CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.2.2- Nghiên cứu định lượng:
Bước 1: Phân tích thống kê mơ tả mẫu nghiên cứu
Trước khi phân tích dữ liệu tiến hành làm sạch dữ liệu để loại các dữ liệu khơng phù hợp, mã hóa và nhập số liệu sau đó thực hiện lại việc kiểm tra nhập liệu.
Phân tích mơ tả mẫu nghiên cứu để tìm ra đặc điểm của mẫu nghiên cứu về các thông tin của người được nghiên cứu như: độ tuổi, trình độ học vấn, nghề nghiệp, nơi làm việc, mức lương, giới tính.
Bước 2: Đánh giá thang đo
Phân tích Cronbach’s Alpha
Hệ số Cronbach Alpha được sử dụng để đánh giá sự hội tụ của các thành phần của thang đo để loại các biến không phù hợp của nghiên cứu. Theo Nunnally & Burnstein (1994) (trích theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2008), các biến có hệ số tương quan biến-tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy Alpha từ 0.6 trở lên.
Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA được sử dụng để xác định giá trị hội tụ, giá trị phân biệt và thu gọn các tham số ước lượng cho các nhóm biến.
Kiểm định Barlett được dùng để xem xét ma trận tương quan có phải là ma trận đơn vị hay khơng. Kiểm định Barlett có ý nghĩa thống kê khi Sig. < 0.05, chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Phương pháp này chỉ được sử dụng khi hệ số KMO (Kaiser-Meyer-Olkin) có giá trị từ 0.5 trở lên. Nếu KMO < 0.5 thì phân tích nhân tố khơng thích hợp với dữ liệu (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Trong bước này các biến có hệ số tải nhân tố (factor loading) nhỏ hơn 0.5 sẽ tiếp tục bị loại.
Phương pháp trích hệ số sử dụng là phương pháp trích nhân tố Principal Com- ponent với phép quay Varimax, điểm dừng khi trích các yếu tố có Eigenvalue lớn hơn hoặc bằng 1.
Thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50% (Nunnally & Burnstein, 1994, theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2008).
Sau khi loại các biến không phù hợp, được tiến hành để kiểm tra lại độ phù hợp của các biến, đồng thời kiểm định Cronbach’s Alpha được thực hiện lại trên các nhóm biến có sự hiệu chỉnh để khẳng định lại độ tin cậy của thang đo.
Bước 3: Phân tích hồi qui và kiểm định giả thuyết
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan và phân tích hồi qui để kiểm định các giả thuyết. Theo Cooper và Schindler(2005), hồi qui tuyến tính bội thường được dùng để kiểm định và giải thích lý thuyết nhân quả. Phân tích tương quan Pearson’s được sử dụng (vì các biến được đo bằng thang đo khoảng) để xác định các mối quan hệ có ý nghĩa thống kê giữa các biến trước khi tiến hành phân tích hồi qui tiếp theo. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến có mối tương quan tuyến tính càng chặt chẽ (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).