CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.3. Phƣơng pháp phân tích dữ liệu
Sau khi thu thập dữ liệu bằng các bảng câu hỏi phỏng vấn từ người tiêu dùng, các bảng phỏng vấn được xem xét và loại đi những bảng phỏng vấn không đạt yêu cầu cho nghiên cứu. Các bảng câu hỏi đạt yêu cầu được mã hóa, nhập liệu, và làm sạch bằng phần mềm SPSS 16.0. Quá trình phân tích dữ liệu được thực hiện qua các giai đoạn sau:
3.3.1. Đánh giá sơ bộ thang đo bằng hệ số tin cậy Cronbach’s Alpha
Một thang đo được coi là có giá trị khi nó đo lường đúng cái cần đo, có ý nghĩa là phương pháp đo lường đó khơng có sai lệch mang tính hệ thống và sai lệch ngẫu nhiên. Điều kiện đầu tiên cần phải có là thang đo áp dụng phải đạt độ tin cậy. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 24): “Nhiều nhà nghiên cứu đồng ý 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. Cũng có nhiều nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995)”.
Về lý thuyết, Cronbach’s Alpha càng cao càng tốt (thang đo có độ tin cậy cao). Tuy nhiên điều này không thực sự như vậy. Hệ số Cronbach’s Alpha quá lớn (Alpha>0.95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Hiện tượng này gọi là hiện tượng trùng lắp trong đo lường (redundancy).
Trong nghiên cứu này, tác giả quyết định sử dụng tiêu chuẩn Cronbach’s Alpha nhỏ hơn 0.6 được xem xét loại (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) và các biến quan sát hệ số tương quan biến tổng (Corrected item- total correlation) nhỏ hơn 0.4 sẽ bị loại.
3.3.2. Đánh giá thang đo bằng phân tích nhân tố khám phá (EFA-Exploratory Factor Analysis) Exploratory Factor Analysis)
Phân tích nhân tố sẽ trả lời câu hỏi liệu các biến quan sát dùng để xem xét sự tác động của các yếu tố giá trị cá nhân ảnh hưởng đến quyết định mua lại nữ trang
30
của khách hàng có độ kết dính cao khơng và chúng có thể gom gọn lại thành một số nhân tố ít hơn để xem xét không. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo. Các tham số thống kê trong phân tích EFA như sau:
Đánh giá chỉ số Kaiser - Mayer - Olkin (KMO) để xem xét sự thích hợp của phân tích nhân tố khám phá (EFA), chỉ số KMO phải lớn hơn 0.5 (Nguyễn Đình Thọ, 2011).
Kiểm định Bartlett dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Kiểm định Bartlett phải có ý nghĩa thống kê (Sig ≤0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng trọng & Chu Nguyễn Mộng Ngọc, 2008).
Các trọng số nhân tố (factor loading) nhỏ hơn 0.5 trong EFA sẽ tiết tục bị loại để đảm bảo giá trị hội tụ giữa các biến (Nguyễn Đình Thọ, 2011). Phương pháp trích hệ số sử dụng là principal components và điểm dừng khi trích các nhân tố có eigenvalue lớn hơn 1, tổng phương sai trích bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ, 2011).
3.3.3. Phân tích hồi quy tuyến tính
Trước hết hệ số tương quan giữa quyết định mua lại và các nhân tố giá trị cá nhân ảnh hưởng đến quyết định mua lại trang sức của khách hàng tại TP. HCM sẽ được xem xét. Tiếp đến, phân tích hồi quy tuyến tính đa biến bằng phương pháp bình phương nhỏ nhất thơng thường (ordinary Least Square- OLS) được thực hiện nhằm kiểm định mơ hình lý thuyết và qua đó xác định cường độ tác động của từng yếu tố giá trị cá nhân ảnh hưởng đến quyết định mua lại của khách hàng. Trình tự phân tích hồi quy tuyến tính trong bài nghiên cứu này được thực hiện như sau:
Phương pháp đưa biến vào phân tích hồi quy là phương pháp đưa các biến cùng một lượt (phương pháp Enter).
Để đánh giá độ phù hợp của mơ hình hồi quy đối với tập dữ liệu, ta sử dụng hệ số R2
31
Kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0.
Đánh giá mức độ tác động (mạnh hay yếu) giữa các biến tác động thông qua hệ số Beta.
Sau cùng, nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuối cùng là phù hợp, một loạt các dị tìm vi phạm của giả định cần thiết trong hồi quy tuyến tính cũng được thực hiện. Các giả định được kiểm định trong phần này gồm giả định liên hệ tuyến tính, phương sai của phần dư không đổi, phân phối chuẩn của phần dư, tính độc lập của phần dư, hiện tượng đa cộng tuyến.
3.3.4. Kiểm định sự khác biệt về mức độ đánh giá các yếu tố ảnh hƣởng đến quyết định mua lại theo các giá trị cá nhân bằng T-test và ANOVA
Để kiểm định xem mức độ đánh giá các yếu tố giá trị cá nhân ảnh hưởng đến quyết định mua có sự khác nhau hay khơng giữa khách hàng có đặc điểm cá nhân khác nhau về giới tính, độ tuổi, trình độ học vấn và thu nhập, tác giả sử dụng phương pháp kiểm định Independent Samples T-test và One- Way ANOVA. Independent Samples T-test được sử dụng để so sánh giá trị trung bình về một chỉ tiêu nghiên cứu giữa hai đối tượng. Phân tích phương sai ANOVA (Analysis of variance) là sự mở rộng của kiểm định T vì phương pháp này giúp ta so sánh trị trung bình của 3 nhóm trở lên.
Ngoài ra, Levene test cũng được thực hiện trước đó nhằm kiểm định tính phân phối chuẩn của phương sai của 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 từ bảng trên cho thấy giá trị Sig. ≤ 0.05 tức là có sự khác biệt về mức độ đánh giá các nhân tố giữa các nhóm khách hàng 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 về mức độ đánh giá là cụ thể ở nhóm nào.