CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
3.3. NGHIÊN CỨU CHÍNH THỨC
Nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng nhằm kiểm định lại thang đo trong mơ hình nghiên cứu thơng qua bảng câu hỏi khảo sát.
3.3.1. Phương pháp thu thập thông tin và cỡ mẫu
Tác giả tiến hành phát bảng câu hỏi cho sinh viên hai trường đại học: Đại học Tài chính – Marketing và đại học Kỹ thuật Cơng nghệ tại TPHCM ở các ngành học của bậc đại học chính qui.
Về phương pháp chọn mẫu, tác giả sử dụng phương pháp chọn mẫu thuận tiện. Phân tích nhân tố khám phá EFA và phân tích hồi qui bội là phương pháp chủ yếu trong nghiên cứu này. Theo Hair,1998 thì muốn phân tích nhân tố khám phá tốt thì số mẫu nghiên cứu cần đạt ít nhất là 5 mẫu tương ứng với một biến quan sát.
Mơ hình nghiên cứu của đề tài gồm 26 biến quan sát, vì thế kích thước mẫu cần thiết để kiểm định mơ hình là: n = 26 * 5 = 130.
3.3.2. Phương pháp phân tích dữ liệu
Các dữ liệu sau khi thu thập được tác giả tiến hành làm sạch, mã hóa và xử lý thơng qua phần mềm SPSS 16.0. Các phương pháp phân tích tác giả sử dụng trong đề tài nghiên cứu:
3.3.2.1. Bảng tần số
Bảng tần số để mô tả mẫu thu thập theo giới tính, ngành học và hộ khẩu.
3.3.2.2. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá (EFA) là kỹ thuật được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng như rất cần thiết trong việc tìm mối quan hệ giữa các biến với nhau.
Trị số KMO ( Kaiser – Mever – Olkin) trong phân tích nhân tố khám phá dùng để xem xét sự thích hợp của phân tích nhân tố. Phân tích được xem là thích hợp nếu trị số KMO có giá trị trong khoảng 0.5 đến 1. Ngược lại, nếu KMO nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
Ngồi ra, eigenvalue trong phân tích nhân tố cũng được xem xét. Nếu nhân tố có eigenvalue lớn hơn 1 thì được giữ lại trong mơ hình nghiên cứu. Những nhân tố nào có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Một phần cũng không kém phần quan trọng trong phân tích nhân tố là ma trận nhân tố ( Component Matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biễu diễn các biến chuẩn hóa bằng các nhân tố. Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
Cuối cùng, để phân tích nhân tố có ý nghĩa, hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải > hoặc = 0.3 để đảm bảo giá trị khác biệt giữa các nhân tố ( Jabnoun & Al – Tamimi,2003).
3.3.2.3. Tính tốn Cronbach alpha
Hệ số Cronbach Alpha dùng để kiểm định thống kê về mức độ chặt chẽ của các mục hỏi trong thang đo có sự tương quan với nhau. Vì vậy, tính tốn Cronbach alpha có thể giúp người phân tích có thể loại bỏ những biến khơng phù hợp và hạn chế các biến rác trong quá trình nghiên cứu. Ngồi ra, Cronbach alpha cịn giúp đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach alpha. Những biến có hệ số tương quan biến tổng ( item total correlation) nhỏ hơn 0.3 sẽ bị loại.
Theo nguyên tắc, một tập hợp các mục hỏi dùng để đo lường được đánh giá tốt phải có hệ số Cronbach alpha lớn hơn hoặc bằng 0.8. Thang đo có Cronbach alpha từ 0.7 đến 0.8 là có thể sử dụng cho nghiên cứu. Tuy nhiên, với những khái niệm nghiên cứu có tính mới thì hệ số Cronbach alpha có thể từ 0.6 trở lên vẫn chấp nhận được ( Nunnally,1978; Peterson,1994; Slater, 1995).
3.3.2.4. Phân tích hồi qui
Phân tích hồi qui dùng để chứng minh sự phù hợp của mơ hình nghiên cứu. Với mơ hình tác giả đề nghị nghiên cứu trong chương 2, phương pháp phân tích hồi qui bội sẽ thực hiện để xem xét sự ảnh hưởng của các thành phần của giá trị lên thành phần lòng trung thành thương hiệu.
3.3.2.5. Kiểm định t- test và Anova
Sử dụng kiểm định t-test và Anova để xem xét xem có sự khác biệt giữa các biến giới tính, hộ khẩu và ngành học đến lòng trung thành thương hiệu.