CHƢƠNG 3 : THIẾT KẾT NGHIÊN CỨU
3.4. Nghiên cứu chính thức
3.4.4 Phương pháp phân tích kết quả nghiên cứu
Dữ liệu sau khi thu thập được từ phiếu khảo sát, được xử lý, mã hóa, nhập liệu và phân tích bằng phần mềm SPSS 20, sau đó được thực hiện qua các bước sau: - Bước 1: Mô tả mẫu nghiên cứu nhằm mơ tả các thuộc tính của mẫu khảo sát về thơng tin chung của đối tượng được khảo sát.
- Bước 2: Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha, qua đó các biến có hệ số tương quan biến tổng (Corrected Item – Total Correlation) nhỏ hơn 0.3 sẽ không phù hợp và bị loại bỏ. Thang đo sẽ được chấp nhận khi hệ số Cronbach’s Alpha đạt từ 0.6 trở lên (Nunnaly & Bernsteri, 1994) và (Slater, 1995).
Tuy nhiên, nhiều nhà nghiên cứu cho rằng khi Cronbach’s Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được (trích
Hồng Trọng và Chu Nguyễn Mộng Ngọc – Phân tích dữ liệu nghiên cứu SPSS, 2008). Quá trình chạy Cronbach’s Alpha phải được thực hiện để loại bỏ các biến không đạt độ tin cậy trước khi thực hiện phân tích nhân tố khám phá EFA. Đối với nghiên cứu này, các biến có hệ số tương quan biến tổng nhỏ hơn 0,4 sẽ bị loại và tiêu chuẩn để chọn thang đo khi có độ tin cậy Cronbach Alpha đạt từ 0,7 trở lên.
- Bước 3: Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật phân tích rút gọn một tập hợp gồm nhiều biến quan sát thành một số nhân tố ít hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin và ý nghĩa thống kê của tập biến ban đầu (Hair & CTG, 1998). Phân tích nhân tố khám phá EFA được sử dụng để kiểm định lại giá trị của các thang đo, phương pháp này dựa vào tương quan giữa các biến với nhau, EFA dùng để rút gọn các biến quan sát thành một tập các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát.
Kaiser-Meyer-Olkin (KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (trích Hồng Trọng và Chu Nguyễn Mộng Ngọc - Phân tích dữ liệu nghiên cứu SPSS, 2008).
Những nhân tố có chỉ số Eigenvalue >=1 sẽ được giữ lại trong mơ hình phân tích, ngược lại nếu Eigenvalue <1 sẽ bị loại khỏi mơ hình (theo tiêu chuẩn Kaiser).
Tiêu chuẩn phương sai trích (Variance Explained criteria): tổng phương sai trích phải lớn hơn hoặc bằng 50%.
Các biến có hệ số tương quan đơn giữa biến và các nhân tố nhỏ hơn 0.5 sẽ bị loại (Jun & ctg, 2002). Để đạt được độ giá trị phân biệt, khác biệt giữa các hệ số tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0.3 (Jabnoun & ctg, 2003).
- Bước 4: Kiểm định các giả thuyết được đưa ra trong mơ hình bằng phương pháp Hồi quy với mức ý nghĩa 5%, từ kết quả phân tích hồi quy cũng cho ta biết được mức độ tác động khác nhau của các biến độc lập lên biến phụ thuộc.
Tóm tắt chƣơng 3
Chương 3 giới thiệu tổng quan về Hải quan Việt Nam, Cục Hải quan tỉnh Bình Định, thực trạng thực hiện thủ tục hải quan tại Cục Hải quan Bình Định. Tiếp theo, tác giả trình bày phương pháp nghiên cứu, quy trình nghiên cứu. Đưa ra kết quả nghiên cứu sơ bộ định tính và sơ bộ định lượng, từ đó hồn chỉnh mơ hình nghiên cứu chính thức, xây dựng và mã hóa thang đo, thiết kế phiếu khảo sát chính thức, mơ tả phương pháp chọn mẫu và phương pháp phân tích kết quả nghiên cứu để chuẩn bị cho nghiên cứu chính thức.