CHƢƠNG 3 THIẾT KẾ NGHIÊN CỨU
3.3. Nghiên cứu định lƣợng
3.3.1. Thiết kế mẫu nghiên cứu và thu thập thông tin mẫu nghiên cứu
Mục đích của bước nghiên cứu này là kiểm định mơ hình lý thuyết đặt ra, các yếu tố có ảnh hưởng đến quyết định của bệnh nhân trong việc lựa chọn bệnh viện công và bệnh viện tư tại TP.HCM và đo lường mức độ tác động của các yếu tố này.
Đối tượng nghiên cứu là các khách hàng từng điều trị nội trú tại hai hệ thống bệnh viện công và tư nhân trên địa bàn TP.HCM.
Thông tin mẫu nghiên cứu được thu thập bằng kỹ thuật phỏng vấn dưới hai hình thức: - Phỏng vấn trực tiếp các khách hàng (bệnh nhân) tại hai hệ thống bệnh viện công và tư nhân trên địa bàn TP.HCM.
- Phỏng vấn qua email bằng công cụ Forms- Google Does đối với những khách hàng từng điều trị nội trú trong vòng một năm qua hai hệ thống bệnh viện công và tư nhân trên địa bàn TP.HCM.
- Kết quả phỏng vấn khách hàng được nhập vào ma trận dữ liệu trên phần mềm SPSS 16.0.
Theo Hair và ctg (2006) cho rằng kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát/ biến đo lường 5/1, nghĩa là một biến đo lường cần tối thiểu là 5 biến quan sát. Bên cạnh đó, Tabachnick và Fidell (1996) cho rằng kích thước mẫu cần phải đảm bảo theo cơng thức: n>= 8m +50 (trong đón: cỡ mẫu, m: số biến độc lập của mơ hình). Vậy theo cơng thức trên số mẫu cần phải thu thập là: n = (8x4) + 50 = 82 mẫu. Tuy nhiên, nhằm tăng độ tin cậy nên tác giả khảo sát 250 khách hàng. Mẫu nghiên cứu được chọn bằng phương pháp chọn mẫu theo phương pháp lấy mẫu thuận tiện.
3.3.2. Phƣơng pháp phân tích dữ liệu 3.3.2.1 Đánh giá sơ bộ thang đo
Việc đánh giá sơ bộ độ tin cậy và giá trị của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach alpha và phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) thông qua phần mềm xử lý 16.0 để sàn lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn (biến rác). Trong đó:
Cronbach alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát (các câu hỏi) trong thang đo thông qua hệ số Cronbach alpha. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr. 257-258) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach alpha có giá trị từ 0.8 trở lên gần 1,0 là thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng được. Tuy nhiên, theo Nunally và Burnstein 1994) đề nghị hệ số Cronbach alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu. Hệ số Cronbach alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Do đó, ngồi hệ số Cronbach alpha, người ta còn sử dụng hệ số tương quan biến tổng (item – total correlation) và những biến nào có tương quan biến tổng <0,3 sẽ bị loại.
Phân tích nhân tố khám phá (EFA) là tên chung của một nhóm thủ tục được sử dụng phổ biến để đánh giá thang đo hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một nhân tố nhất
định đo lường các khía cạnh khác nhau của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
- Tiêu chuẩn Barlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi 0.5≤ KMO ≤ 1 và Sig < 0,05. Trường hợp KMO <0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr. 262).
- Tiêu chuẩn trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sau trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1998), các nhân tố có Engenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đó trước khi EFA). Vì thế, các nhân tố chỉ được rút trích lại tại Engenvalue ≥ 1 và được chấp nhận khi tổng phương sai trích ≥ 50%.
- Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Haid và ctg, Factor loading > 0,3 được xem là mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực tiễn. Nếu tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu ít nhất là 350; nếu cỡ mẫu khoảng 100 thì tiêu chuẩn Factor loading > 0,55; cỡ mẫu khoảng 50 thì Factor loading > 0.75 (Nguyễn Khánh Duy, 2009, tr.14)
- Ngoài ra, tác giả sử dụng phương pháp trích Principal componet với phép xoay Varimax loại bỏ các biến quan sát có trị số Factor loading ≤ 0,4.
3.3.2.2 Phân tích hồi quy logistic
Hồi quy Binary Logistic sử dụng biến phụ thuộc dạng nhị phân để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được. Khi biến
phụ thuộc ở dạng nhị phân (hai biểu hiện 0 và 1) thì khơng thể phân tích với dạng hồi quy thơng thường mà phải sử dụng hồi quy Binary Logistic.
Phương pháp đưa biến vào (Method) tương tự như hồi quy tuyến tính thơng thường. Tuy nhiên điều kiện căn cứ trên số thống kê likelihood-ratio (tỷ lệ thích hợp) hay số thống kê Wald.
- Khác với hồi quy tuyến tính thơng thường hệ số R2 càng lớn thì mơ hình càng phù hợp, hồi quy Binary Logistic sử dụng chỉ tiêu -2LL (-2 log likelihood) để đánh giá độ phù hợp của mơ hình. -2LL càng nhỏ càng thể hiện độ phù hợp cao. Giá trị nhỏ nhất của -2LL là 0 (tức là khơng có sai số) khi đó mơ hình có độ phù hợp hồn hảo. Độ phù hợp tổng quát có mức ý nghĩa quan sát sig. = 0,000 nên ta bác bỏ H0. Nghĩa là tổ hợp liên hệ tuyến tính của tồn bộ các hệ số trong mơ hình có ý nghĩa trong việc giải thích cho biến phụ thuộc.
- Kết quả của kiểm định Wald (kiểm định giả thuyết hồi quy khác không). Nếu hệ số hồi quy B0 và B1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay khơng xảy ra như nhau, lúc đó mơ hình hồi quy khơng có tác dụng dự đốn.
- Đối với hồi quy tuyến tính sử dụng kiểm định t để kiểm định giả thuyết H0: k=0. Còn đối với hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể