Chương 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.2.3. Nghiên cứu chính thức (định lượng)
Mục đích của bước nghiên cứu này là kiểm định mơ hình lý thuyết đã được đặt ra, và đo lường các yếu tố tác động vào sự thỏa mãn của người sử dụng. Nghiên cứu này được tiến hành tại khu vực TP.HCM, và đối tượng nghiên cứu là tất cả những ai
đã từng dùng Internet làm phương tiện giải trí. Phương pháp thu thập thơng tin được
sử dụng trong nghiên cứu này là phỏng vấn trực tiếp theo một bảng câu hỏi chi tiết
đã được chuẩn bị sẵn (xem Phụ Lục). Kích thước mẫu là n = 354, mẫu nghiên cứu được chọn theo sự thuận tiện. Dữ liệu sau khi được thu thập sẽ được mã hóa, nhập
Thang đo được sử dụng cho nghiên cứu chính thức là thang đo đã được hiệu
chỉnh từ thang đo SERVQUAL. Thang đo được đánh giá sơ bộ thông qua phương
pháp hệ số tin cậy Cronbach Alpha và phân tích nhân tố EFA (exploratory factor analysis).
Hệ số tin cậy Cronbach alpha dùng để xác định độ tin cậy của thang đo.
Thang đo có độ tin cậy đáng kể khi hệ số Cronbach alpha’s lớn hơn 0.6. Hệ số
tương quan biến tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao, sự tương quan của
các biến với các biến khác trong nhóm càng cao. Và hệ số tương quan biến tổng phải lớn hơn 0.3. Theo Nunally & Burnstein (1994) thì các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 được xem là biến rác và đương nhiên là bị loại khỏi
thang đo.
Độ giá trị hội tụ (convergent validity) và độ giá trị phân biệt (discriminant
validity) của thang đo được đánh giá sơ bộ thơng qua phương pháp phân tích nhân tố khám phá EFA. Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0.4 trong một nhân tố. Để đạt độ giá trị phân biệt thì khác biệt giữa các hệ số chuyển tải phải lớn hơn hoặc bằng 0.3.
Số lượng nhân tố : Số lượng nhân tố được xác định dựa vào chỉ số eigenvalue
đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn
Kaiser thì những nhân tố có eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình nghiên cứu.
Phương pháp trích hệ số yếu tố: Nghiên cứu này sử dụng phương pháp trích yêu tố Principal Axis Factoring với phép xoay Promax vì nó phản ảnh cấu trúc dữ liệu chính xác hơn phương pháp Principal Components với phép xoay Varimax. Phương pháp Principal Axis Factoring sẽ cho ta kết quả là số lượng nhân tố là ít nhất để giải thích phương sai chung của tập hợp biến quan sát trong sự tác động qua lại giữa chúng.