3.2 Thiết kế nghiên cứu
3.3.3 Phương pháp phân tích số liệu
3.3.3.1. Phương pháp thống kê mô tả
Sử dụng các bảng tần xuất và các biểu đồ để đánh giá những đặc điểm của mẫu điều tra. Phân tích thống kê mơ tả đặc điểm nghiên cứu về các yếu tố cơ bản của nhân khẩu học: giới tính, nghề nghiệp, thu nhập… Thống kê mơ tả là bước phân tích dữ liệu ở mức độ cơ bản đầu tiên. Nghiên cứu này thực hiện thống kê và mô tả về những đặc điểm về nhân khẩu học, về thang đo của các nhân tố bên trong và nhân tố bên ngoài. Phương pháp này tổng hợp các phương pháp đo lường, mơ tả, trình bày số liệu điều tra, thể hiện đặc điểm cơ cấu mẫu điều tra. Các đại lượng thống kê mô tả được thể hiện trong nghiên cứu gồm giá trị trung bình (Mean), độ lệch chuẩn (Sandard deviation), giá trị lớn nhất (Max), giá trị nhỏ nhất (Min).
3.3.3.2. Phương pháp phân tích độ tin cậy Cronbach’s Alpha
Hệ số Alpha của Cronbach là một đại lượng có thể được sử dụng trước hết để đo lường độ tin cậy của các nhân tố và để loại ra các biến quan sát không đảm bảo độ tin cậy trong thang đo.
Mục đích của đánh giá thang đo là tìm hiểu xem các biến số quan sát có cùng đo lường cho một khái niệm cần đo hay khơng. Muốn biết cái nào đóng góp nhiều hay ít thì cần phải quan sát hệ số tương quan biến tổng (Corrected item – total correlation).
Điều kiện tiêu chuẩn chấp nhận các biến gồm có 3 điều kiện:
- Những biến có hệ số tương quan biến tổng phù hợp (Corrected Item – Total Correlation) > 0.3 trở lên.
- Các hệ số Cronbach’s Alpha của các biến phải từ 0.6 trở lên và >= Cronbach’s Alpha if Item Deleted.
- Các biến có hệ số tương quan biến tổng < 0.3 sẽ bị loại.
Thỏa mãn điều kiện trên thì các biến phân tích được xem là chấp nhận và thích hợp đưa vào phân tích những bước tiếp theo (Nunnally và BernStein, 1994).
3.3.3.3. Phương pháp phân tích nhân tố khám phá EFA
Các thang đo đạt yêu cầu về độ tin cậy sẽ được sử dụng phân tích nhân tố để rút gọn một tập gồm nhiều biến quan sát thành một tập biến (gọi là nhân tố) ít hơn; các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội
dung thông tin của tập biến quan sát ban đầu (Hair, Anderson, Tatham và Black; 1998). Phương pháp phân tích nhân tố EFA được dùng để kiểm định giá trị khái niệm của thang đo (Lê Ngọc Đức, 2008).
Điều kiện để phân tích nhân tố:
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. (Lê Văn Huy & cộng sự, 2012).
Xem xét giá trị KMO: 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO ≤ 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2007).
Để phân tích EFA có giá trị thực tiễn: tiến hành loại các biến quan sát có hệ số tải nhân tố < 0.5.
Xem lại thông số Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị >= 1. Nếu Eigenvalues < 1 thì sẽ loại khỏi mơ hình nghiên cứu. (Gerbing & Anderson, 1988).
Xem xét giá trị tổng phương sai trích (yêu cầu là ≥ 50%): cho biết các nhân tố được trích giải thích được % sự biến thiên của các biến quan sát.
Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0.5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0.3 là đạt được mức tối thiểu; lớn hơn 0.4 là quan trọng; lớn hơn 0.5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0.3; nếu cỡ mẫu khoảng 100 đến 350 thì chọn hệ số tải nhân tố lớn hơn 0.5; nếu cỡ mẫu khoảng 50 đến 100 thì hệ số tải nhân tố phải lớn hơn 0.75 (Theo Hair & ctg (1998), Multivariate Data Analysis, Prentice-Hall International).
3.3.3.4. Phương pháp phân tích tương quan biến
Hệ số tương quan biến tổng (Corrected Item - Total Correlation) có ý
nghĩa quan trọng trong phân tích độ tin cậy thang đo Cronbach's Alpha, giúp nhà nghiên cứu xác định được biến quan sát nào ít đóng góp cho thang đo và từ đó, cân nhắc việc loại bỏ biến quan sát để tăng độ tin cậy cho thang đo.
