CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.5. Nghiên cứu định lượng
3.5.3.2. Kiểm định và đánh giá thang đo
Một đo lường được coi là có giá trị khi nó đo lường được đúng cái cần đo lường (Campbell & Fiske, 1959). Hay nói cách khác, đo lường đó vắng mặt cả hai loại sai số, sai số hệ thống và sai số ngẫu nhiên. Để đánh giá thang đo và các khái niệm trong nghiên cứu cần kiểm tra độ tin cậy và độ giá trị của thang đo.
Dựa trên hệ số độ tin cậy Cronbach Alpha, hệ số tương quan biến - tổng (Item-total correlation) giúp loại ra những biến quan sát khơng đóng góp vào việc mơ tả khái niệm cần đo, hệ số Cronbach Alpha if Item Deleted để giúp đánh giá loại bỏ biến quan sát nhằm nâng cao hệ số tin cậy Cronbach Alpha cho khái niệm cần đo và phương pháp phân tích nhân tố khám phá (EFA) nhằm kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu.
Phân tích Cronbach Alpha
Sử dụng phương pháp hệ số tin cậy Cronbach Alpha trước khi phân tích nhân tố (EFA) nhằm loại bỏ các biến khơng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007), hệ số Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được (Peterson, 1994).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
Hệ số tương quan biến – tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo. Do đó, hệ số này càng cao thì sự tương quan giữa biến với các biến khác trong nhóm càng cao.
Loại các biến quan sát có hệ số tương quan biến – tổng nhỏ hơn 0,3. Nunnally & Burnstein (1994) cho rằng các biến có hệ số tương quan biến – tổng nhỏ hơn 0,3 được
coi là biến rác và sẽ bị loại ra khỏi mơ hình. Theo Nunnally & Burnstein (1994); Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2007) thang đo có độ tin cậy tốt khi hệ số Cronbach Alpha biến thiên trong khoảng [0.7 – 0.8], nếu Cronbach Alpha ≥ 0.6 là thang đo có thể chấp nhận được về mặt độ tin cậy.
Tuy nhiên, điều này không thực sự như vậy, nếu hệ số Cronbach Alpha quá lớn (α > 0.95) cho thấy có nhiều biến quan sát (Items) 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 được gọi là hiện tượng trùng lắp trong đo lường).
Hệ số tin cậy Cronbach Alpha chỉ cho biết các đo lường có liên kết với nhau hay không, nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến – tổng để giúp loại ra những biến quan sát khơng đóng góp nhiều cho sự mơ tả các khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Xem xét giá trị KMO: 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp với dữ liệu, ngược lại KMO < 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Kiểm định Barlett: các biến quan sát có tương quan với nhau trong tổng thể. Phân tích nhân tố cịn dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ
những nhân tố có Eigenvalue > 1 thì mới được giữ lại trong mơ hình.
Tiêu chuẩn phương sai trích (Variance Explained Criteria): Tổng phương sai trích cho biết các nhân tố được trích giải thích % sự biến thiên của các biến quan sát, tổng này phải đạt từ 50% trở lên.
Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố ( factor loadings) phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
Để thang đo đạt được giá trị hội tụ, các biến phải có hệ số tải nhân tố ≥ 0.5 trong một nhân tố (Jun & ctg, 2002).
Để đạt được độ giá trị phân biệt, khác biệt giữa các hệ số tải nhân tố của mỗi biến trong các nhân tố ≥ 0.3 (Jabnoun & ctg, 2003).
Phân tích tương quan
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson (vì các biến được đo bằng thang đo khoảng) và phân tích hồi quy để kiểm định các giả thuyết. Phân tích tương quan Pearson được thực hiện giữa biến phụ thuộc và các biến độc lập nhằm khẳng định có mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập, khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Giá trị tuyệt đối của Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ. Đồng thời cũng cần phân tích tương quan giữa các biến độc lập với nhau nhằm phát hiện những mối tương quan chặt chẽ giữa các biến độc lập. Vì những tương quan như vậy có thể ảnh hưởng lớn đến kết quả của phân tích hồi quy như gây ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Trong mơ hình nghiên cứu, kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập. Mức ý nghĩa “sig” của hệ số tương quan, cụ thể như sau:
+ Sig < 0.05: các biến đều tương quan với nhau khá chặt chẽ và có ý nghĩa thống kê.
+ Sig < 0.01: các biến đều tương quan với nhau rất chặt chẽ và có ý nghĩa thống kê. Xem hệ số tương quan của 2 biến nào là lớn nhất: 2 biến này có mối liên hệ khá chặt chẽ (thường là biến trung gian và biến phụ thuộc).
+ R < 0: tương quan nghịch biến. + R > 0: tương quan đồng biến. + |R| →1: tương quan càng chặt chẽ. + |R| →0: tương quan càng yếu.
Phân tích hồi quy tuyến tính bội
Sau khi tiến hành phân tích Cronbach Alpha và phân tích EFA, tác giả tiến hành phân tích hồi quy tuyến tính bội bằng phương pháp đồng thời (phương pháp ENTER trong SPSS) để kiểm định các giả thuyết về mối quan hệ giữa biến phụ thuộc và các biến độc lập. Phương pháp đồng thời sử dụng vì mục tiêu nghiên cứu của tác giả là kiểm định lý thuyết khoa học (Nguyễn Đình Thọ, 2011).
Các biến không đảm bảo độ giá trị hội tụ tiếp tục bị loại khỏi mơ hình cho đến khi các tham số được nhóm theo các nhóm biến. Việc xác định mối quan hệ giữa các nhóm biến này cũng như quan hệ giữa các nhóm biến độc lập (các yếu tố thành phần) và nhóm biến phụ thuộc (xu hướng sử dụng) trong mơ hình nghiên cứu được thực hiện bằng phương pháp phân tích hồi quy tuyến tính bội.
Giá trị của biến mới trong mơ hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của biến đó, giá trị của các thành phần được phần mềm SPSS tính một cách tự động từ giá trị trung bình có trọng số của các biến quan sát đã được chuẩn hóa. Tuy nhiên, trước khi tiến hành phân tích hồi quy, một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan nhằm kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình.
Phân tích hồi quy nhằm khẳng định sự phù hợp của mơ hình nghiên cứu, kiểm định các giả thuyết để xác định mức độ ảnh hưởng của từng yếu tố tác động đến biến phụ thuộc.
Sau khi thang đo của các yếu tố được kiểm định, bước tiếp theo sẽ tiến hành chạy hồi quy tuyến tính và kiểm định với mức ý nghĩa 5% theo mơ hình:
Y = + 1 * 1 + 2 * 2 + 3* 3 +…+ * + 𝛆 Trong đó:
Y: Xu hướng sử dụng dịch vụ 3G
Xi: Biến độc lập thứ i được giả thuyết có ảnh hưởng đến biến phụ thuộc Y. X1: Hiệu quả mong đợi.
X2: Giá trị hình ảnh nhà cung cấp. X3: Các điều kiện thuận tiện. X4: Ảnh hưởng của xã hội.
X5: Nhận thức về chi phí chuyển đổi. : Hằng số
: Các hệ số hồi quy ( i > 0 )
𝛆: Sai số
Kết quả của mơ hình sẽ giúp ta xác định được mức độ ảnh hưởng của các nhân tố tác động đến Xu hướng sử dụng dịch vụ 3G tại TP.Bến Tre.
Kiểm định các giả thuyết
Quá trình kiểm định giả thuyết được thực hiện theo các bước sau:
- Đánh giá độ phù hợp của mơ hình hồi quy đa biến thơng qua hệ số 2 và 2 hiệu chỉnh.
- Kiểm định giả thuyết về độ phù hợp của mơ hình.
- Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy riêng phần ( i = 1 : 5 ). - Xác định mức độ ảnh hưởng của các nhân tố tác động đến xu hướng sử dụng
dịch vụ 3G. Yếu tố có hệ số β lớn hơn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mơ hình nghiên cứu.
2: tỷ lệ biến đổi của biến phụ thuộc được giải thích bằng tất cả các biến độc lập ( 2 ≥ 0.25: tương quan khá chặt chẽ).
