5. KẾT CẤU ĐỀ TÀI :
3.2. Phương pháp nghiên cứu
Nghiên cứu này được thực hiện theo 2 phương pháp:
- Nghiên cứu định tính:
Cơng cụ sử dụng: Thảo luận nhóm
Mục đích của nghiên cứu định tính trong luận văn này: Nhằm hồn thiện bảng câu hỏi, cụ thể là tập trung khám phá và hiệu chỉnh những biến quan sát trong các thang đo
Số mẫu thực hiện trong nghiên cứu: Thông thường các nghiên cứu định tính có số mẫu nhỏ. Với nghiên cứu này tác giả chọn 9 người làm trong cùng
lĩnh vực y tế và phải từ vị trí phó phịng trở lên hoặc trực tiếp tiếp xúc với khách nhằm thực hiện thảo luận nhóm.
- Nghiên cứu định lượng:
Phương pháp sử dụng: Tác giả sử dụng các công cụ thống kê như Cronbach’s alpha, EFA và hồi quy nhằm đánh giá các mối quan hệ trong nghiên cứu này cái mà được đề cập trong giả thuyết nghiên cứu.
Chọn mẫu
Phương pháp chọn mẫu: Tác giả sử dụng phương pháp chọn mẫu thuận
tiện nhằm giảm thời gian và chi phí trong q trình thu thập số liệu.
Kích thước mẫu: Như nhiều nghiên cứu khác, kích cỡ mẫu càng lớn thì càng tốt nhằm giảm thiểu những sai sót thống kê. Đồng thời kích cở mẫu cịn phụ thuộc vào phương pháp phân tích. Đối với những nghiên cứu có phân tích nhân tố thì theo Hair (1992) số mẫu phải nên lớn hơn 5 lần số biến quan sát. Tuy nhiên, nhằm đề phòng những trường hợp sai sót trong q trình phỏng vấn, nhập liệu cũng như làm sạch dữ liệu, tác giả quyết định lấy số mẫu đã tính như trên cộng với số lượng mẫu khoảng trên 50 mẫu để có số mẫu cần thiết cho phỏng vấn chính thức. Trong nghiên cứu này với số biến quan sát là 26 (xem phần mơ hình nghiên cứu), vậy nên số mẫu khảo sát ít nhất phải đạt 26x5 = 130. Tuy nhiên, khảo sát càng nhiều mẫu sẽ mang lại kết quả chính xác hơn và giảm tối đa sai số thống kê, vì vậy trong nghiên cứu này tác giả chọn số mẫu phỏng vấn là 250. Đối tượng được chọn phải thỏa các yêu cầu sau:
+ Khách đến tiêm chủng để đi định cư nước ngồi khơng bị rối loạn nhận thức, tự nguyện tham gia trả lời bản câu hỏi.
+ Khách dưới 18 tuổi thì phụ huynh cùng đi sẽ trả lời thay
+ Nhiều khách cùng 1 hộ gia đình (có cùng số thứ tự) thì hộ tự quyết định người trên 18 tuổi trả lời bản câu hỏi
Công cụ sử dụng cho nghiên cứu định lượng
Thu thập dữ liệu: Thực hiện phỏng vấn trực tiếp đối tượng khảo sát. Xử lý số liệu: Dựa trên các phân tích thống kê như thống kê mô tả, kiểm tra độ tin cậy của thang đo (Cronbach alpha), phân tích nhân tố (EFA), phân tích mối liên hệ, phân tích hồi quy.
Đánh giá các chỉ tiêu thống kê
Thống kê mô tả: Sử dụng các công cụ thống kê như tần số, tỷ lệ phần trăm nhằm tìm hiểu đặc điểm mẫu nghiên cứu. Đồng thời sử dụng các thống kê: trung bình, độ lệch chuẩn để đánh giá phân bố và mức độ đồng ý của người trả lời đối với các biến quan sát.
Đánh giá độ tin cậy bằng Cronbach alpha: Tương tự trong nghiên cứu
sơ bộ định lượng, giá trị hệ số Cronbach alpha lớn hơn 0.65 và hệ số tương quan với biến tổng hiệu chỉnh phải từ 0.3 trở lên mới đạt yêu cầu.
Phân tích nhân tố (EFA):
+ Kiểm định Bartlett Test: Ma trận tương quan không phải là ma trận
đơn vị.
+ Số lượng nhân tố trích được (dựa vào tiêu chí eigenvalue): Tiêu chí này cho biết số lượng nhân tố được xác định tại giá trị eigenvalue > = 1.
+ Trọng số nhân tố: Trọng số này lớn hơn 0.4.
+ Tổng phương sai trích: Phải lớn hơn 60%.
Phân tích hồi quy (cụ thể là hồi quy bội): Mục đích hồi quy bội để biểu
diễn mối quan hệ giữa các biến độc lập với một biến phụ thuộc định lượng. Phương trình hồi quy có dạng
Y = β0 + β0X1 + β0X2 + ..... + βnXn Trong đó:
Y là biến phụ thuộc: là chất lượng dịch vụ tiêm chủng thơng qua sự hài lịng của khách hàng
Xj là biến độc lập thứ j
+ Kiểm định đa cộng tuyến: Mục đích kiểm định đa cộng tuyến nhằm kiểm tra tính độc lập giữa các biến độc lập trong mơ hình hồi quy.
