CH NG 2 : CS KHOA HC CA NGHIÊN CU
3.3.4 Ph ng pháp phân tích d li u:
Q trình phân tích d li u nghiên c u c th c hi n qua các giai n:
ánh giá s b thang o
Vi c ánh giá s b tin c y và giá tr c a thang o c th c hi n b ng ph ng pháp h s tin c y Cronbach alpha và phân tích nhân t khám phá EFA (Exploratory Factor Analysis) thông qua ph n m m x lý SPSS 16. sàng l c, lo i
các bi n quan sát không áp ng tiêu chu n (bi n rác). Trong ó:
Cronbach alpha là phép ki m nh th ng kê v m c ch t ch (kh n ng gi i thích cho m t khái ni m nghiên c u) c a t p h p các bi n quan sát (các câu i) thông qua h s Cronbach alpha. Theo Hoàng Tr ng và Chu Nguy n M ng Ng c (2005, tr.257, 258) cùng nhi u nhà nghiên c u ng ý r ng khi h s Cronbach alpha có giá tr t 0,7 tr lên là s d ng c. Trong khi ó, nhi u nhà nghiên c u (ví d : Nunally, 1978; Peterson, 1994; Slater, 1995) ngh h s Cronbach alpha t 0,6 tr lên là có th ch p nh n c trong tr ng h p khái ni m
ang nghiên c u là m i ho c m i i v i ng i tr l i trong b i c nh nghiên c u. Tuy nhiên theo Nunnally et al (1994), h s Cronbach alpha không cho bi t bi n nào nên lo i b và bi n nào nên gi l i. B i v y, bên c nh h s Cronbach alpha, ng i ta còn s d ng h s t ng quan bi n t ng (item – total correlation) và nh ng bi n nào có t ng quan bi n t ng < 0,3, s b lo i b .
Phân tích nhân t khám phá (EFA) là tên chung c a m t nhóm th t c c s ng ph bi n ánh giá thang o hay rút g n m t t p bi n. Trong nghiên c u này, phân tích nhân t c ng d ng tóm t t t p các bi n quan sát vào m t s nhân t nh t nh o l ng các khía c nh khác nhau c a các khái ni m nghiên c u. Tiêu chu n áp d ng và ch n bi n i v i phân tích nhân t khám phá EFAbao g m:
- Tiêu chu n Barlett và h s KMO dùng ánh giá s thích h p c a EFA. Theo ó, gi thuy t H0 (các bi n khơng có t ng quan v i nhau trong t ng th ) b bác b và do ó EFA c g i là thích h p khi: 0,5 KMO 1 và Sig < 0.5. Tr ng h p KMO < 0,5 thì phân tích nhân t có kh n ng khơng thích h p v i d li u (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2005, tr.262).
- Tiêu chu n rút trích nhân t g m ch s Eigenvalue ( i di n cho l ng bi n thiên c gi i thích b i các nhân t ) và ch s Cumulative (t ng ph ng sai trích cho bi t phân tích nhân t gi i thích c bao nhiêu % và bao nhiêu % b th t thoát). Theo Gerbing và Anderson (1988), các nhân t có Eigenvalue < 1 s khơng có tác d ng tóm t t thơng tin t t h n bi n g c (bi n ti m n trong các thang o tr c khi EFA). Vì th , các nhân t ch c rút trích t i Eigenvalue 1 và c ch p nh n khi t ng ph ng sai trích 50%. Tuy nhiên, tri s Eigenvalue và ph ng sai trích là bao nhiêu cịn ph thu c vào ph ng pháp trích và phép xoay nhân t . Theo Nguy n Khánh Duy (2009, tr.14), n u sau phân tích EFA là phân tích h i qui thì có th s d ng ph ng pháp trích Pricipal components v i phép xoay Varimax.
- Tiêu chu n h s t i nhân t (Factor loadings) bi u th t ng quan n gi a các bi n v i nhân t , dùng ánh giá m c ý ngh a c a EFA. Theo Hair & ctg, Factor loading > 0,3 c xem là t m c t i thi u; Factor loading > 0,4 c xem là quan tr ng, Factor loading > 0,5 c xem là có ý ngh a th c ti n. Tr ng h p ch n tiêu chu n Factor loading > 0,3 thì c m u ít nh t ph i là 350; n u c m u kho ng 100 thì nên ch n tiêu chu n Factor loading > 0,55; n u c m u kho ng 50 thì Factor loading > 0,75 (Nguy n Khánh Duy, 2009, tr.14).
Trong nghiên c u này, m u nghiên c u có kích th c t ng i l n (n = 269); n n a, sau EFA là phân tích h i qui a bi n. Vì th , trong quá trình Cronbach alpha, tác gi quy t inh gi l i các thang o có tr s Cronbach alpha 0.6 và lo i các bi n quan sát có t ng quan bi n t ng < 0,3; trong quá trình EFA, tác gi s
ng ph ng pháp trích Pricipal axis factoring v i phép xoay Promax; lo i b các bi n quan sát có tr s Factor loading 0.4.