2 hiệu chỉnh: các biến độc lập giải thích được khoảng bao nhiêu % phương
sai của biến phụ thuộc.
Giá trị Sig < 0.05: cho thấy các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% => các biến độc lập trong mơ hình có quan hệ với biến phụ thuộc.
Bên cạnh đó, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin – Watson (1 < Durbin-Watson < 3) và khơng có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF < 2). Hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự thỏa mãn khách hàng càng lớn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích ảnh hưởng của biến kiểm sốt
Việc đánh giá ảnh hưởng của biến kiểm soát đến xu hướng sử dụng dịch vụ được thực hiện bằng việc dùng biến giả (Dummy), thực hiện mã hóa lại các biến kiểm sốt và sau đó sẽ tiến hành chạy hồi quy đa biến bằng phần mềm SPSS 17.0. Mục đích của việc phân tích này là nhằm tìm xem có sự khác nhau đáng kể (có ý nghĩa thống kê) hay khơng của biến kiểm sốt với Xu hướng sử dụng dịch vụ 3G giữa những nhóm khách hàng khác nhau.
Các biến kiểm sốt được phân tích trong đề tài nghiên cứu này là: giới tính, độ tuổi, trình độ học vấn, nghề nghiệp, thu nhập hàng tháng, chi phí sử dụng hàng tháng của đối tượng phỏng vấn đối với Xu hướng sử dụng dịch vụ 3G.
Dùng phân tích ANOVA để so sánh Xu hướng sử dụng dịch vụ giữa những nhóm đối tượng có giới tính, độ tuổi, nghề nghiệp, thu nhập, chi phí sử dụng,.. khác nhau. Đây là phương pháp được sử dụng trong trường hợp chỉ sử dụng một biến yếu tố để phân loại các biến quan sát thành các nhóm khác nhau.
Nếu giá trị Sig trong kiểm định Levene > 0.05: khơng có sự khác biệt về phương sai và kết quả phân tích ANOVA có thể sử dụng tốt (Nguyễn Đình Thọ, 2011): Nếu giá trị Sig trong phép kiểm định F > 0.05: kết luận khơng có sự khác biệt
trung bình giữa các nhóm.
Nếu giá trị Sig trong kiểm định F ≤ 0.05: kết luận là các trung bình khác nhau (có ít nhất hai trung bình khác nhau). Tuy nhiên, để biết trung bình nào khác nhau tác giả sẽ sử dụng tiếp phép kiểm định hậu ANOVA là Bonferrroni:
Nếu giá trị Sig trong phép kiểm định Bonferrroni ≤ 0.05: kết luận sự khác biệt giữa hai nhóm là có ý nghĩa thống kê.
Nếu giá trị Sig trong phép kiểm định Bonferrroni > 0.05: kết luận sự khác biệt giữa hai nhóm là khơng có ý nghĩa thống kê.
Nếu giá trị Sig trong kiểm định Levene ≤ 0.05: có sự khác biệt về phương sai và khơng thể sử dụng kết quả phân tích ANOVA mà sẽ sử dụng phép kiểm định Kruskal- Wallis:
Nếu giá trị Sig > 0.05: kết luận khơng có sự khác biệt trung bình giữa các nhóm. Nếu giá trị Sig ≤ 0.05: kết luận có sự khác biệt trung bình giữa các nhóm.
TĨM TẮT CHƯƠNG 3
Chương này trình bày chi tiết phương pháp thực hiện nghiên cứu. Quá trình nghiên cứu được thực hiện qua hai bước chính là nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ sử dụng phương pháp định tính thơng qua kỹ thuật thảo luận tay đơi giữa người nghiên cứu và đối tượng tham gia nghiên cứu. Kết quả nghiên cứu định tính giúp chỉnh sửa mơ hình trở thành có 21 biến quan sát đo lường 6 khái niệm trong mơ hình. Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng thông qua phỏng vấn bằng bảng câu hỏi. Chương 3 cũng trình bày các phần liên quan đến quá trình nghiên cứu định lượng như: xây dựng bảng câu hỏi phỏng vấn, thiết kế mẫu, thu thập dữ liệu, giới thiệu kỹ thuật và yêu cầu cho việc phân tích dữ liệu.