CH NGă2 :ăC ăS LÝ THUY T VÀ MÔ HÌNH NGHIÊN CU
3.4.3. Ph ngăphápăphơnătíchănhơnăs khám phá EFA
Chúng ta c năđánhăgiáăđ tin c y và giá tr c aăthangăđoătr c khi ki măđ nh lý thuy t khoa h c.ăPh ngăphápăCronbachăAlphaăđ đánhăgiáăđ tin c y c aăthangăđo.ăV năđ
ti pătheoălƠăthangăđoăc năđ căđánhăgiáăgiáătr c a nó. Phân tích nhân t khám phá
đ c s d ng ch y uăđ ki mătraăđ giá tr c a các bi n quan sát v khái ni m (Th , 2014). Th c hi n phân tích nhân t khám phá c aăthangăđoănh m xem xét s l ng
nhân t trích có phù h p v i gi thuy tăbanăđ u v s l ng thành ph n c aăthangăđoă
n uăthangăđoăđaăh ng. S l ng nhân t có th trích khơng phù h p (l năh năho c
nh h n)ăđ u có th x yăra.ăDoăđó,ăc n xem xét nguyên nhân và hi u ch nh tên bi n
cho phù h p.
Vi c phân tích nhân t EFAăđ i v i các bi nătrongăcácăthangăđoăc aăđ tƠiăđ c ti n
hƠnhăquaă3ăb c (Th , 2014):
- B c 1: phân tích EFA cho riêng t ngăthangăđoăđ đánhăgiáătínhăđ năh ng c a
thangăđo;ăki măđ nhătínhăđ năh ng c aăthangăđoătrongănghiênăc uăđ nhăl ngăs ăb
đ c th c hi n v i phép trích principal components và phép quay varimax; ki măđnh
tínhăđ năh ng c aăthangăđoătrongănghiênăc uăđ nhăl ng chính th c th c hi n v i
phép trích principal axis factoring và phép quay là promax
- B c 2: phân tích EFA chung cho t t c cácăthangăđoăc a các khái ni m trong mô hình nghiên c uăđ đánhăgiáăs ăb giá tr h i t và giá tr phân bi t n i b .ăB c này s đ c th c hi n v i phép trích principal axis factoring, phép quay promax.
- B c 3: ki m tra l iăđ tin c yăCronbach’săAlphaăl n n a cho các nhân t m iăđ c thi t l p
Cácătiêuăchíăđánhăgiáăk t qu c a phân tích nhân t khám phá là:
- Nghiên c uănƠyăđ c th c hi n phép phân tích nhân t khám phá (EFA) chung cho t t c cácăthangăđoătrongămơăhìnhănghiênăc u. V i phép trích nhân t principal axis factoring b iă vìă thangă đoă đaă h ng.ă ng th i th c hi n phép quay promax cho nghiên c u v i mơ hình c u trúc tuy n tính (SEM) (Th , 2014).
- 0.5ă≤ăKMOă(Kaiser-Meyer-Olkin)ă≤ă1ăthìăphépăphơnătíchănhơnăt đ c xem là thích
h p (Th , 2014). Ki măđnh KMO là ch s dùngăđ soăsánhăđ l n c a h s t ngă
quan gi a hai bi n v iăđ l n c a h s t ngăquanăriêngăc a chúng (Norusis, 1994). KMO càng l n càng t t:ăKMOă≥ă0.6 t măđ c,ăKMOă≥ă0.7ăđ c,ăKMOă≥ă0.8 t t, KMO ≥ă0.9 r t t t (Kaiser, 1974).
- Ki măđ nhăBartlettă(Bartlett’sătestăofăsphericity):ădùngăđ xem xét ma tr năt ngă
quan có ph i là ma tr năđ năv , là ma tr n có các thành ph n (h s t ngăquanăgi a các bi n) b ngă0ăvƠăđ ng chéo (h s t ngăquanăv i chính nó) b ng 1.
