3.3 Mã hóa thang đo và biến quan sát
3.3.6 Phương pháp phân tích dữ liệu
Để phân tích dữ liệu thu thập được, tác giả sử dụng phần mềm SPSS 26 với các phương pháp thống kê sau:
- Kiểm định Cronbach’s Alpha: đây là kiểm định đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha, qua đó cho phép loại bỏ các biến khơng phù hợp nếu hệ số tương quan biến tổng của các biến quan sát (Corrected Item-Total Correlation) nhỏ hơn 0,3 và hệ số Cronbach’s Alpha nhỏ hơn 0,6 (Hair & ctg, 2014).
- Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis): đây là kỹ thuật thực hiện nhằm xem xét mối quan hệ giữa các biến ở tất cả các nhân tố khác nhau nhằm phát hiện ra trường hợp mợt biến quan sát có ở nhiều nhân tố hoặc bị phân sai nhân tố từ ban đầu qua đó rút gọn tập biến quan sát, giúp xác định các tập biến cần thiết cho nghiên cứu. Phương pháp rút trích nhân tố được sử dụng là phương pháp thành phần chính với phép xoay vng góc (varimax), Cụ thể:
+ Kiểm định tính thích hợp của EFA: Sử dụng hệ số KMO (Kaiser – Meyer – Olkin measun) để đánh giá sự thích hợp của phân tích nhân tố. Theo đó, hệ số KMO có giá trị 0.5≤ KMO ≤1 thể hiện phân tích nhân tố là phù hợp (Hồng & Chu, Phân tích dữ liệu nghiên cứu với SPSS, 2008).
+ Kiểm định Bartlett: là kiểm định tính tương quan của các biến quan sát trong thước đo đại diện, nếu kiểm định Bartlett có ý nghĩa thống kê (sig<0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể. (HồngTrọng, 2008) + Kiểm định phương sai trích: Dùng phương sai trích để đánh giá mức đợ giải thích của các biến quan sát đối với nhân tố. Theo Hair và các cợng sự (Hair, 2014) thì trị số phương sai phải đạt giá trị 50% trở lên.
+ Trị số Eigenvalue: là trị số dùng để xác định số lượng nhân tố trong nghiên cứu, chỉ những nhân tố nào có Eigenvalue >=1 thì mới được giữ lại trong mơ hình phân tích.
25
+ Hệ số tải nhân tố (Factor loading): giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao thì tương quan giữa biến quan sát và nhân tố càng lớn và ngược lại. Theo (Hair, 2014) thì:
o Hệ số tải nhân tố ở mức +/- 0.3: điều kiện tối thiểu để biến quan sát được giữ lại.
o Hệ số tải nhân tố ở mức +/- 0.5: Biến quan sát có ý nghĩa thống kê tốt.
o Hệ số tải nhân tố ở mức +/- 0.7: Biến quan sát có ý nghĩa thống kê rất tốt.
Tuy nhiên, kích cỡ mẫu khác nhau thì giá trị tiêu chuẩn của hệ số tải nhân tố khác nhau và người ta thường lấy hệ số tải 0.5 làm tiêu chuẩn cho cỡ mẫu từ 120 đến dưới 350; hệ số tải là 0.3 cho cỡ mẫu từ 350 trở lên.
- Phân tích tương quan Pearson: mục đích là để kiểm tra mối tương quan tuyến tính giữa biến phụ thuộc với các biến độc lập. Giá trị của tương quan Pearson r dao động từ -1 đến 1 và hệ số r chỉ có ý nghĩa khi sig. < 0,05. Nếu r càng tiến về -1 hoặc 1 thì tương quan tuyến tính càng chặt chẽ, nếu r càng tiến về 0 thì tương quan tuyến tính càng yếu và nếu r = o thì khơng có tương quan tuyến tính (Field, 2015).
