CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.6. Nghiên cứu định lượng
3.6.1. Phương thức lấy mẫu
Trong nghiên cứu này, phương pháp lấy mẫu được chọn là lấy mẫu thuận tiện, dữ liệu được thu thập thơng qua các hình thức phỏng vấn trực tiếp, trả lời qua email hoặc online.
3.6.2. Cỡ mẫu
Đối với phân tích nhân tố (EFA), cỡ mẫu tối thiểu là N ≥ 5*x (x: tổng số biến quan sát) (Hair và cộng sự, 2010). Trong nghiên cứu này, tổng số biến quan sát là 48, như vậy số mẫu tối thiểu cần đạt được là 240 mẫu.
Theo một cơng thức kinh nghiệm thường dùng để tính kích thước mẫu cho hồi quy bội là N ≥ 50 + 8p (p: số lượng biến độc lập của mơ hình) (Nguyễn Đình Thọ, 2011). Kích thức mẫu theo công thức này là N ≥ 50 + 8*11 = 138 mẫu.
Như vậy, trong nghiên cứu này, tác giả chọn cỡ mẫu cần thiết để thỏa mãn cả phân tích nhân tố và hồi quy bội là N ≥ 240 mẫu (N ≥ Max(5*x ; 50+8p))
3.6.3. Xử lý và phân tích dữ liệu
Dữ liệu sau khi được thu thập sẽ được mã hóa và thực hiện q trình phân tích như sau:
3.6.3.1. Phân tích mơ tả
Trong bước đầu tiên, tác giả sử dụng phân tích mơ tả để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin cá nhân của người được phỏng vấn) như: giới tính, độ tuổi, trình độ học vấn, thu nhập hàng tháng, nơi làm việc, vị trí cơng việc, thâm niên công tác....
3.6.3.2. Kiểm định và đánh giá thang đo
Để đánh giá thang đo các khái niệm trong nghiên cứu cần kiểm tra độ tin cậy, độ giá trị của thang đo. Dựa trên các hệ số độ tin cậy Cronbach’s Alpha, hệ số tương quan biến-tổng (Item-total correlation) giúp loại ra những biến quan sát khơng đóng góp vào việc mô tả khái niệm cần đo, hệ số Cronbach’s Alpha if Item Deleted để giúp đánh giá loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm cần đo, và phương pháp phân tích nhân tố khám phá (EFA) nhằm kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu.
a. Phân tích Cronbach’s Alpha
Phân tích Cronbach’s Alpha nhằm kiểm định độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha và loại bỏ những biến có tương quan biến tổng (Item- Total correlation) nhỏ.
Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1]. Một thang đo có độ tin cậy tốt khi hệ số Cronbach’s Alpha biến thiên trong khoảng [0.7,0.8]
(Nguyễn Đình Thọ, 2011). Nếu hệ số Cronbach’s Alpha lớn hơn hoặc bằng 0.6 là thang đo đó có thể chấp nhận được về mặt độ tin cậy (Nguyễn Đĩnh Thọ, 2011, trích từ Nunally & Bernstein, 1994).
Về lý thuyết hệ số Cronbach’s Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, điều này không thực sự như vậy. Hệ số Cronbach’s Alpha quá lớn (α > 0.95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường (redundancy) (Nguyễn Đình Thọ, 2011). Do đó, khi kiểm tra từng biến đo lường ta sử dụng thêm hệ số tương quan biến – tổng. Theo Nguyễn Đình Thọ (2011) trích từ Nunnally & Bernstein (1994) thì nếu một biến đo lường có hệ số tương quan biến – tổng hiệu chỉnh (Corrected item-total correlation) lớn hơn hoặc bằng 0.3 thì biến đó đạt u cầu.
Như vậy, trong phân tích Cronbach’s Alpha thì ta sẽ loại bỏ những thang đo có hệ số nhỏ (α<0.6) và cũng loại những biến quan sát có hệ số tương quan biến – tổng hiệu chỉnh nhỏ (<0.3) ra khỏi mơ hình vì những biến quan sát này khơng phù hợp hoặc khơng có ý nghĩa đối với thang đo.
b. Phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis)
Sau khi lọai bỏ các biến không đảm bảo độ tin cậy thông qua phân tích Cronbach’s Alpha, phương pháp phân tích nhân tố (EFA) được sử dụng để xác định độ giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity) và đồng thời thu gọn các tham số ước lượng theo từng nhóm biến.