N u ki măđnh Bartlett có Sig. < 0.05 thì chúng ta t ch i gi thuy t H0 (Ma tr n
t ngăquanălƠămaătr năđ năv )ăngh aălƠăcácăbi n có quan h v i nhau (Th , 2014).
- H s t i nhân t (factorăloading)ălƠătiêuăchíăđ đ m b o m căỦăngh aăthi t
th c c a nhân t xét theo mơ hình EFA. H s t i nhân t có tr ng s l năh nă0.4
đ c xem là quan tr ng và n u l năh nă0.5ăđ căxemălƠăcóăỦăngh aăthi t th c (Th , 2014).
- T ngăph ngăsaiătríchăđ c ph i l năh nă50%ă(Th ,ă2014).ăNgh aălƠănhơnăt tr ng
s và t ng ph ngăsaiătrích,ăv iăthangăđoăđ năbi n hay nhi u bi năđoăl ng trong th c ti n nghiên c u l năh năho c b ng 0.5 là ch p nh năđ c.
- S l ng nhân t đ căxácăđnh nhân t (d ng nhân t ) có eigenvalue t i thi u b ng 1 (Th , 2014).
3.4.4. Ki măđnh mơ hìnhăđoăl ng CFA
Thangăđoăđ c ki măđnh b ngăph ngăphápăphơnătíchănhơnăt kh ngăđ nh CFA,
thơng qua ph n m m phân tích c u trúc tuy n tính AMOS. Trong ki măđnh thang
đo,ăph ngăphápăCFAătrongăphơnătíchămơăhìnhăc u trúc tuy n tính có nhi uă uăđi m
h năso v iăcácăph ngăphápătruy n th ng (Th & Trang, 2011). Lý do là CFA cho
phép chúng ta ki măđ nh c u trúc lý thuy t c aăcácăthangăđoăl ngăc ngănh ăm i quan h gi a các khái ni m nghiên c u v i các khái ni m khác mà không b ch ch do sai s đoăl ng (Steenkamp & Van Trijp, 1991).
Cácătiêuăchíăđánhăgiáăk t qu c a phân tích nhân t kh ngăđnh là:
- đoăl ng m căđ phù h p c a mơ hình v i d li u th tr ng, nghiên c u s d ng các ch tiêu Chi-square (CMIN), Chi-squareăđi u ch nh theo b c t doăđ tăđ c khi Chi-square/dfă≤ă3,ăv i m căỦăngh aăl năh nă0.05ă(pă>ă0.05) và các ch s thích
h p so sánh TLI (Tucker-Lewis Index), CFI (Comparative Fit Index), GFI (Goodness of Fit Index) t i thi u b ngă0.9ă(≥ă0.9), AGFI (Adjusted goodness of fit index)> 0.8 và RMSEA (Root Mean Square Residual) t iăđaăb ngă0.08ă(≤ă0.08) (Hair & c ng s ., 2014). RMSEA là m t ch tiêu quan tr ng,ănóăxácăđnh m căđ phù h p c a mơ hình v i t ng th . Tuy nhiên, Chi-squareăcóănh căđi m là ph thu căkíchăth c m u. Trong phân tích nhân t khám phá (CFA) có th s d ngăđ ki mătraătínhăđ năh ng,
đ giá tr h i t vƠăđ giá tr phân bi t. Ba tính ch t quan tr ng c a m tăthangăđo:ă(1)ă
thangăđoăđ năh ngăhayăđaăh ng,ă(2)ăđ tin c y, (3) giá tr c a nó. Do v y,ăcácăđoă
l ng ph i th a mãn nh ng tiêu chí c n thi tăđ có th s d ng trong nghiên c u khoa h c (Th , 2014). Giá tr c a m tăthangăđoănóiălênăkh n ngăthangăđoăđóăcóăđoăl ng
đ c nh ng gì mà nhà nghiên c u mu nănóăđoăl ng (Bagozzi, 1994; Bollen, 1989), (Carmines & Zeller, 1980). Chúng ta c ngăcóăn mălo i giá tr đoăl ng khái ni m: (1) giá tr n i dung, (2) giá tr h i t , (3) giá tr phân bi t, (4) giá tr liên h lý thuy t và (5) giá tr tiêu chu n. Và trong nghiên c u,ăđi u quan tr ng là c n ph iăđánhăgiáăcácă
tiêu chí này c aăthangăđoătr căkhiădùngănóăđ ki măđnh mơ hình lý thuy t và gi thuy t nghiên c u (Th , 2014).
