3.4 Nghiên cứu chính thức
3.4.3 Phương pháp phân tích dữ liệu
(1) Thống kê mô tả
Phương pháp thống kê mô tả được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu chính thức qua nhiều cách thức khác nhau: Nghiên cứu việc tổng hợp, biểu diễn bằng đồ thị các số liệu thu thập được.Sau đó tính tốn các tham số đặc trưng cho tập hợp dữ liệu như: trung bình, phương sai, tần suất, tỷ lệ... Mục đích là để mơ tả dữ liệu đó.
Về tần suất ( Frequency)
Tần suất là số lần xuất hiện của các giá trị, được thực hiện với tất cả các kiểu biến số ( định tính và định lượng) dưới dạng đếm số lần xuất hiện của các giá trị và mô tả một số biến liên quan, đối tượng được phỏng vấn như giới tính, độ tuổi, thu nhập… Phương pháp cho ta cái nhìn tổng quát về mẫu khảo sát. Trong nghiên cứu này, phương pháp thống kê mô tả được thực hiện bằng cách lập bảng tần suất để mô tả và thu thập được theo các thuộc tính: giới tính, số năm học.
Ở nghiên cứu này, tác giả đã sử dụng thống kê mô tả qua tỷ lệ phần trăm và giá trị mean
Về giá trị trung bình (Mean)
Giá trị trung bình số học của một biến được tính bằng tổng các giá trị quan sát chia cho số quan sát. Đây là dạng công cụ thường được dùng cho dạng đo khoảng cách và tỷ lệ.
Giá trị trung bình (Mean) được áp dụng tính cho các biến định lượng, ý nghĩa của giá trị trung bình được xây dựng như sau:
1,0 ≤ Mean ≤ 1,5 : Rất không đồng ý 2,0 ≤ Mean ≤ 2,5 : Không đồng ý 3,0 ≤ Mean ≤ 3,5 : Bình thường 3,5 ≤ Mean ≤ 4,5 : Đồng ý
4,5 ≤ Mean ≤ 5,0 : Rất đồng ý
(2) Kiểm định độ tin cậy của thang đo (Cronbach’s Alpha)
Độ tin cậy của thang đo được đánh giá qua hệ số Cronbach’s Alpha, qua đó các biến khơng phù hợp sẽ bị loại nếu hệ số tương quan biến tổng của các biến quan sát (Corrected Item-Total Correlation) lớn hơn 0,3 và tiêu chuẩn để chọn thang đo là có độ tin cậy Alpha từ 0,6 trở lên (Nunnally và Burnstein, 1994)
Theo Hoàng Trọng và Chu Mộng Ngọc (2008), mức giá trị của hệ số Cronbach’s Alpha gồm có:
Từ 0,8 đến gần bằng 1: thang đo lường tốt
Từ 0,7 đến gần bằng 0,8: thang đo lường sử dụng được
Từ 0,6 trở lên: thang đo lường có thể sử dụng được đối với khái niệm thang đo mới hoặc mới đổi với người trả lời trong bối cảnh nghiên cứu.
(3) Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các yếu tố).
Kiểm định tính thích hợp của EFA
Sử dụng thước đo KMO (Kaiser – Meyer – Olkin measure) để đánh giá sự thích hợp của mơ hình EFA đối với ứng dụng vào dữ liệu thực tế nghiên cứu
Khi trị số KMO thỏa mãn điều kiện: 0,5 < KMO < 1, phân tích nhân tố là phù hợp.
Kiểm định tương quan của các biến quan sát trong thước đo đại diện.
Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (nhân tố). Khi mức ý nghĩa Sig. của kiểm định Bartlett nhỏ hơn 0,05 thì các biến quan sát có tương quan tuyến tính với nhân tố đại diện.
Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố
Sử dụng phương sai trích (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phương sai trích phải lớn hơn 50%.
