CHƯƠNG 3 : THIẾT KẾ NGHIÊN CỨU
3.1. Quy trình nghiên cứu
Nghiên cứu được tiến hành theo quy trình qua sơ đồ:
Hình 3.1: Quy trình nghiên cứu
Nguồn: Tác giả đề xuất
3.1.1. Thiết kế mẫu nghiên cứu
Để có thể trả lời các câu hỏi đặt ra ban đầu, đối với mỗi biến nghiên cứu gồm sự hợp tác, sự cạnh tranh giữa các phòng ban chức năng, năng lực đổi mới, kết quả đổi mới, luận văn cần đưa ra những thang đo Likert với đầy đủ khía cạnh liên quan đến biến đang tìm hiểu, cũng như những thang đo này sẽ có tác động với các biến khác trong mơ hình. Sau đó đưa ra các mẫu thử nhỏ để kiểm định tính ổn định và nhất quán của mơ hình. Bảng câu hỏi trong
Cơ sở lý thuyết Thang đo chính thức Nghiên cứu chính thức: Nghiên cứu định lượng (n=339) Thang đo nháp Điều chỉnh thang đo Cronbach’s Alpha Phân tích nhân tố khám phá EFA Phân tích SEM Kết luận và hàm ý chính sách
Loại các biến có hệ số tương quan biến tổng nhỏ hơn 0,3
Kiểm tra hệ số alpha, loại bỏ các thành phần có hệ số Cronbach’s Alpha nhỏ hơn 0,6
Kiểm định mơ hình và giả thuyết Thảo luận nhóm Phân tích nhân tố khẳng định CFA
thang đo được kế thừa từ những nghiên cứu liên quan đến sự đổi mới. Để đảm bảo chất lượng mẫu, người trả lời khảo sát tiềm năng phải có đáp ứng các điều kiện sau: Thứ nhất, họ là nhà quản lý cấp trung và cao; Thứ hai, người trả lời khảo sát cần có kinh nghiệm từng làm quản lý từ 1 năm trở lên. Ví dụ như bảng câu hỏi có thiết kế những câu hỏi để lộ ra đối tượng không phù hợp như vị trí cao nhất của ơng/bà trong cơng ty?. Vì vậy trong bảng khảo sát địi hỏi có thêm những thơng tin về lĩnh vực hoạt động, loại hình DN.
3.1.2. Mẫu và phương pháp chọn mẫu
Đối với phân tích mơ hình cấu trúc tuyến tính SEM, theo (Hair et al, 2010) thì cỡ mẫu phù hợp sẽ được xác định dựa trên các nhóm nhân tố. Cụ thể: Cỡ mẫu tối thiểu là 100 - Số cấu trúc tiềm ẩn từ 5 nhóm trở xuống, mỗi nhóm phải có hơn 3 biến quan sát; Cỡ mẫu tối thiểu là 150 - Số nhóm nhân tố từ 7 nhóm trở xuống, mỗi nhóm phải có từ 3 biến quan sát, communality của các biến quan sát phải từ 0.5 trở lên; Cỡ mẫu tối thiểu là 300 - Số nhóm nhân tố từ 7 nhóm trở xuống, mỗi nhóm phải có từ 3 biến quan sát, communality của các biến quan sát có thể chỉ cần từ 0,45 trở lên; Cỡ mẫu tối thiểu là 500 - Số nhóm nhân tố trên 7, mỗi nhóm có thể có ít hơn 3 biến quan sát.
Trong nghiên cứu này đối tượng được khảo sát là những cá nhân đã từng tham gia trực tiếp vào quá trình quản lý của cơng ty góp phần vào sự đổi mới. Tác giả thu thập dữ liệu thông qua bảng khảo sát gửi đến nhà quản lý cấp cao và cấp trung đang làm việc trong các DN nhỏ và vừa tại tỉnh BR-VT. Bảng câu hỏi khảo sát được thực hiện dựa trên thang đo từ những nghiên cứu được công bố trước đây, sau đó được tác giả dịch sang tiếng Việt để thuận lợi cho việc khảo sát tại Việt Nam.