- Tínhăđ năh ng c a m tăthangăđoănóiălênăt p các bi năđoăl ng ch đoăl ng m t
bi n ti m n mà thôi (Hattei, 1985), t c là m t m t bi n quan sát ch đoăl ng m t bi n ti m n duy nh t (Th ,ă2014).ăKhiăkhơngăcóăt ngăquanăgi a sai s c a các bi n quan sát, m căđ phù h p c aămơăhìnhăđoăl ng v i d li u th tr ngălƠăđi u ki n
c năvƠăđ đ cho t p bi năquanăsátăcóătínhăđ năh ng (Steenkamp & Van Trijp, 1991).
- giá tr h i t nói lên m căđ h i t c a m tăthangăđoăs d ngăđ đoăl ng m t khái ni m sau nhi u l n l p l i các s đoăcóăm i quan h ch t ch v i nhau (Th ,
2014).ăThangăđoăđ t giá tr h i t n u các tr ng s chu năhóaăđ u cao (>0.5) và có ý
ngh aăth ng kê (p< 0.05)
- giá tr phân bi tănóiălênăhaiăthangăđo,ăđoăl ng hai khái ni m khác nhau ph i khác bi tănhauă(Bagozzi,ă1994),ăngh aălƠăh s t ngăquanăc a hai khái ni m này ph i khác v iăđ năv. Ki măđ nh giá tr phân bi t c a các khái ni m d a trên mơ hình t i h n là mơ hình mà các khái ni m nghiên c uăđ c t do quan h v i nhau.
Cóăhaiăph ngăphápăki măđ nhăđ giá tr phân bi t:
+ăPh ngăphápăs d ng h s t ngăquan:ăHaiăkháiăni măđ tăđ c giá tr phân bi t
khi h s t ngăquanăgi a chúng nh h nă1ăvƠăcóăỦngh aăth ng kê (pr2 thì hai c p khái ni măđ tăđ căđ giá tr phân bi t (Hair và c ng s , 2014).
+ăPh ngăphápăki măđ nh giá tr theo t ng c p khái ni m có nhi uă uăđi măh năsoă
v iăph ngăphápăs d ng h s t ngăquanăvìăh s t ngăquanăs thayăđ i n u có s
tham gia c a các khái ni măkhác.ăH năn a, trong khái ni m b căcao,ăph ngăphápă
này có th so sánh v i h s t ngăquanăgi a hai khái ni m v i h s t ngăquanăgi a các thành ph n c a cùng m t khái ni m.
