đầu.
Mã Câu hỏi các biến quan sát
BI1 Tơi mong đợi sẽ ni con hồn toàn bằng sữa mẹ trong sáu tháng đầu. BI2 Tơi có ý định ni con hoàn toàn bằng sữa mẹ trong sáu tháng đầu. BI3 Tơi có kế hoạch ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu.
(Nguồn: Kết quả nghiên cứu định tính của tác giả) 3.3 . Nghiên cứu định lượng
3.3.1. Thiết kế mẫu nghiên cứu
Nghiên cứu này được thực hiện tại TP. HCM với phương pháp chọn mẫu thuận tiện, phi xác suất, bảng câu hỏi được gửi trực tiếp đến bà mẹ mang thai.
- Đối tượng khảo sát: là bà mẹ mang thai từ 28 tuần trở lên đang sinh sống
tại TP. HCM, có độ tuổi từ 18 đến 45. Các bà mẹ này có vai trị ra quyết định trong việc lựa chọn hình thức ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu.
- Kích thước và cách chọn mẫu:
Kích thước mẫu bao nhiêu được gọi là lớn thì hiện nay chưa được xác định rõ ràng. Hơn nữa, kích thước mẫu cịn tùy thuộc vào phương pháp ước lượng sử dụng (ví dụ: ML, GLS, hay ADF). Tuy nhiên, có nhà nghiên cứu cho rằng, nếu sử dụng phương pháp ước lượng ML thì kích thước mẫu tối thiểu phải từ 100 đến 150 (Hair và cộng sự, 1998). Cũng có nhà nghiên cứu cho rằng, kích thước mẫu tối thiểu phải là 200 (Hoelter, 1983); hay kích thước mẫu tối thiểu phải là năm mẫu cho một tham số cần ước lượng (Bollen, 1989).
Theo Nguyễn Đình Thọ (2011), để sử dụng EFA, chúng ta cần kích thước mẫu lớn. Vấn đề xác định kích thước mẫu phù hợp là vấn đề phức tạp, thông thường dựa theo kinh nghiệm. Trong EFA, kích thước mẫu thường được xác định dựa vào (1) kích thước tối thiểu và (2) số lượng biến thiên đo lường đưa vào phân tích. Hair và cộng sự (2006) cho rằng để sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát (observations)/biến đo lường (items) là 5:1, nghĩa là 1
này, với 32 biến quan sát thì mẫu nghiên cứu của đề tài này cần phải có tối thiểu là: n = 5 x 32 = 160 mẫu.
Kích thước mẫu cũng là một vấn đề quan tâm khi sử dụng mơ hình hồi quy bội (Multiple Linear Regression – MLR): tác động của nhiều biến độc lập định lượng vào một biến phụ thc định lượng. Chọn kích thước mẫu trong MLR phụ thuộc vào nhiều yếu tố, ví dụ, mức ý nghĩa (significant level), độ mạnh của phép kiểm định, số lượng biến độc lập,…(Tabachnick và Fidell, 2007; trích trong Nguyễn Đình Thọ, 2011). Một cơng thức kinh nghiệm thường dùng để tính kích thước mẫu cho MLR như sau:
n ≥ 50 + 8p
Trong đó, n là kích thước mẫu tối thiểu cần thiết và p là số lượng biến độc lập trong mơ hình. Theo đó, số mẫu nghiên cứu tối thiểu cần phải có là: n = 50 + 8 x 6 = 98 mẫu.
Vậy, số mẫu tối thiểu cần thu thập để thực hiện nghiên cứu này phải là 160 mẫu. Tuy nhiên, để đảm bảo tính đại diện và dự phịng cho những bà mẹ không trả lời hoặc trả lời không đầy đủ, tác giả lựa chọn quy mơ mẫu là 300 bà mẹ. Với kích thước mẫu này, số lượng 320 bảng câu hỏi được phát ra.
3.3.2. Thiết kế bảng câu hỏi và quá trình thu thập dữ liệu
* Các giai đoạn thết kế bảng câu hỏi
- Bước 1: Trên cơ sở thang đo nháp được phát triển từ kết quả nghiên cứu định tính (mục 3.2.2), đồng thời bổ sung thêm phần thông tin cá nhân bà mẹ mang thai được phỏng vấn, tác giả thiết kế bảng câu hỏi ban đầu.
- Bước 2: Bảng câu hỏi ban đầu được sử dụng để phỏng vấn thử với 30 bà mẹ mang thai từ 28 tuần trở lên tại TP. HCM đang có ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu nhằm đánh giá mức độ hoàn chỉnh của các câu hỏi (phát biểu) về mặt hình thức và khả năng cung cấp thơng tin của bà mẹ mang thai, đồng thời điều chỉnh lại một số từ ngữ cho phù hợp và dễ hiễu hơn.
- Bước 3: Sau khi căn cứ vào kết quả phỏng vấn thử, tác giả hiệu chỉnh thành bảng câu hỏi chính thức sử dụng để thu thập thông tin mẫu nghiên cứu. Bảng câu
hỏi được thiết kế gồm 32 câu tương ứng 32 biến quan sát, trong đó có 29 biến quan sát thuộc thành phần biến độc lập, 3 biến quan sát thuộc thành phần ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai.
* Phương pháp thu thập dữ liệu
Việc khảo sát được tiến hành bằng phương pháp phỏng vấn trực tiếp bà mẹ mang thai từ 28 tuần trở lên, có độ tuổi từ 18 đến 45 tại một số bệnh viện phụ sản, phòng khám thai tư nhân trên địa bàn TP. HCM bằng bảng câu hỏi chi tiết. Bảng câu hỏi được gửi đến bà mẹ được khảo sát dưới hình thức phỏng vấn trực tiếp bằng phiếu khảo sát giấy đã được in sẵn.
Dưới hình thức này, tác giả trực tiếp phỏng vấn và giải thích thắc mắc cho bà mẹ được khảo sát. Bà mẹ được khảo sát điền vào phiếu khảo sát giấy đã được in sẵn, sau 30 phút tác giả thu phiếu lại.
3.3.3. Phương pháp phân tích dữ liệu
Trình tự tiến hành phân tích dữ liệu được thực hiện như sau:
Bước 1 – Chuẩn bị thông tin: thu nhận bảng câu hỏi, tiến hành làm sạch thơng tin, mã hóa các thơng tin cần thiết trong bảng trả lời, nhập liệu và phân tích dữ liệu bằng phần mềm xử lý thống kê SPSS 20.0.
Bước 2 – Thống kê: tiến hành thống kê mô tả dữ liệu thu thập được.
Bước 3 – Đánh giá độ tin cậy thang đo bằng phân tích Cronbach’s Alpha.
Bước 4 - Kiểm định thang đo bằng phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA).
Bước 5 – Thực hiện phân tích hồi quy bội và kiểm định các giả thuyết của mơ hình với mức ý nghĩa là 5%.
3.3.3.1. Đánh giá sơ bộ thang đo bằng hệ số tin cậy Cronbach’s Alpha
Hệ số Cronbach’s Alpha là hệ số sử dụng phổ biến để đánh giá độ tin cậy của thang đo. Độ tin cậy thường dùng nhất là tính nhất quán nội tại, nói lên mối quan hệ của các biến quan sát trong cùng một thang đo. Để tính Cronbach’s Alpha cho một thang đo thì thang đo phải có tối thiểu là ba biến đo lường. Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1] (Nguyễn Đình Thọ, 2011).
Các biến đo lường dùng để đo lường cùng một khái niệm nghiên cứu nên chúng phải có mối tương quan chặt chẽ với nhau. SPSS sử dụng hệ số tương quan biến-tổng hiệu chỉnh. Nếu một biến đo lường có hệ số tương quan biến-tổng (hiệu chỉnh) ≥ 0,30 thì biến đó đạt yêu cầu (Nunnally và Bernstein, 1994; trích trong Nguyễn Đình Thọ, 2011).
Tuy nhiên, nếu chúng trùng lắp hồn tồn (r = 1) thì hai biến đo lường này thật sự chỉ làm một việc, và chúng ta chỉ cần một trong hai biến là đủ. Vì vậy, một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,70 – 0,80]. Nếu Cronbach’s Alpha ≥ 0,60 là thang đo có thể chấp nhận được về mặt độ tin cậy trong trường hợp thang đo lường các khái niệm là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally và Bernstein, 1994; trích trong Nguyễn Đình Thọ, 2011).
Hệ số Cronbach’s Alpha phải được thực hiện trước để loại các biến rác (garbage items) trước khi thực hiện phân tích EFA. Quy trình này giúp chúng ta tránh được các biến rác vì các biến rác này có thể tạo nên các nhân tố giả (artifical factors) khi phân tích EFA (Churchill, 1979; trích trong Nguyễn Đình Thọ, 2011).
3.3.3.2. Kiểm định thang đo bằng phân tích nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA) giúp chúng ta đánh giá hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
Trong phân tích EFA, chúng ta có hai ma trận quan trọng để xem xét khi đánh giá các thang đo, đó là ma trận các trọng số nhân tố (factor pattern matrix) và ma trận các hệ số tương quan (factor structure matrix). Khi các nhân tố khơng có quan hệ với nhau thì trọng số nhân tố giữa một nhân tố và một biến đo lường là hệ số tương quan giữa hai biến đó. Trọng số nhân tố là tác động của khái niệm nghiên cứu và biến đo lường (Nguyễn Đình Thọ, 2011).
Theo Nguyễn Đình Thọ (2011), tiêu chí Eigenvalue là một tiêu chí sử dụng phổ biến trong việc xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố có Eigenvalue tối thiểu bằng 1 (≥ 1).
Theo Nguyễn Đình Thọ (2011), “để xác định sự phù hợp khi dùng EFA, có thể dùng kiểm định Bartlett (Bartlett’s test of sphericity) hoặc KMO (Kaiser-Meyer- Olkin measure of sampling adequacy). Để sử dụng EFA, KMO phải lớn hơn 0,50. Kaiser (1974) đề nghị, KMO ≥ 0,90: rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: được; KMO ≥ 0,60: tạm được; KMO ≥ 0,50: xấu; KMO < 0,50: không thể chấp nhận được”.
Từ cơ sở lý thuyết trên, mơ hình nghiên cứu “các yếu tố tác động đến ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai tại TP. HCM” gồm 32 biến quan sát được sử dụng phân tích nhân tố khám phá (EFA) theo các bước sau:
Đối với các biến quan sát đo lường khái niệm là các thang đo đơn hướng
nên sử dụng phương pháp trích nhân tố PCA (Principal Component Analysis) với phép quay vng góc Varimax và điểm dừng khi trích các yếu tố có Eigenvalue > 1.
Sau đó tiến hành thực hiện kiểm định các yêu cầu liên quan gồm:
+ Kiểm định Bartlett: các biến quan sát có tương quan với nhau trong tổng thể.
+ Xem xét trị số KMO: Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), “KMO là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO đủ 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”.
Để phân tích EFA có giá trị thực tiễn, tiến hành loại các biến quan sát có hệ số tải nhân tố nhỏ hơn 0,5.
Xem lại thông số Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị lớn hơn 1.
Xem xét tổng phương sai trích (yêu cầu ≥ 50%): cho biết các nhân tố được giải thích % sự biến thiên của các biến quan sát.
3.3.3.3. Phân tích tương quan và hồi quy bội (Multiple Linear Regression – MLR)
* Phân tích tương quan
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số tương quan Pearson (ký hiệu là r) để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng (khoảng cách hay tỷ lệ). Giá trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ (khi tất cả các điểm phân tán xếp thành một đường thẳng thì giá trị tuyệt đối của r = 1).
Theo Nguyễn Đình Thọ (2011), trong mơ hình hồi quy bội (MLR), chúng ta có nhiều biến độc lập, vì vậy có thêm giả định là các biến độc lập khơng có quan hệ với nhau hồn tồn, nghĩa là hệ số tương quan r của các cặp biến độc lập với nhau khác với 1, chứ không phải chúng khơng có tương quan với nhau. Trong thực tiễn nghiên cứu, các biến trong một mơ hình thường có quan hệ với nhau nhưng chúng phải phân biệt nhau (đạt được giá trị phân biệt).
* Phân tích hồi quy bội (MLR)
Trình tự phân tích hồi quy bội trong nghiên cứu này được thực hiện như sau : - Phương pháp đưa biến vào phân tích hồi quy là phương pháp đưa các biến vào mơ hình một lượt (phương pháp Enter).
- Để đánh giá độ phù hợp của mơ hình hồi quy đối với tập dữ liệu, tác giả sử dụng hệ số R2 hiệu chỉnh (Adjusted R Square).
- Kiểm định độ phù hợp của mơ hình để lựa chọn mơ hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: khơng có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập (β1 = β2 = β3 = βn = 0). Nếu giá trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ,
khi đó chúng ta kết luận tập hợp của các biến độc lập trong mơ hình có thể giải thích cho sự biện thiên của biến phụ thuộc. Nghĩa là mơ hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.
- Xác định các hệ số của phương trình hồi quy bội, đó là các hệ số hồi quy riêng phần βk: đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so sánh chúng trực tiếp với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, và biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệch chuẩn beta.
- Cuối cùng, nhằm đảm bảo độ tin cậy của mơ hình hồi quy được xây dựng là phù hợp, một loạt các dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính cũng được thực hiện gồm: giả định liên hệ tuyến tính, giả định về phân phối chuẩn của phần dư, giả định về tính độc lập của sai số, đo lường đa cộng tuyến.
3.3.4. Kiểm định sự khác biệt về ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai tại TP. HCM theo các biến định tính bằng ANOVA
Để kiểm định sự khác biệt về ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai theo độ tuổi, tình trạng hơn nhân, trình độ học vấn, nghề nghiệp và thu nhập hộ gia đình, tác giả sử dụng phương pháp kiểm định One-Way ANOVA. Phân tích phương sai ANOVA (ANalysis Of VAriance) là sự mở rộng của kiểm định t vì phương pháp này giúp chúng ta so sánh giá trị trung bình của của ba nhóm trở lên.
Ngoài ra, Levene test cũng được thực hiện trước đó nhằm kiểm định tính phân phối chuẩn của phương sai các tổng thể con trước khi tiến hành kiểm định sự bằng nhau của giá trị trung bình.
Trong phân tích ANOVA, nếu kết quả phân tích cho thấy giá trị Sig. < 0,05 tức là có sự khác biệt về mức độ đánh giá yếu tố ý định ni con hồn tồn bằng sữa mẹ trong sáu tháng đầu giữa các nhóm bà mẹ mang thai có đặc điểm cá nhân khác nhau, tác giả tiếp tục sử dụng phương pháp phân tích sâu ANOVA là kiểm định “sau” Post Hoc để tìm xem sự khác biệt cụ thể ở nhóm nào.
Tóm tắt chương 3
Chương này trình bày quy trình nghiên cứu và phương pháp được thực hiện để đánh giá thang đo các khái niệm nghiên cứu và mơ hình các yếu tố tác động đến ý định ni con hoàn toàn bằng sữa mẹ trong sáu tháng đầu của bà mẹ mang thai tại TP. HCM. Nghiên cứu được thực hiện thông qua hai phương pháp: nghiên cứu định tính và nghiên cứu định lượng.
Nghiên cứu định tính thực hiện thơng qua kỹ thuật thảo luận nhóm tập trung. Kết quả nghiên cứu định tính là cơ sở để xây dựng các thang đo.
Nghiên cứu định lượng được thực hiện thông qua kỹ thuật phỏng vấn trực tiếp với kích thước mẫu n = 300 bà mẹ mang thai. Chương 3 này cũng trình bày các nội dung liên quan đến quá trình nghiên cứu định lượng như: xây dựng bảng câu hỏi phỏng vấn, thiết kế mẫu, giới thiệu kỹ thuật và yêu cầu cho phân tích dữ liệu.
Chương tiếp theo sẽ phân tích kết quả nghiên cứu, kỹ thuật phân tích dữ liệu như đánh giá thang đo bằng hệ số Cronbach’s Alpha và phân tích nhân tố khám phá (EFA), kiểm định mơ hình và các giả thuyết nghiên cứu bằng phân tích tương quan, hồi quy bội (MLR) và kiểm định sự khác biệt về ý định ni con hồn toàn bằng