biến phù hợp với mơ hình nghiên cứu
Bước Nội dung
1 - Đối với các biến quan sát đo lường các khái niệm liên quan đến các thành phần uy tính, chính sách ưu đãi, nhân viên, mạng lưới cơ sở vất chất và giá thuốc của Công ty G.Richter tại Việt Nam, nghiên cứu này sử dụng phương pháp trích nhân tố (Principal Axis factoring) và phương pháp xoay nhân tố với phép quay Varimax.
2 - Đo lường khái niệm “sự hài lịng ”: sử dụng phương pháp trích nhân tố (Principal Axis factoring) và phương pháp xoay nhân tố với phép quay Varimax.
3 - Đối với các biến quan sát đo lường khái niệm “lòng trung thành”: sử dụng phương pháp tương tự như trên.
4- Kiểm định Bartlett: các biến quan sát có tương quan với nhau trong tổng thể
- Xem xét giá trị KMO: nếu 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, 2008 )
- 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
- 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
( Nguồn: Tác giả tổng hợp và đề nghị ) Nghiên cứu này sử dụng phương pháp trích nhân tố Component Principle và phương pháp xoay nhân tố được sử dụng phổ biến nhất là phương pháp Varimax (xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố).
3.3.7. ân tích hồi quy và kiểm định một số giả thuyết
Sau quá trình thực hiện kiểm định thang đo: đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA); tiến hành tính tốn nhân số của nhân tố (giá trị của các nhân tố trích được trong phân tích nhân tố EFA) bằng cách tính trung bình cộng của các biến quan sát thuộc nhân tố tương ứng.
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi quy đa biến để kiểm định mơ hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.
3.3.7.1. hân tích tương quan
- Kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng: giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
- Trong mơ hình nghiên cứu: kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập; đồng thời cũng xem xét mối tương quan giữa các biến độc lập với nhau để nhận dạng hiện tượng đa cộng tuyến.
Từ kết quả phân tích tương quan, tác giả tiếp tục phân tích hồi quy hồi quy để điều chỉnh lại mơ hình nghiên cứu và có cơ sở để kiểm định các giả thuyết.
3.3.7.2. hân tích hồi quy bội
Nghiên cứu thực hiện hồi quy bội theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.
- Phương trình hồi quy bội cho mơ hình nghiên cứu đề xuất ban đầu (theo mơ hình lý thuyết):
TTY = 0 + 1*UyTin + 2*CSUD + 3*NV+ 4*ML_CSVC + 5*GT+ 6*HL
Thông tin các biến trong mơ hình được thể hiện trong bảng sau :