Tác giả khảo sát trực tiếp, trong tháng 03-04/2021 tác giả gửi bảng khảo sát bằng giấy gửi qua đường bưu điện, email (Google Forms) hoặc thông qua các buổi hội thảo mà khách mời là các nhà quản lý của các DN nhỏ và vừa trên địa bàn tỉnh BR-VT. Như vậy sau khi loại những mẫu không đủ điều
kiện, tác giả được mẫu phù hợp với yêu cầu và mang tính đại diện của mẫu. Vì vậy số mẫu này bảo đảm cho việc thực hiện nghiên cứu.
3.2. Phương pháp nghiên cứu
3.2.1. Nghiên cứu định tính
Dựa trên cơ sở lý thuyết được đề cập, nghiên cứu đưa ra các thang đo để đo lường các khái niệm nghiên cứu. Tuy nhiên, thang đo cần được điều chỉnh để cho phù hợp với không gian nghiên cứu hiện tại. Phương pháp này chủ yếu tham khảo ý kiến của chuyên gia để điều chỉnh bảng câu hỏi sao cho phù hợp với tình hình thực tế.
Phương pháp thảo luận nhóm: Đối tượng phỏng vấn là 11 người quản lý tại các doanh nghiệp nhỏ và vừa tại tỉnh Bà Rịa - Vũng Tàu. Trong buổi phỏng vấn, tác giả đã đưa ra các câu hỏi đóng góp và xoay quanh các yếu tố ảnh hưởng đến kết quả đổi mới tại các doanh nghiệp vừa và nhỏ tại tỉnh Bà Rịa - Vũng Tàu: (1) Cạnh tranh giữa các phòng ban chức năng; (2) Sự hợp
tác giữa các phòng ban chức năng; (3) Năng lực đổi mới; (4) Kết quả đổi mới. Mục đích của nghiên cứu này nhằm thu thập thêm thông tin, bổ sung,
điều chỉnh bảng câu hỏi, xây dựng bảng câu hỏi chính thức để tiến hành khảo sát định lượng.
Kết quả nghiên cứu định tính: Kết quả thảo luận nhóm cho thấy đa số đều đồng ý các yếu tố trên có ảnh hưởng đến sự đổi mới tại các DN nhỏ và vừa tại tỉnh BR-VT.
Các thành viên nhóm thảo luận cũng cho rằng các yếu tố mà tác giả đã nêu trong quá trình thảo luận là khá đầy đủ. Trên cơ sở các ý kiến đóng góp, bảng câu hỏi khảo sát được xây dựng và chỉnh sửa để tiến hành nghiên cứu định lượng tiếp theo.
Tác giả đi vào phân tích chi tiết: thang đo và độ tin cậy của các biến quan sát đánh giá bằng hệ số Cronbach’s Alpha và phương pháp phân tích nhân tố khám phá. Các biến có hệ tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại bỏ và là tiêu chuẩn để chọn thang đo là có độ tin cậy Alpha từ 0,6 trở lên (Nunnally và Bernstein, 1994) để bảo đảm độ tin cậy của thang đo.
Tiếp theo, phương pháp EFA được sử dụng với các biến quan sát có trọng số tải (factor loading) nhỏ hơn 0.5 sẽ bị loại bỏ. Phương pháp trích hệ số được sử dụng Principal Axis Factoring với phép xoay Promax và điểm dừng khi trích các yếu tố có Eigenvalue bằng 1. Thang đo được chấp nhận khi phương sai trích bằng hoặc lớn hơn 50%. Sau khi phân tích kết quả nhân tố khám phá (EFA).