Tương quan biến tổng Corrected Item - Total Correlation là chỉ số của
bảng kết quả Item-Total Statistics, chỉ số này sẽ hiện ở từng hàng tương ứng với từng biến quan sát
Một thang đo có độ tin cậy cao (hệ số Cronbach Alpha cao) khi các biến quan sát của nó có sự tương quan chặt chẽ với nhau. Sự tương quan này càng lớn cho thấy rằng các biến quan sát biểu hiện rất tốt cho đặc điểm, tính chất của biến mẹ, trừ một số trường hợp vi phạm trùng lặp thang đo.
Corrected Item - Total Correlation thể hiện mối quan hệ giữa biến quan sát
đó với tất cả các biến quan sát cịn lại trong cùng 1 thang đo (cùng 1 nhóm). Chỉ số này càng cao, nghĩa là biến quan sát tương quan càng mạnh với các biến còn lại, biến này càng tốt và ngược lại, chỉ số này càng thấp, tương quan với các biến cịn lại càng thấp, biến này càng khơng tốt.
3.3.3.5. Phương pháp phân tích hồi quy
Khái niệm: Phân tích hồi quy (Regression Analysis) là kỹ thuật thống kê
dùng để ước lượng phương trình phù hợp nhất với các tập hợp kết quả quan sát của biến phụ thuộc và biến độc lập. Nó cho phép đạt được kết quả ước lượng tốt nhất về mối quan hệ chân thực giữa các biến số .. Từ phương trình ước lượng được này, người ta có thể dự báo về biến phụ thuộc (chưa biết) dựa vào giá trị cho trước của biến độc lập (đã biết).
- Đặc điểm: Một lượng nhỏ dữ liệu, ước lượng này có thể có phương sai lớn.
Dạng đơn giản nhất của một mơ hình hồi qui chứa một biến phụ thuộc và một biển độc lập đơn,có khái niệm độc lập và phụ thuộc.Các hệ số của mơ hình hồi quy được xác định theo phương pháp bình phương nhỏ nhất. Hệ số tương quan và tỷ số tương quan được sử dụng để đánh giá mức độ chặt chẽ của mối liên hệ tương quan giữa hai tiêu thức số lượng.
*Sau khi thang đo các yếu tố khảo sát đã được kiểm định thì sẽ được xử lý chạy hồi quy tuyến tính bằng phương pháp tổng bình phương nhỏ nhất (OLS) bằng cả hai phương pháp Enter và phương pháp Stepwise.
Mục đích của hồi quy là đi tìm một phương trình mà khi biểu diễn nó trên đồ thị, chúng ta có một đường thẳng phù hợp nhất và ước tính được biến phụ thuộc Y dựa vào những thay đổi của biến độc lập X.
- Hồi quy phản ánh sự ảnh hưởng của việc thay đổi giá trị của biến độc lập X lên biến phụ thuộc Y. Chúng ta sẽ đi ước tính Y dựa vào những giá trị của X. Hồi
Kiểm tra Sig Levene Test Sig Levene > 0.05 Phương sai các nhóm giá trị là đồng nhất Sig Levene < 0.05 Phương sai các nhóm giá trị là khơng đồng nhất Dùng bảng
ANOVA Dùng bảng Robust Test
Sig F < 0.05 Có khác biệt trung bình Sig F > 0.05 Khơng có khác biệt trung bình Sig Welch < 0.05 Có khác biệt trung bình Sig Welch > 0.05 Khơng có khác biệt trung bình quy là mối quan hệ 1 chiều từ X lên Y. Hệ số hồi quy sẽ khác nhau nếu đổi X thành biến phụ thuộc, đổi Y thành biến độc lập.
- Trong hồi quy, việc tăng X làm Y tăng nghĩa là biến X có sự tác động thuận chiều lên Y. Nếu X tăng làm Y giảm nghĩa là biến X có sự tác động nghịch chiều lên Y. Lượng thay đổi của X không bằng lượng thay đổi của Y.
- Có sự phân biệt biến độc lập X và biến phụ thuộc Y, hồi quy chỉ xem xét sự tác động của biến độc lập lên biến phụ thuộc.
- Hồi quy có thể xem xét sự tác động của nhiều biến độc lập lên 1 biến phụ thuộc.
3.3.3.6. Phương pháp kiểm định T-Test và ANOVA
T-Test dùng khi biến định tính có 2 giá trị, One-way Anova dùng khi biến định tính có 3 giá tị trở lên. Bài nghiên cứu này có hơn 3 giá trị định tính nên sử dụng One-way Anova (kiểm định ANOVA một chiều) để phân tích kết quả.