3.4.5. Ki măđnh mơ hình c u trúc SEM
Ph ngă pháp phân tích mơ hình c u trúc tuy n tính SEM (Structural Equation
Modeling) thông qua ph n m măAMOSă(AnalysisăofăMomentăStructures)ăđ c s
d ngăđ ki măđ nhăthangăđoăvƠămơăhìnhănghiênăc u. Mơ hình c u trúc tuy n tính
SEMăđ c s d ng r ng rãi trong khoa h c nghiên c u hành vi. SEM có th cho m t
mơ hình ph c h p phù h p v i d li uănh ăcácăb d li u kh o sát tr i dài theo th i gian (longitudinal), phân tích nhân t kh ngăđ nh (CFA), các mơ hình khơng chu n
hóa,ăc ăs d li u có c u trúc sai s t t ngăquan, d li u v i các bi n s không
chu n (non-normality), g n chu n (asymptotic ậ normality), hay d li u b thi u
(missingădata).ă c bi t,ăSEMăc̀năđ c s d ngăđ căl ngăcácămơăhìnhăđoăl ng
(mesurement model) và mơ hình c u trúc (structure Model) c a bài toán lý thuy tăđaă
bi n (Hair & c ng s ,ă2006).ăNóiăriêng,ămơăhìnhăđoăl ng ch rõ quan h gi a các bi n ti m n (latent variables) và các bi n quan sát (observed variables), t đóăcungă
c p thơng tin v thu cătínhăđoăl ng c a các bi năquanăsátă(đ tin c y,ăvƠăđ giá tr ). Mơ hình SEM ph i h păđ c t t c các k thu tănh ăh iăquyăđaăbi n, phân tích nhân t và phân tích m i quan h t ngăh đ cho phép nhà nghiên c u ki m tra các m i quan h ph c h p trong mơ hình (Hair & c ng s , 2006). Khác v i nh ng k thu t th ng kê khác ch choăphépă căl ng m i quan h ph n c a t ng c p nhân t (ph n t ) trong mơ hình c đi nă(mơăhìnhăđoăl ng),ăSEMăchoăphépă căl ngăđ ng th i
các ph n t trong t ng th mơăhình,ă căl ng m i quan h nhân qu c a các khái ni m ti m n (latent constructs) qua các ch s k t h p c đoăl ng và c u trúc c a mơ hình lý thuy t,ăđoăcácăm i quan h năđnh (recursive) và không năđnh (non-
recursive),ăđoăcácă nhăh ng tr c ti păc ngănh ăgiánăti p, k c sai s đoăl ng và
t ngăquanăph n d .ăă
V i k thu t phân tích nhân t kh ngăđnh (CFA), SEM cung c p công c m nhăđ
ti n hành ki măđnh, kh ngăđ nh l iăthangăđoă(sauăkhiăki măđnh EFA). M t trong
nh ngă uăđi m l n nh t c a SEM có l là kh n ngăki măđnh cùng m t lúc t t c các
gi thuy t trong mơ hình lý thuy t, và cho phép nhà nghiên c uălinhăđ ng tìm ki m mơ hình phù h p nh t (ch không ph i t t nh t)ătrongăcácămơăhìnhăđ ngh . SEM mang l i cho nhà nghiên c u m t cơng c tồn di n và h u hi uăđ đánhăgiáămơăhìnhă
lý thuy t (Vaserson & Gerbing, 1988). SEM có th đoăl ng mơ hình h i quy tuy n tính b iăđaăc p,ăđi u không th th c hi n v i m t s mơ hình h i quy b iăđ n.ăH nă
n a, SEM có th th hi năđ c các ti m nătrongămơăhìnhăvƠă căl ng các ph năd ă đ i v i m i bi n trong q trình phân tích (Hair & c ng s , 2006). Trong ki măđ nh gi thuy t và mơ hình nghiên c u, mơ hình c u trúc tuy nătínhăc ngăcóăl i th h nă
cácăph ngăphápătruy n th ngănh ăh iăquiăđaăbi n vì nó có th tínhăđ c sai s đoă
l ng.ăH năn aăph ngăphápănƠyăchoăphépăk t h p các khái ni m ti m n v iăđoă
l ng c a chúng và có th xemăxétăcácăđoăl ngăđ c l p hay k t h p chung v i mơ hình lý thuy t cùng m t lúc (Th & Trang, 2011). Chính vì v y,ăph ngăphápăphơnă
tích c u trúc tuy nătínhăđ c s d ng r t ph bi n trong ngành ti p th trong nh ng
n măg năđơyăvƠăth ngăđ c g iălƠăph ngăphápăphơnătíchăthơngătinăth h th hai
(Th &ăTrang,ă2011).ăăMơăhìnhăđ c xem là thích h p n u TLI (Tucker-Lewis Index), CFI (Comparative Fit Index), GFI (Goodness of Fit Index) t i thi u b ng 0.9ă(≥ă0.9),
CMIN/dfă≤ă3ăvƠăRMSEAă(RootăMeanăSquareăResidual)ăt iăđaăb ngă0.08ă(≤ă0.08)
(Hair & c ng s 2014). Bên c nhăđó,ăđ ki m tra m i quan h gi a các khái ni m ta
xemăxétăđ n h s p, n u p<0.05ă(đ tin c y 95%) thì gi thuy t phát bi u v m i
thì gi thuy t b bác b (không ng h ). H s h i quy chu n hóa cho th y m căđ nhăh ng c a nhân t này lên nhân t kia (Hair & c ng s , 2014).