Hệ số tải nhân tố (Factor loading)
Khi phân tích nhân tố, theo Hair và cộng sự (1998), hệ số tải nhân tố (Factor loading) biểu thị tương quan đơn giữa các biến với các nhân tố, hệ số này cho biết mỗi biến đo lường sẽ thuộc về nhân tố nào. Nếu hệ số tải nhân tố
Factor loading > 0,3 được xem là đạt mức tối thiểu Factor loading > 0,4 được xem là quan trọng
Factor loading > 0,5 được xem là có ý nghĩa thực tiễn.
Và nếu cỡ mẫu khoảng 100 đến 250 thì nên chọn tiêu chuẩn Factor loading > 0,5
Trong nghiên cứu này, các khái niệm nghiên cứu hầu hết là những khái niệm mới phân tích cho 205 mẫu tương đối lớn, sau EFA là phân tích nhân tố khẳng định (CFA) và phân tích mơ hình cấu trúc tuyến tính (SEM), Nên trong q trình phân tích Cronbach’s Alpha, tác giả quyết định giữ lại các thang đo có hệ số Cronbach’s Alpha ≥ 0,6, loại các biến quan sát có tương quan biến tổng < 0,3. Ở q trình phân tích nhân tố khám phá EFA, tác giả sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax, loại bỏ các biến quan sát có trị số Factor loading ≤ 0,5.
(4) Phân tích nhân tố khẳng định (CFA)
Phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA) là một loại mơ hình cấu trúc tuyến tính (SEM) tập trung vào mơ hình đo lường (measurement models), cụ thể là mối quan hệ giữa các biến quan sát với các biến tiềm ẩn
Nghiên cứu này tác giả sử dụng phân tích nhân tố khẳng định CFA để kiểm định xem mơ hình đo lường này có đạt được u cầu khơng? Các thang đo có đạt được yêu cầu của một thang đo tốt không? Việc này cần sử dụng đến phân tích nhân tố khẳng định (CFA). Trong CFA ta
có thể thực hiện cho từng khái niệm, một số khái niệm, hoặc thực hiện với tất cả các khái niệm có trong mơ hình. Về mặt lý thuyết, trong CFA, tác giả chú ý đến một số vấn đề sau:
Theo tác giả Thọ & Trang (2008) để đo lường mức độ phù hợp của mơ hình với thơng tin thị trường, nghiên cứu này sử dụng Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI- Comparative Fit Index). Chỉ số (TLI - Tucker Lewis Index); Chỉ số RMSEA (Root Mean Square Error Approximation). Mơ hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi-square có P-value > 0.05. Ngồi ra, nếu mơ hình nhận được các giá trị TLI, CFI ≥ 0.9, GFI có thể nhỏ hơn 0.9 cũng có thể chấp nhận được ( Hair và cộng sự, 2010). CMIN/df ≤ 2, RMSEA ≤ 0.08 thì mơ hình phù hợp (tương thích) với dữ liệu thị trường. Quy tắc này cũng được sử dụng để đánh giá mức độ phù hợp của mơ hình cấu trúc trong nghiên cứu.
Khi phân tích CFA, nên thực hiện các đánh giá khác như:
Đánh giá độ tin cậy của thang đo: Theo Joreskog, (1971) tiêu chuẩn đánh giá mức độ phù hợp của mơ hình là độ tin cậy tổng hợp ( ) và tổng phương sai trích ( ). Phương sai trích phản ánh sự biến thiên của các biến quan sát được giải thích bởi biến tiềm ẩn; độ tin cậy tổng hợp đo lường độ tin cậy của tập hợp các biến quan sát đo lường một yếu tố. Chỉ tiêu phải đạt yêu cầu từ 0.5 trở lên, phải đạt yêu cầu từ 0.7 trở lên.
Tính đơn hướng/ đơn nguyên: Theo Steenkamp & Van Trijp (1991), mức độ phù hợp của mơ hình với dữ liệu thị trường cho chúng ta điều kiện cần và đủ để cho tập biến quan sát đạt được tính đơn hướng, trừ trường hợp các sai số của các biến quan sát có tương quan với nhau.
