CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.2.2: Nghiên cứu định lượng
Nghiên cứu định lượng bắt đầu bằng việc xác định thang đo các khái niệm của nghiên cứu dựa trên kết quả thảo luận nhóm Trước khi nghiên cứu chính thức, cuộc khảo sát thử với một mẫu nhỏ g m 30 người tiêu dùng đã được thực hiện để nhằm phát hiện những sai sót trong thiết kế bảng câu hỏi. Sau khi khảo sát thử, bảng câu hỏi tiếp tục được chỉnh sửa và sẵn sàng cho cuộc khảo sát chính thức (Xem bảng câu hỏi khảo sát – Phụ lục 4).
Xây dựng kế hoạch chọn mẫu: Mẫu được chọn theo phương pháp chọn mẫu thuận tiện. K ch thước mẫu lớn hay nhỏ còn tùy thuộc vào nhiều yếu tố như phương pháp xử lý (h i quy tuyến tính, phân tích nhân tố khám phá EFA, mơ hình cấu trúc tuyến t nh SEM…), độ tin cậy cần thiết,… Chúng ta đã biết k ch thước mẫu càng lớn càng tốt nhưng lại tốn chi phí và thời gian. Hiện nay, các nhà nghiên cứu xác định k ch thước mẫu cần thiết thông qua các công thức kinh nghiệm cho từng phương pháp xử lý. Ví dụ như, trong phân t ch nhân tố khám phá (EFA) thì kích thước mẫu thường được xác định dựa vào k ch thước tối thiểu và số lượng biến đo lường đưa vào phân t ch Theo Hair và cộng sự (2006) cho rằng để sử dụng EFA, k ch thước mẫu tối thiểu là 50 (100 thì tốt hơn) và tỉ lệ quan sát là 5:1 (nghĩa là 1 biến đo lường cần tối thiểu 5 quan sát, tốt nhất là 10:1 trở lên). Và với đề tài nghiên cứu này, mơ hình nghiên cứu dự kiến có 41 biến quan sát, vì vậy k ch thước mẫu tối thiểu dự kiến là n = 41 * 5 = 205 mẫu. Cuối cùng tác giả quyết định chọn cỡ mẫu khoảng 250 mẫu (theo nguyên tắc mẫu càng lớn càng tốt) cho nghiên cứu chính thức, cỡ mẫu này là kết quả quá trình gạn lọc các bản hỏi thu về và loại bỏ những đối tượng không hợp lệ.
Q trình thu thập thơng tin được tiến hành. Kế đó việc xử lý dữ liệu bằng phần mềm SPSS 20 được thực hiện để kiểm định các giả thuyết nghiên cứu, đánh giá độ tin cậy của thang đo và kiểm định sự phù hợp của mơ hình nghiên cứu đề xuất. Tiến trình phân tích dữ liệu được thực hiện theo các bước sau:
Chuẩn bị thông tin: Thu nhận bảng trả lời, tiến hành làm sạch thông tin, mã
hóa các thơng tin cần thiết trong bảng trả lời, nhập liệu và phân tích dữ liệu bằng phần mềm SPSS 20
Thống kê: Tiến hành thống kê mô tả dữ liệu
Đánh giá độ tin cậy: Tiến hành đánh giá thang đo bằng phân tích Cronbach
Alpha Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach Alpha. Hệ số Cronbach Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao. Sử dụng phương pháp hệ số tin cậy Cronbach Alpha trước khi phân tích nhân tố khám phá EFA để loại các biến khơng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). Hệ số tin cậy Cronbach Alpha chỉ cho biết các biến đo lường có liên kết với nhau hay khơng nhưng khơng cho biết biến nào cần loại đi và biến nào cần giữ lại Do đó, kết hợp sử dụng hệ số tương quan biến – tổng để loại ra những biến khơng đóng góp nhiều cho khái niệm cần đo lường (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy của thang đo g m:
- Hệ số tin cậy Cronbach Alpha: lớn hơn 0 8 là thang đo lường tốt, từ 0 7 đến 0.8 là sử dụng được, từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong hoàn cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Trong nghiên cứu này tác giả chọn thang đo có độ tin cậy Cronbach Alpha lớn hơn 0 7
- Hệ số tương quan biến – tổng: các biến quan sát có tương quan biến – tổng nhỏ hơn 0 4 được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Cronbach Alpha đạt yêu cầu.