Kiểm định đa cộng tuyến bằng VIF: công thức VIF = 1/(1-R2j), trong
đó R2j là giá trị R2 của mơ hình hồi quy mà biến phụ thuộc là biến độc lập thứ j (Xj) còn biến độc lập là các biến độc lập cịn lại, có nghĩa R2j là phần của biến độc lập Xj được giải thích bởi các biến độc lập cịn lại. Vì vậy, khi R2j
càng cao thì mối quan hệ giữa Xj với các biến độc lập khác càng chặt chẽ, điều này làm cho giá trị VIFj càng lớn. Do vậy, giá trị VIFj càng lớn thì biến độc lập Xj dễ là nguyên nhân gây nên sự khơng an tồn trong việc giải thích kết quả hồi quy hay là nó khơng có giá trị giải thích biến thiên của Y. Thông thường giá trị VIFj lớn hơn 10 (tức là R2j lớn hơn 90%) thì chính biến đó gây
nên đa cộng tuyến (Hair & ctg, 2006). Tuy nhiên, với giá trị R2j > 50% thì xem như biến Xj cũng có tương quan khá chặt chẽ với các biến độc lập khác, vì vậy VIF > 2 là đã gây nên hiện tượng đa cộng tuyến (Nguyễn Đình Thọ, 2011).
+ Kiểm định hệ số hồi quy: Kiểm định hệ số hồi quy nhằm chấp nhận hay bác bỏ các giả thuyết đặt ra trong phần trình bày các giả thuyết nghiên cứu. Thông thường, để kiểm định hệ số hồi quy tác giả dùng kiểm định t, với bậc tự do là (n-p-1), trong đó p chính là số biến độc lập có trong mơ hình hồi quy.
Q trình kiểm định hệ số hồi quy như sau: Giả thuyết:
Ho: βj = 0 (nghĩa là biến độc lập thứ j không ảnh hưởng đến biến phụ thuộc Y)
H1: βj ≠ 0 (nghĩa là biến độc lập thứ j có ảnh hưởng đến biến phụ thuộc Y)
Đánh giá giá trị t: Nếu giá trị t tính được thuộc khoảng [tε/2;-tε/2] thì bác bỏ Ho, có nghĩa là biến độc lập thứ k có ảnh hưởng đến biến phụ thuộc Y và ngược lại. Trong phần mềm SPSS ngồi giá trị t thì kết quả thống kê cũng cho ta biết giá trị Sig. của từng biến độc lập, giá trị này cho biết xác suất mà t thuộc khoảng [tε/2;-tε/2]. Nếu giá trị Sig. bé hơn mức ý nghĩa ε thì bác bỏ Ho, ngược lại thì chấp nhận Ho, thông thường giá trị ε được chấp nhận là 5%, khi mức ý nghĩa càng cao thì độ tin cậy càng giảm và ngược lại. Với mức ý nghĩa cao đến 10% thì độ tin cậy chỉ cịn 90%, điều này làm cho các giả thuyết có dễ dàng được chấp nhận hơn, trong khi đó với mức ý nghĩa 1% thì độ tin cậy lên
40
đến 99%, điều này sẽ làm cho giả thuyết có khó chấp nhận hơn nhiều. Vì vậy, mức ý nghĩa 5% là giá trị được sử dụng thông dụng nhất.
Dấu của hệ số hồi quy: Dấu hệ số hồi quy cũng cho biết tác động của biến độc lập đang xét đến biến phụ thuộc là cùng chiều hay nghịch chiều.
Giá trị hệ số hồi quy: Trong hồi quy đa biến thì các hệ số hồi quy được dùng là giá trị hồi quy đã chuẩn hoá (là trọng số mà chúng ta đã chuẩn hoá các biến) nhằm đánh giá tác động của các biến độc lập đến biến phụ thuộc, nếu hệ số này càng cao thì tác động của biến độc lập tương ứng càng mạnh và ngược lại.
Kiểm định sự phù hợp của mơ hình
+ Giá trị R2: Là phần mà các biến độc lập trong mơ hình giải thích cho biến phụ thuộc Y. Giá trị R2 được xác định thơng qua bình phương tương quan giữa giá trị thực tế Yi và giá trị ước lượng của Yi trong mơ hình, R2 = [r(Yi,Y^i)]2. Giá trị R2 nằm trong khoảng [0;1], nếu R2 càng tiến về giá trị 1 thì các biến độc lập giải thích càng nhiều sự biến thiên của biến phụ thuộc.
sau:
+ Kiểm định độ phù hợp của mơ hình: Thực hiện theo quy trình như
Giả thuyết:
Ho: R2 = 0 (mơ hình hồi quy khơng phù hợp) H1: R2 ≠ 0 (mơ hình hồi quy phù hợp)
Thực hiện kiểm định F trong ANOVA: Giá trị F được tính bằng thương số giữa giá trị trung bình biến thiên của hồi quy (MSr) với giá trị trung bình biến thiên phần dư (MSe), F = MSr/MSe. Vì vậy, mơ hình phù hợp cao hay
41
thấp phụ thuộc vào biến thiên hồi quy so với biến thiên phần dư. Để kiểm định F, tác giả so sánh F với Fε nếu F > Fε thì bác bỏ Ho, trong phần mềm SPSS có giá trị Sig., nếu Sig. bé hơn mức ý nghĩa thì kết luận là bác bỏ Ho ngược lại thì chấp nhận Ho.
3.3. Mơ hình đánh giá chất lượng dịch vụ tiêm chủng tại Trung tâm Kiểmdịch Y tế Quốc tế Thành phố Hồ Chí Minh