Trong thực tiễn nghiên cứu, để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải lớn hơn hoặc bằng 0,5 trong một nhân tố (0.4 ≤ factor loading < 0.5 được xem là quan trọng; factor loading > 5 được xem là có ý nghĩa thực tiễn). Để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn hoặc bằng 0,3 (λiA – λiB ≥0.3). Tuy nhiên, chúng ta cần xem xét giá trị nội dung của nó trước khi ra quyết định loại bỏ hay không loại bỏ một
biến đo lường (Nguyễn Đình Thọ, 2011).
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue – đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố. Số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue tối thiểu bằng 1 (≥ 1) và những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mơ hình. (Nguyễn Đình Thọ, 2011).
Tiêu chuẩn phương sai trích (Variance explained criteria): tổng phương sai trích phải đạt từ 50% trở lên, nghĩa là phần chung phải lớn hơn phần riêng và sai số (từ 60% trở lên được coi là tốt) (Nguyễn Đình Thọ, 2011).
Để xác định sự phù hợp khi sử dụng EFA thì người ta thường tiến hành dùng kiểm định Barlett và KMO:
- Kiểm định Bartlett: dùng để xem xét ma trận tương quan có phải là ma trận đơn vị (I) hay không. Kiểm định Barlett có ý nghĩa thống kê khi Sig< 0.05. Điều này chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
- Kiểm định KMO: KMO là chỉ số dùng để so sánh độ lớn của hệ só tương quan giữa các biến đo lường với độ lớn của hệ số tương quan riêng phần của chúng (Nguyễn Đình Thọ, 2011, trích từ Norusis, 1994). Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn (Nguyễn Đình Thọ, 2011). Hệ số KMO phải đạt giá trị từ 0.5 trở lên (KMO ≥ 0.5) thể hiện phân tích là phù hợp. Hệ số KMO<0.5 thì khơng thể chấp nhận được (Nguyễn Đình Thọ, 2011, trích từ Kaiser, 1974).
Tuy nhiên, theo Nguyễn Đình Thọ (2011, trang 397) thì trong thực tế, với sự hỗ trợ của các phần mềm xử lý thống kê SPSS và chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt yêu cầu thì vấn đề kiểm định Bartlett, KMO khơng cịn ý nghĩa nữa vì chúng ln ln đạt u cầu.
Trong nghiên cứu này, tác giả sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn hoặc bằng 1.
3.6.3.3. Phân tích hồi quy
Sau khi tiến hành phân tích Cronbach’s Alpha và phân tích EFA, tác giả tiến hành phân tích hồi quy và kiểm định giả thuyết. Phân tích tương quan hồi quy nhằm khẳng định sự phù hợp của mơ hình nghiên cứu, kiểm định các giả thuyết để xác định rõ mức độ ảnh hưởng của từng yếu tố tác động đến biến phụ thuộc.
Mơ hình hồi quy tổng quát được biểu diễn dưới dạng:
Yi = f(Xi) + εi = β0 + β1X1i + β2X2i + ..... + βkXki + .... + βpXpi + εi. Các giả định để thực hiện hồi quy:
(1) X,Y có quan hệ tuyến tính. (2) Y là biến định lượng.
(3) Các quan sát của Y độc lập nhau. (4) Các giá trị Xi cố định.
(5) X được đo lường không sai số. (6) εi ~ N(µε, σ2ε). (7) E(εi) = 0. (8) Var(εi) = σ2ε = hằng số. (9) Cov(εi ,εj) = 0. (10) Cor (Xi, Xj) ≠ 1, ∀ i ≠ j. 3.7. Tóm tắt
Trong chương 3 này, tác giả đã trình bày quy trình nghiên cứu của đề tài, q trình nghiên cứu định tính để xác định các yếu tố và xây dựng thang đo cho mơ hình nghiên cứu chính thức. Đồng thời tác giả cũng tiến hành lập bảng câu hỏi khảo sát để phục vụ cho việc thu thập dữ liệu và trình bày phương pháp nghiên cứu cho đề tài này.