Phân tích nhân tố khẳng định (CFA)
+ Đánh giá độ tin cậy của thang đo thông qua: (a) Hệ số tin cậy tổng hợp (Composite reliability) (Joreskog, 1971), (b) Tổng phương sai trích (Fornell & Larcker, 1981) và (c) hệ số tin cậy Cronbach’s Alpha. Theo Hair (1998): “phương sai trích (Average Variance Extracted) của mỗi khái niệm nên vượt quá giá trị 0,5”; và phương sai trích cũng là một chỉ tiêu đo lường độ tin cậy. Nó phản ánh biến thiên chung của các biến quan sát được tính tốn bởi biến tiềm ẩn. Schumacker và Lomax (2010) cho rằng trong CFA, một vấn đề quan trọng cần phải quan tâm khác là độ tin cậy của tập hợp các biến quan sát đo lường một khái niệm (nhân tố); và như truyền thống, hệ số tin cậy Cronbach’s Alpha vẫn thường được sử dụng. Nó đo lường tính kiên định nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời (Nguyễn Đình Thọ, 2011).
+ Tính đơn hướng/đơn nguyên (Unidimensionality): 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).
+ Giá trị phân biệt (Discriminant validity): Có thể kiểm định giá trị phân biệt của các khái niệm trong mơ hình tới hạn (Saturated model) 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.
+ Giá trị liên hệ lý thuyết (Nomological validity): Các vấn đề từ (1) đến (4) 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). Khi các vấn đề trên thỏa mãn thì mơ hình đo lường là tốt. Tuy nhiên, rất hiếm mơ hình đo lường nào đạt được việc giải quyết tất cả các vấn đề trên. Ví dụ, mơ hình đo lường vẫn có thể được sử dụng khi thang đo không đạt được tính đơn hướng (Nguyễn Đình Thọ, 2011).
Để đo lường mức độ phù hợp của mô hình với thơng tin thị trường, thường 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 Tucker & Lewis (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 Pvalue < 0,1.
Tuy nhiên, Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu. Nếu một mơ hình nhận được các giá trị GFI, TLI, CFI ≥ 0,9 (Bentler & Bonett, 1980); CMIN/df ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0,08,
RMSEA ≤ 0,05 được xem là rất tốt (Steiger, 1990); thì mơ hình được xem là phù hợp với dữ liệu thị trường, hay tương thích với dữ liệu thị trường.
Kiểm định mơ hình bằng phân tích cấu trúc tuyến tính SEM: Trong kiểm định giả thuyết và mơ hình nghiên cứu, mơ hình cấu trúc tuyến tính SEM cho phép chúng ta kết hợp được các khái niệm tiềm ẩn với những đo lường của chúng ta và có thể xem xét đo các trường hợp độc lập hay kết hợp chung với mơ hình lý thuyết cùng một lúc. Chính vì vậy, phương pháp phân tích SEM được sử dụng rất phổ biến trong các ngành khoa học xã hội trong những năm gần đây và thường được gọi là phương pháp phân tích dữ liệu thế hệ thứ hai (Nguyễn Đình Thọ, 2011).
Phương pháp phân tích cấu trúc tuyến tính được sử dụng để kiểm định mơ hình nghiên cứu. Phương pháp ước lượng ML (Maximum Likelihood) được sử dụng để ước lượng các tham số trong các mơ hình. Lý do là khi kiểm định phân phối của các biến quan sát thì phân phối này lệch một ít so với phân phối chuẩn đa biến, tuy nhiên hầu hết các Skewness và Kurtosis (độ nhọn) đều nằm trong khoảng [-1;+1] nên ML vẫn là phương pháp ước lượng thích hợp (Muthén & Kaplan, 1985). Phương pháp Bootstrap sẽ được sử dụng để ước lượng lại các tham số mơ hình để kiểm tra độ tin cậy của các ước lượng. Kết quả ước lượng ML sẽ được sử dụng để kiểm định lại các giả thuyết.