6. KẾT CẤU LUẬN VĂN
2.2. KHÁI QUÁT VỀ ĐIỆN LỰC TRẢNG BOM
2.3.4. Phƣơng pháp phân tích dữ liệu
2.3.4.1. Kiểm định độ tin cậy của thang đo
Dữ liệu thu thập sẽ đƣợc kiểm tra trên phần mềm SPSS 20.0 bằng phƣơng pháp phân tích độ tin cậy Cronbach‟s Alpha. Hệ số này dùng để đánh giá độ tin cậy của thang đo hay mức độ chặt chẽ giữa các biến trong bảng câu hỏi.
Các biến có hệ số tƣơng quan biến tổng (item-total correlation) <0.3 sẽ bị loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp thang đo lƣờng là mới hoặc mới với ngƣời trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thƣờng, thang đo có Cronbach alpha từ 0.7 đến 0.8 là sử dụng đƣợc. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lƣờng tốt.
2.3.4.2. Phân tích nhân tố khám phá (EFA)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach‟s Alpha và loại đi các biến không đảm bảo độ tin cậy. Kỹ thuật phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) đƣợc dùng để thu nhỏ và tóm tắt dữ liệu.
Theo Hair Jr.J.F., & cộng sự (1998): Phƣơng pháp phân tích nhân tố khám
phá (EFA - Exploratory Factor Analysis) đƣợc dùng để rút gọn một tập hợp nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn, để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết các nội dung ban đầu
Phân tích nhân tố khám phá đƣợc cho là phù hợp khi các tiêu chuẩn sau đây đƣợc thỏa mãn:
- Thƣớc đo KMO (Kaiser - Meyer - Olkin): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Điều kiện đủ là 0,5≤ KMO≤1, nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu.
- Kiểm định Barlett's Test: dùng để kiểm định xem các biến có tƣơng quan trong tổng thể hay khơng. Các biến quan sát có tƣơng quan trong tổng thể nếu kiểm định này có mức ý nghĩa thống kê Sig. < 0,05.
- Phƣơng sai trích: thể hiện phần trăm biến thiên của các biến quan sát. Thang đo đƣợc chấp nhận khi tổng phƣơng sai trích bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007), chỉ giữ lại những nhân tố có chỉ số Eigenvalue lớn hơn 1.
- Hệ số tải nhân tố FD (Factor Loading): là hệ số tƣơng quan đơn giữa các biến và các nhân tố. Hệ số này cho biết mỗi mục hỏi thuộc về nhân tố chủ yếu nào. Việc tính hệ số tải nhân tố là nhằm đảm bảo mức ý nghĩa thiết thực của EFA.
Nếu Factor Loading > 0,3: đạt mức tối thiểu Nếu Factor Loading > 0,4: đạt mức quan trọng Nếu Factor Loading > 0,5: có ý nghĩa thiết thực.
Sau khi lựa chọn các biến có FD > 0,5, trên bảng Rotated Component Matrix có bao nhiêu cột thì có bấy nhiêu nhân tố. Nhƣ vậy các biến quan sát đƣa vào mô hình EFA đƣợc rút gọn thành các nhân tố trong bảng Rotated Component Matrix, qua đó có thể biết mỗi nhân tố gồm những biến quan sát nào, có ý nghĩa gì và dựa trên lý thuyết để đặt tên cho các nhân tố đó.
2.3.4.3. Phân tích hồi quy và kiểm định mơ hình
Mơ hình h i quy
Phân tích hồi quy đƣợc thực hiện bằng phƣơng pháp Enter với phần mềm SPSS.
Mơ hình hồi quy có dạng như sau:
Yi = 0 + 1X1i + 2X2i + … + pXni + i
Trong đó:
Yi: Biến phụ thuộc : MĐHL của khách hàng về CLDV cung cấp điện. 0:Hệsố chặn.
i:Hệsố hồi quy thứ i (i = 1,n). i: Sai số biến độc lập thứ i.
Xi: Biến độc lập ngẫu nhiên.
Kiểm định mơ hình
Kiểm định độ phù hợp của mơ hình
Kiểm định F trong bảng phân tích phƣơng sai là phép kiểm định về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể, xem xét biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp các biến độc lập hay không.
Cặp giả thiết nghiên cứu:
- Ho: Khơng có mối quan hệ giữa các biến độc lập và biến phụ thuộc
- H1: Tồn tại mối quan hệ giữa các biến độc lập và biến phụ thuộc Mức ý nghĩa kiểm định là 5%
Nguyên tắc chấp nhận giả thiết:
- Nếu Sig <= 0,05: Bác bỏ giả thiết Ho
- Sig > 0,05: Chƣa có cơ sở bác bỏ giả thiết Ho.
Kiểm định đa cộng tuyến
Cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau, và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tƣơng quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy, và làm giảm trị thống kê của kiểm định ý nghĩa của chúng.
Dấu hiệu nhận biết đa cộng tuyến:
- Hệ số phóng đại phƣơng sai (VIF) vƣợt quá 10
- Hệ số tƣơng quan giữa các biến độc lập cao, nếu > 0,8 thì chắc chắn có đa cộng tuyến.
- Dấu của hệ số hồi quy khác với dấu kỳ vọng.
- Kiểm định sự tƣơng quan, hệ số Durbin Wastion (1 < D < 3)
Sau khi thu thập dữ liệu tác giả tiến hành mã hóa, làm sạch và cuối cùng xử lý bằng phần mềm SPSS 20 để sẵn sàng cho việc phân tích.