3.4.6. Ki măđ nhă căl ng mơ hình lý thuy t b ng Bootstrap
Trongăcácăph ngăphápănghiênăc uăđ nhăl ng b ngăph ngăphápăl y m u, thông
th ng chúng ta ph i chia làm hai m u con. M t m uădùngăđ căl ng các tham s mơ hình. M t m u cịn l iădùngăđ đánhăgiáăl i. Hay nói cách khác là l p l i nghiên c u b ng m t m uăkhác.ăHaiăcáchătrênăth ng khơng th c t vìăph ngăphápăphơnă
tích c u trúc tuy nătínhă(SEM)ăth ngăđ̀iăh i m u l n, nên vi călƠmănƠyăđ̀iăh i t n
th iăgianăvƠăchiăphíă(Andersonă&ăGerbing,ă1988).ăTrongătr ng h pănh ăv y thì
bootstrapă lƠă ph ngă phápă phùă h pă đ thay th (Schumacker & Lomax, 1996).
BootstrapălƠăph ngăphápăl y m u l i có thay th trongăđóăm uăbanăđ uăđóngăvaiătr̀ă
lƠăđámăđơngă(Th , 2014). S l n l y m u l p l i trong nghiên c uănƠyăđ c ch n là
N=1000 l n. K t qu c l ng N=1000 l n t s m uăbanăđ uăđ c tính trung bình và giá tr nƠyăcóăxuăh ng g năđ nă căl ng c a t ng th . Kho ng chênh l ch (bias) gi a giá tr trungăbìnhă căl ng b ngăboostrapăvƠă căl ng mơ hình v i m u ban
đ u càng nh cho phép k t lu n các căl ng mơ hình có th tin c yăđ c.
Tóm t tăch ngă3
Trong ch ng này đã trình bày ph ng pháp nghiên c u th c hi n trong đ
tài nh m xây d ng và đánh giá các thang đo c ng nh mơ hình lý thuy t. Ph ng
pháp nghiên c u đ c th c hi n qua nghiên c u đ nh tính và nghiên c u đ nh l ng. Nghiên c u đ nh tính đ c th c hi n thơng qua hình th c th o lu n nhóm, ph ng v n sâu và kh o sát s b đ rút ra b ng câu h i kh o sát. D li u sau khi thu th p s
đ c ti n hành mã hóa, nh p d li u vào ch ng trình SPSS 25.0 đ phân tích k t qu nghiên c u.
CH NGă4:ăK T QU NGHIÊN C U
Ch ng 3 đã trình bày ph ng pháp nghiên c u c a đ tài, ch ng này s trình bày các k t qu nghiên c u đ nh l ng s b , đ nh l ng chính th c và ki m đnh mơ hình nghiên c u c ng nh các gi thuy t đ a ra trong mơ hình. N i dung ch ng này
g m hai ph n chính: (1) K t qu nghiên c u đ nh l ng s b : đánh giá đ tin c y
và tính đ n h ng c a thang đo t ng khái ni m. (2) K t qu nghiên c u chính th c: ki m đ nh mơ hình đo l ng b ng ph ng pháp phân tích nhân t kh ng đnh CFA, và ki m đnh mơ hình c u trúc b ng phân tích SEM.
4.1. NGHIÊN C Uă NHăL NGăS ăB
Nghiên c uăđ nhăl ngăs ăb đ c th c hi nătheoăph ngăphápăl y m u thu n ti n b ng hình th c h i tr c ti p. Thông tin thu th p t nghiên c uăđ nhăl ng này dùng
đ sàng l c ra các bi năquanăsátăđoăl ng các khái ni m thành ph n. V i s h tr c a ph n m măSPSS,ăph ngăphápăđ tin c yăCronbach’săAlphaăvƠăphơnătíchănhơnă
t khámăpháăEFAăđ c s d ng b c này. V i 70 m u d li u thu th păđ c, nghiên
c uăs ăb đ c th c hi n ch y uăđ đánhăgiáăđ tin c yăvƠătínhăđ năh ng c a thang
đo,ăquaăđóăcóăth có m t s đi u ch nh k p th i n uăthangăđoăkhôngăphùăh p.