- Phân tích hồi quy: đây là phương pháp xác định phương trình thể hiện nhân tố nào tác động đến biến phụ tḥc để từ đó đưa ra các giải pháp cho vấn đề nghiên cứu. - Khi phân tích hồi quy tác giả sử dụng phương pháp Enter, là phương pháp đưa cùng
lúc tất cả các biến vào phân tích để tiến hành phân tích các chỉ số như:
• Giá trị R bình phương và R bình phương hiệu chỉnh: đây là chỉ số phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Mức biến thiên của 2 giá trị này là từ 0-1, nếu giá trị càng tiến về 1 thì mơ hình càng có ý nghĩa và ngược lại.
• Trị số Durbin – Watson (DW) để kiểm định hiện tượng tự tương quan giữa các phần dư. Giá trị của hệ số DW biến thiên trong khoảng từ 0- 4, theo Yahua Qiao (Yahua, 2011) thường giá trị DW nằm trong khoảng từ 1.5 đến 2.5 thì mơ hình khơng có hiện tượng tự tương quan.
• Kiểm định F: để kiểm định mơ hình hồi quy có phù hợp khơng. Nếu Sig của kiểm định F nhỏ hơn 0,05 thì mơ hình hồi quy phù hợp với tập dữ liệu.
26
• Kiểm định t: được sử dụng để kiểm định ý nghĩa của hệ số hồi quy, nếu giá trị Sig của kiểm định t của hệ số hồi quy của mợt biến đợc lập < 0,05 thì có nghĩa là biến đợc lập đó có tác đợng đến biến phụ tḥc, nếu giá trị Sig kiểm định t của biến đợc lập > 0,05 thì biến đợc lập đó khơng có tác đợng đến biến phụ tḥc.
• Kiểm tra hiện tượng đa cọng tuyến bằng hệ số phóng đại phương sai (VIF). Theo Hair và các cợng sự (Hair, 2014) thì nếu VIF < 10 thì khơng có hiện tượng đa cọng tuyến giữa các biến đợc lập.
- Kiểm định T-test: là kiểm định sự khác biệt trung bình để xác định có sự khác biệt trung bình của biến định lượng đối với mợt biến định tính có 2 giá trị hay khơng. Ví dụ, có sự khác nhau về sự hài lòng khi sử dụng dịch vụ ngân hàng điện tử của Vietcombank giữa các khách hàng nam và nữ hay không.
- Nếu phương sai giữa 2 giới tính là giống nhau (sig Levene’S > 0.05), ta sử dụng giá trị trị sig T-test ở dòng Equal variances assumed, ngược lại giá trị sig Levene’S <0,05 thì sử dụng giá trị trị sig T-test ở dòng Equal variances not assumed.
- Với giá trị sig T-test, nếu sig < 0.05 thì có sự khác biệt về sự hài lịng của các khách hàng nam và nữ. Nếu giá trị T-test >=0,05 thì khơng có sự khác biệt về sự hài lòng giữa hai đối tượng khách hàng này.
- Kiểm định Anova: là kỹ thuật được phát triển bởi Ronald Fisher năm 1918, dùng để xác định có sự khác biệt trung bình biến định lượng đối với mợt biến định tính có từ 3 giá trị khác nhau trở lên hay khơng. Ví dụ, có sự khác nhau về sự hài lịng khi sử dụng dịch vụ ngân hàng điện tử của Vietcombank giữa các khách hàng có đợ tuổi hay thu nhập khác nhau hay khơng.
- Xem xét sig của Levene Statistic, nếu sig >= 0.05 thì phương sai giữa các lựa chọn của biến định tính là khơng khác nhau, ta xem kết quả Anova, nếu sig ở bảng Anova < 0.05 thì kết luận có sự khác biệt về sự hài lịng của các khách hàng, nếu giá trị Sig >=0,05 thì khơng có sự khác biệt về sự hài lịng của khách hàng.
- Nếu sig của Levene Statistic < 0.05 thì phương sai giữa các lựa chọn của biến định tính là khác nhau, lúc này sẽ khơng dùng kết quả bảng Anova mà dùng kết quả kiểm định Welch. Theo Field (Field, 2015), nếu sig kiểm định Welch < 0.05 thì kết luận có sự khác biệt về sự hài lòng của các khách hàng, nếu giá trị Sig >=0,05 thì khơng có sự khác biệt về sự hài lòng của khách hàng.
27