù hợp yêu cầu và đƣợc sử dụng để phân tích. Tỷ lệ số mẫu/số biến ≈ 5:1thỏa mãn yêu cầu khi thống kê và phân tích nhân tố.
3.4.3 Xử lý và phân tích dữ liệu
3.4.3.1 Phân tích mơ tả
Trong bƣớc đầu tiên, tác giả sử dụng phân tích mơ tả để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin các nhân của ngƣời đƣợc phỏng vấn) nhƣ: độ tuổi, giới tính, thu nhập hàng tháng và trình độ học vấn.
3.4.3.2 Kiểm định và đánh giá thang đo
Để kiểm định sơ bộ thang đo các khái niệm trong nghiên cứu cần kiểm tra giá trị hội tụ (Cronbach Alpha) và giá trị phân biệt của thang đo (phân tích EFA).
Phân tích Cronbach’s Alpha
Phân tích Cronbach’s Alpha thực chất là phép kiểm định giá trị hội tụ của thang đo. Theo tổng hợp của Nguyễn Đình Thọ (2011) thì thang đo đƣợc đánh giá tốt khi hệ số alpha lớn hơn hoặc bằng 0.8, hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng đƣợc và các biến có hệ số tƣơng quan biến - tổng nhỏ hơn 0.3 sẽ bị loại khỏi thang đo do có tƣơng quan kém với các biến khác trong cùng mục hỏi.
Dựa trên các hệ số độ tin cậy Cronbach’s Alpha, hệ số tƣơng 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.
Sử dụng phƣơng pháp hệ số tin cậy Cronbach’s Alpha trƣớc 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 & Nguyễn Thị Mai Trang, 2007).
Phân tích EFA
Sau khi lọai bỏ các biến không đảm bảo độ tin cậy, phƣơng pháp phân tích nhân tố EFA đƣợc sử dụng để xác định giá trị phân biệt và đồng thời thu gọn các tham số ƣớc lƣợng theo từng nhóm biến.
Theo tổng hợp của Nguyễn Đình Thọ (2011), để thang đo đạt giá trị hội tụ thì hệ số tƣơng quan đơn giữa các biến và các nhân tố (factor loading) phải lớn hơn hoặc bằng 0.4 trong một nhân tố và để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn hoặc bằng 0.3.
Tiêu chuẩn phƣơng sai trích (Variance explained criteria): tổng phƣơng 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; ngƣợc lại KMO<0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Sử dụng phƣơng pháp trích yếu tố Principal Component Analysis (PCA) với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn 1 đối với các biến quan sát đo lƣờng 5 khái niệm thành phần tác động đến việc sẵn sàng gia nhập hệ thống MLM.
3.4.3.3 Phân tích hồi quy và kiểm định giả thuyết
Sau khi hoàn tất việc phân tích đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA), các biến khơng đảm bảo độ giá trị hội tụ tiếp tục bị loại khỏi mơ hình cho đến khi các tham số đƣợc nhóm theo các nhóm biến. Để phân tích mơ hình nghiên cứu của đề tài, phân tích hồi quy bội đƣợc đƣa vào sử dụng.
Tuy nhiên, trƣớc khi tiến hành phân tích hồi quy bội, một phân tích quan trọng cần đƣợc thực hiện đầu tiên là phân tích tƣơng quan nhằm kiểm định mối tƣơng quan tuyến tính giữa các biến trong mơ hình.
Kiểm định mối tƣơng quan tuyến tính giữa các biến trong mơ hình: giữa các biến độc lập và biến phụ thuộc và giữa các biến độc lập với nhau. Sử dụng hệ số tƣơng quan Pearson để lƣợng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lƣợng. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này
mối tƣơng quan tuyến tính càng chặt chẽ (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Phƣơng pháp phân tích hồi quy bội đƣợc dùng ở đây là phƣơng pháp Enter: tất cả các biến đƣợc đƣa vào một lần và xem xét các kết quả thống kê liên quan đến các biến đƣợc đƣa vào trong mơ hình.
Tóm tắt chƣơng 3
Chƣơng 3 trình bày phƣơng pháp nghiên cứu, phƣơng pháp chọn mẫu, mô tả quy trình nghiên cứu, điều chỉnh các thang đo đồng thời trình bày phƣơng pháp phân tích dữ liệu. Nghiên cứu sơ bộ đƣợc thực hiện bằng định tính để điều chỉnh thang đo cho phù hợp. Nghiên cứu chính thức đƣợc thực hiện bằng định lƣợng và sử dụng các công cụ của SPSS 16.0 để phân tích nhƣ: thống kê mơ tả, phân tích nhân tố EFA, Cronbach Alpha, hồi quy bội. Trong chƣơng tiếp theo, tác giả sẽ trình bày cụ thể kết quả phân tích.