4.1.1.ă ánhăgiáăđ tin c yăthangăđo
ánhăgiáăđ tin c yăCronbach’săAlphaăc aăthangăđoăđ lo i b điăcácăbi n không phù
h p. Các bi n có h s t ngăquanăbi n t ng (Item-total correlation) nh h nă0.3ăs
b lo iăvƠăthangăđoăs đ c ch năđ s d ngăkhiănóăcóăđ tin c y t 0.6 tr lên. K t qu phân tích 70 m u d li uăđ nhăl ngăs ăb :
+ L nă1:ăThangăđoăs t tinăvƠoăn ngăl c b n thân có h s Cronbach’săAlphaălƠă0.570ă
(nh h nă0.6)ăvƠăbi n quan sát NL3 (Tơi có th t mình bi t cách th c hi n các tính
n ng giao di n c a d ch v thanh tốn di đ ng ngân hàng X) có h s t ngăquană
+ L n 2: các thangăđo trong nghiên c u có h s Cronbach’săAlpha t 0.786ăđ n 0.901
(l năh nă0.6), các bi n quan sát c aăcácăthangăđoăcóăh s t ngăquanăbi n t ng t
0.510ăđ n 0.862 (l năh nă0.3).ă
Doăđó,ăcóăth k t lu năcácăthangăđoăđ uăđ tăđ tin c y c m u 70.
K t qu đánhăgiáăđ tin c y c aăcácăthangăđoăđ c trình bày chi ti t Ph l c 8.
4.1.2. Phân tích nhân t khám phá EFA
Th c hi n phân tích nhân t khám phá 70 m u d li uăđ nhăl ngăs ăb thu th păđ c v i vi c s d ng phép trích Principal components k t h p v i phép xoay varimax. K t qu cho th y các bi năquanăsátăđ u có h s t i nhân t t 0.543ăđ n 0.941 (l n
h nă0.5).Cácăthangăđoăcóăt ngăph ngăsaiătríchăt 51.1%ăđ n 76.3% (> 50%), h s
KMO t 0.500ăđ n 0.857. Vì v y phân tích nhân t đ c xem là thích h p ng v i c m u 70.
K t qu phân tích nhân t khámăpháăđ c trình bày chi ti t trong ph n ph l c 9.
K t lu n:
K t qu nghiên c u đ nh l ng s b cho th y các thang đo đ u tho đi u ki n v ch s đ tin c y và tính đ n h ng. Do đó, các bi n quan sát trong nghiên c u đnh
l ng s b s đ c gi l i trong b ng kh o sát chính th c ti p theo.
4.2. NGHIÊN C Uă NHăL NG CHÍNH TH C 4.2.1. Mô t d li u
B m u d li uăđ c thu th pătheoăph ngăphápăl y m u thu n ti n và th i gian l y m u là 2 tháng (tháng 01/2022- 03/2022). T ng s m u thu th păđ c g m 300 b ng kh o sát. Tuy nhiên, 300 b ng kh o sát này s đ c làm s ch tr căkhiăđ aăvƠoăx lý và phân tích nh m h n ch các l i x y ra trong quá trình ph ng v n và nh p li u. Các b ng kh o sát thi u thông tin (câu h i b tr ng), các b ngăđ căđánhăgi ng nhau cho t t c các câu h iă(đ iăt ng tr l i cho có l ). K t qu thu đ c cu i cùng là 236
b ng kh o sát. Do v y, ph n nghiên c uăđ nhăl ng chính th c s đ c th c hi n v i 236 b ng kh oăsátă(trongăđóă179ăb ng thu v t phát tay kh o sát tr c ti p và 57 b ng