Giá trị hội tụ (Convergent validity): Gerbring và Anderson (1988) cho rằng thang đo đạt được giá trị hội tụ khi các trọng số chuẩn hóa của thang đo đều cao ( > 0,5); và có ý nghĩa thống kê (P < 0,05).
c
vc
vc
Giá trị phân biệt: Có thể kiểm định giá trị phân biệt của các khái niệm trong mô hình tới hạn mơ hình mà các khái niệm nghiên cứu được tự do quan hệ với nhau. Có thể thực hiện kiểm định hệ số tương quan xét trên phạm vi tổng thể giữa các khái niệm có thực sự khác biệt so với 1 hay khơng. Nếu nó thực sự có khác biệt thì các thang đo đạt được giá trị phân biệt (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011).
Giá trị liên hệ lý thuyết: Các giá trị trên được đánh giá thơng qua mơ hình đo lường. Riêng giá trị liên hệ lý thuyết được đánh giá trong mơ hình lý thuyết (Anderson và Gerbing, 1988).
(1) Kiểm định mơ hình nghiên cứu (SEM)
Phân tích mơ hình cấu trúc tuyến tính SEM được sử dụng rộng rãi trong nhiều lĩnh vực nghiên cứu. Mơ hình cấu trúc tuyến tính là một phương pháp thống kê trong đó xem xét mối quan hệ đa biến (biến độc lập và phụ thuộc) tham gia vào việc phân tích (Hair và cộng sự, 2010). SEM kết hợp các mơ hình đo lường (biến quan sát) và mơ hình cấu trúc để kiểm tra mối quan hệ giữa cấu trúc tiềm ẩn (biến không quan sát được). Theo Kline (2005) trong SEM, một mơ hình được xác định bằng cách đánh giá giá trị của nó. Giá trị có liên quan với mức độ chính xác của mơ hình nghiên cứu. Giá trị của mơ hình được ước tính dựa trên giá trị thang đo, giá trị hội tụ, giá trị phân biệt và tính đơn hướng. Giá trị thang đo là yếu tố chung nhất của giá trị và là phạm vi mà các biến đo lường (hoặc chỉ số) phản ánh cấu trúc tiềm ẩn lý thuyết chính xác.
Về cơ bản CFA là một dạng của SEM, vì vậy các chỉ số sử dụng trong mơ hình SEM được xem xét như trong kiểm định CFA (Hair và cộng sự, 2010).
TÓM TẮT CHƯƠNG 3
Chương này trình bày phương pháp nghiên cứu được thực hiện để đánh giá thang đo các khái niệm nghiên cứu và mơ hình nghiên cứu. Phương pháp nghiên cứu được thực hiện qua hai bước nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ được thực hiện để đánh giá sơ bộ về độ tin cậy và giá trị các thang đo đã thiết kế và điều chỉnh cho phù hợp với sinh viên Khoa Quản trị Kinh doanh tại trường Đại học Công Nghiệp TP.HCM. Nghiên cứu này được thực hiện một cuộc khảo sát thử khoảng 50 sinh viên đang học trực tuyến. Sau khi kết thúc đợt khảo sát, tác giả tiến hành mã hóa, nhập số liệu và phân tích dữ liệu bằng phần mềm SPSS 20.0 để đánh giá độ tin cậy (Cronbach’s Alpha) của thang đo sơ bộ.
Nghiên cứu chính thức sẽ tiến hành thu thập thơng tin khảo sát bằng cách gửi bảng câu hỏi khảo sát trên Google Form đến các đối tượng nghiên cứu. Dữ liệu thu thập được sẽ được tiến hành xử lý bằng phần mềm SPSS 20.0. Kích thước mẫu của nghiên cứu này là N = 205. Các thang đo này được kiểm định tiếp tục bằng phương pháp Cronbach’s Alpha, EFA để loại những biến rác, không phù hợp. Tiếp theo, các thang đo này được kiểm định bằng phương pháp phân tích yếu tố khẳng định CFA. Sau đó phân tích mơ hình cấu trúc tuyến tính SEM để kiểm định độ thích hợp của mơ hình lý thuyết và các giả thuyết.
CHƯƠNG 4 PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU