Chương 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.4 Điều tra chính thức
3.4.1 Kỹ thuật chọn mẫu
Kỹ thuật chọn mẫu gồm có: chọn mẫu xác xuất và phi xác xuất.
Nghiên cứu này sử dụng kỹ thuật chọn mẫu xác xuất. Trong kỹ thuật này, cơ hội
(xác xuất) của mỗi trường hợp được chọn được biết trước và giống nhau cho mọi trường hợp (Saunder, 2010). CSVC tại thời điểm tháng 8/2014, có số lượng nhân viên xác định, cơ hội của một nhân viên A bất kỳ được chọn để làm khảo sát là được biết trước, và bằng [Một chia cho Tổng lượng nhân viên CSVC tháng 8/2014].
Hình 3.4: Phân loại các phương pháp chọn mẫu Nguồn: Saunder, 2010
Lấy mẫu xác xuất có 5 kỹ thuật chính: (1) ngẫu nhiên đơn giản, (2) hệ thống, (3) ngẫu nhiên phân tầng, (4) theo nhóm, (5) Đa giai đoạn (Saunder, 2010; Nguyễn Đình Thọ, 2012). Để có kỹ thuật lấy mẫu chính xác, Saunder đề xuất sơ đồ bên dưới (hình 10). Theo đó, nghiên cứu này sử dụng kỹ thuật lấy mẫu ngẫu nhiên phân tầng.
Lấy mẫu
Xác suất Phi xác suất
Ngẫu nhiên Ngẫu nhiên Quota Snowball Thuận tiện
đơn giản phân tầng
Hệ thống Nhóm Mục đích Tự chọn
đa giai đoạn Trường hợp Đồng tính Cụ thể đặc biệt
Dị tính Trường hợp
Hình 3.5: Sơ đồ chọn mẫu Nguồn: Saunder, 2010
Khung mẫu là danh sách liệt kê dữ liệu cần thiết của tất cả các đơn vị và phần tử của
đám đông để thực hiện công việc chọn mẫu (Nguyễn Đình Thọ, 2012). Khung mẫu của nghiên cứu này được phân tầng theo: kỹ thuật viên, kỹ sư hoặc cử nhân hành chính, quản lý người nước ngồi.
3.4.2 Kích thước mẫu
Nghiên cứu này phân phát 250 bảng câu hỏi, thu về 216 trả lời có giá trị. Nghiên cứu sử dụng 216 kết quả này làm dữ liệu phân tích.
Theo đề xuất của Barrett (2007 trích trong Kline, 2011), kích thước mẫu nên lớn hơn 200. Như vậy, có thể chọn kích thước mẫu 200 nhằm đảm bảo hiệu quả thống
kê, hiệu quả kinh tế (Nguyễn Đình Thọ, 2012)và phòng ngừa khả năng tỷ lệ phản
hồi thấp.
Kích thước mẫu phụ thuộc vào phương pháp xử lý ( hồi quy, phân tích nhân tố khám phá EFA, mơ hình cấu trúc tuyến tính SEM..) độ tin cậy cần thiết (Nguyễn Đình Thọ, 2012). Nghiên cứu này sử dụng mơ hình SEM theo đề xuất của Somnuk (2010). Để sử dụng mơ hình SEM, kích thước mẫu ít nhất phải từ 100 đến 150 (Ding, Velicer và Harlow, 1995 trích trong E.Schmacker, 2010).
Thông thường trong nghiên cứu kiểm định lý thuyết khoa học ngành kinh doanh, mức ý nghĩa thường được chọn là 5% (Nguyễn Đình Thọ, 2012). Như vậy, độ tin cậy ở mức 95%.
Trong 216 bảng câu hỏi, một số mẫu người trả lời không đầy đủ tất cả các câu hỏi.
Để xử lý vấn đề này, phương pháp Expectation Likelihood Maximization trong
SPSS được sử dụng, vì Expectation Maximization là kỹ thuật rất hiệu quả (Karen,
2014).
3.4.3 Cơng cụ phân tích và q trình phân tích
Nghiên cứu kiểm định nhân tố khẳng định (CFA – Confirmatory factor analysis) và sau đó sử dụng mơ hình cấu trúc SEM (Structural Equation Modeling) bằng phần mềm AMOS 22 (Analysis of Moment Structures) để để tìm ra mối quan hệ, sự ảnh hưởng cũng như tương quan của các biến.
CFA là một kỹ thuật thống kê dùng khẳng định cấu trúc yếu tố của một bộ các biến quan sát (D. Suhr, 2009 trích trong Nguyễn Khánh Duy, 2009). Khác với phân tích nhân tố khám phá EFA dùng xác định các cấu trúc ngầm của một bộ các biến đo lường, CFA cho phép nhà nghiên cứu kiểm tra giả thuyết trong đó, mối quan hệ giữa các biến quan sát và cấu trúc ẩn là đã tồn tại (D. Suhr, 2009 trích trong Nguyễn
Khánh Duy, 2009). Nhà nghiên cứu sử dụng kiến thức về lý thuyết, nghiên cứu thực nghiệm hoặc cả hai, thừa nhận mơ hình, mối quan hệ trước và sau đó kiểm tra giả thuyết ấy bằng thông kê.
Nghiên cứu này sử dụng mơ hình Somnuk, có nhiều biến phụ thuộc, đặc biệt có biến ‘hiệu quả lưu trữ tri thức’ là biến bậc hai (second-order factor) vì thế, mơ hình SEM được xem là lựa chọn thích hợp.
Mơ hình cấu trúc SEM sử dụng nhiều loại mơ hình để miêu tả mối quan hệ giữa các biến quan sát, mục tiêu cơ bản là cung cấp phương pháp kiểm tra định lượng các mơ hình giả thuyết cho nhà nghiên cứu (E.Schumacker, 2010). Mơ hình này cịn có tên gọi khác là Analysis of Covariance Structure (Phân tích cấu trúc hiệp phương sai) hoặc Causal Modelling (Mơ hình nhân quả)(Phạm Lê Hồng Nhung, 2012).
Theo Nguyễn Đình Thọ (2012), khi kiểm định mối quan hệ giữa một biến phụ thuộc và một biến độc lập gọi là mơ hình hồi quy đơn (Simple Linear Regression), một biến phụ thuộc và nhiều biến độc lập gọi là mơ hình hồi quy bội (Multiple Linear regression). Khi mơ hình có nhiều biến phụ thuộc định lượng và nhiều biến độc lập định tính hay định lượng, kèm theo các biến trung gian, mơ hình SEM thường được sử dụng (Nguyễn Đình Thọ, 2012).