Phân tích nhân tố khám phá – EFA (Exploratory Factor Analysic): Phân
tích nhân tố được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo. Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá được dùng để kiểm định giá trị khái niệm của thang đo Cách thực hiện và tiêu ch đánh giá trong phân t ch EFA như sau:
- Phương pháp: Đối với thang đo đa hướng, sử dụng phương pháp tr ch yếu tố là Principal Axis Factoring với phép quay Promax và điểm dừng khi trích các yếu tố Eigen Value lớn hơn hoặc bằng 1 Phương pháp này được cho rằng sẽ phản ánh dữ liệu tốt hơn khi dùng Principal Components với phép quay Varimax (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007) Đối với thang đo đơn hướng thì sử dụng phương pháp tr ch yếu tố Principal Components Thang đo chấp nhận được khi tổng phương sai tr ch được bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). - Tiêu chuẩn: Hệ số tải nhân tố phải lớn hơn hoặc bằng 0.4 để đảm bảo mức ý
nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố là: lớn hơn 0.3 là mức tối thiểu chấp nhận được, lớn hơn 0 4 là quan trọng, lớn hơn 0 5 là có ý nghĩa thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố là: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0 3, nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố lớn hơn 0 55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0 75 (Hair và cộng sự, 1998).
- Tiến hành thực hiện kiểm định các yêu cầu liên quan g m: Kiểm định Barlett để kiểm định sự tương quan giữa các biến với nhau trong tổng thể và xem xét trị số KMO, nếu KMO trong khoảng từ 0 5 đến 1 thì phân tích nhân tố là thích hợp với dữ liệu, ngược lại nếu KMO nhỏ hơn 0 5 thì phân t ch nhân tố có khả năng khơng thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Để phân tích nhân tố có giá trị thực tiễn cần tiến hành loại các biến quan sát có hệ số tải nhân tố nhỏ hơn 0 4 và xem lại thông số Eigen Values có giá trị lớn hơn 1, đ ng thời xem xét tổng phương sai tr ch (cho biết các nhân tố được trích giải thích phần trăm sự biến thiên của các biến quan sát) phải lớn hơn hoặc bằng 50%.
Phân tích hồi quy tuyến tính: Thực hiện phân tích h i quy tuyến tính và kiểm
định các giả thuyết của mơ hình với mức ý nghĩa là 5% Trước khi thực hiện phân tích h i quy tuyến tính thì phải thực hiện phân t ch tương quan nhằm khẳng định mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập, khi đó việc sử dụng phân tích h i quy tuyến tính là phù hợp.
Phân tích tương quan: Các thang đo được đánh giá đạt yêu cầu được đưa vào
phân t ch tương quan Pearson Phân t ch tương quan được thực hiện giữa biến phụ thuộc và các biến độc lập nhằm khẳng định chúng có mối quan hệ tuyến tính với nhau. Giá trị tuyệt đối của Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ Đ ng thời cũng cần phân t ch tương quan giữa các biến độc lập với nhau nhằm phát hiện những mối tương quan chặt chẽ giữa các biến độc lập. Vì những tương quan như vậy có thể ảnh hưởng lớn đến kết quả của phân tích h i quy như gây ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích hồi quy tuyến tính: Sau khi kết luận hai biến có mối quan hệ tương
quan tuyến tính với nhau thì có thể mơ hình hóa mối quan hệ nhân quả này bằng h i quy tuyến tính. Nghiên cứu thực hiện h i quy tuyến tính theo phương pháp Enter, tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan. Quá trình kiểm định giả thuyết được thực hiện theo các bước sau:
- Đánh giá độ phù hợp của mơ hình h i quy tuyến tính thơng qua R2 và R2 hiệu chỉnh.
- Kiểm định giả thuyết về độ phù hợp của mơ hình.
- Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF lớn hơn 5 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Xác định mức độ ảnh hưởng của các yếu tố tác động đến ý định tiêu dùng thuốc bổ trẻ em sản xuất trong nước: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mơ hình nghiên cứu.
Cuối cùng phân tích T – Test và ANOVA dựa trên các biến nhân khẩu để phân tích sự khác biệt giữa các nhóm sau: Nam và nữ, thu nhập cao và thu nhập thấp, trẻ tuổi và lớn tuổi, trình độ học vấn, nghề nghiệp và thu nhập đối với ý định hành vi tiêu dùng thuốc bổ trẻ em sản xuất trong nước. Các kết quả thực hiện sẽ được phân tích, giải thích và trình bày thành bản báo cáo nghiên cứu.