Q trình phân tích h i qui tuy n tính c th c hi n qua các b c:
c 1: Ki m tra t ng quan gi a các bi n c l p v i nhau và v i bi n ph
thu c thông qua ma tr n h s t ng quan. Theo ó, u ki n phân tích h i qui là ph i có t ng quan ch t ch gi a các bi n c l p v i nhau và v i bi n ph thu c. Tuy nhiên, theo John và Benet – Martinez (2000), khi h s t ng quan < 0,85 thì có kh n ng m b o giá tr phân bi t gi a các bi n. Ngh a là, n u h s
ng quan > 0,85 thì c n xem xét vai trị c a các bi n c l p, vì có th x y ra hi n ng a c ng tuy n (m t bi n c l p này có c gi i thích b ng các bi n khác).
c 2: Xây d ng mơ hình h i qui
c th c hi n thơng qua các th t c: - a ch n các bi n a vào mơ hình h i qui
Vi c l a ch n các bi n a vào mơ hình h i qui có th th c hi n theo m t trong ba ph ng pháp: + Ph ng pháp a vào d n t ng bi n c l p; + Ph ng pháp lo i d n t ng bi n c l p; + Ph ng pháp ch n t ng b c (k t h p gi a a vào d n và lo i tr d n). + Ph ng pháp Enter (SPSS x lý t t c các bi n a vào cùng m t l t). - Ki m nh phù h p c a mơ hình l a ch n mơ hình t i u b ng cách s ng ph ng pháp phân tích ANOVA ki m nh gi thi t H0: khơng có m i liên tuy n tính gi a các bi n ph thu c v i t p h p các bi n c l p ( 1= 2= 3= n= 0).
u tr s th ng kê F có Sig r t nh (<0,05), thì gi thuy t H0 bác b , khi ó chúng ta k t lu n t p h p c a các bi n c l p trong mơ hình có th gi i thích cho bi n thiên c a bi n ph thu c. Ngh a là mơ hình c xây d ng phù h p v i t p
li u, vì th có th s d ng c.
- ánh giá phù h p c a mơ hình b ng h s xác nh R2 (R Square). Tuy nhiên, R2có c m càng t ng khi a thêm các bi n c l p vào mơ hình, m c dù khơng ph i mơ hình càng có nhi u bi n c l p thì càng phù h p v i t p d li u. Vì th , R2 u ch nh (Adjusted R Square) có c m khơng ph thu c vào s l ng
bi n a thêm vào mơ hình, c s d ng thay th R2 ánh giá m c phù h p a mơ hình h i qui b i.
- Xác nh các h s c a ph ng trình h i qui, ó là các h s h i qui riêng ph n k: o l ng s thay i trung bình c a bi n ph thu c khi bi n c l p Xk thay i m t n v , trong khi các bi n c l p khác c gi nguyên. Tuy nhiên, l n c a k ph thu c vào n vi o l ng c a các bi n c l p, vì th vi c so sánh tr c ti p chúng v i nhau là khơng có ý ngh a. Do ó, có th so sánh các h
h i qui v i nhau, t ó xác nh t m quan tr ng (m c gi i thích) c a các bi n c l p cho bi n ph thu c, ng i ta bi u di n s o c a t t c các bi n c l p ng n v o l ng l ch chu n beta.
c 3: Ki m tra vi ph m các gi nh c n thi t trong h i qui
Mơ hình h i qui c xem là phù h p v i t ng th nghiên c u khi khơng vi pham các gi nh. Vì th , sau khi xây d ng c ph ng trình h i qui, c n ph i ki m tra các vi ph m gi nh c n thi t sau ây:
- Ph n d c a các bi n ph thu c có phân ph i chu n và ph ng sai c a sai s không i;
- Khơng có t ng quan gi a các ph n d ;
- Khơng có t ng quan gi a các bi n c l p (khơng có hi n t ng a c ng tuy n).
Trong ó:
- Cơng c ki m tra gi nh ph n d có phân ph i chu n là th t n s Histogram, ho c th t n s P-P slot.
- Công c ki m tra gi nh sai s c a bi n ph thu c có ph ng sai không i là th phân tán c a ph n d và giá tr d oán ho c ki m nh Spearman.
- Công c c s d ng ki m tra gi nh khơng có t ng quan gi a các ph n d là i l ng th ng kê d (Durbin – Watson).
- Công c c s d ng phát hi n t n t i hi n t ng a c ng tuy n là ch p nh n c a bi n (Tolerance) ho c h s phóng i ph ng sai (Variance inflation factor – VIF). Theo Hoàng Tr ng và Chu Nguy n M ng Ng c (2005,
tr.217, 218), qui t c chung là VIF > 10 là d u hi u c a a c ng tuy n; trong khi ó, theo Nguy n ình Th và Nguy n Th Mai Trang (2011, tr. 497), khi VIF > 2 c n ph i c n tr ng hi n t ng a c ng tuy n.
Ki m nh s khác bi t v s ánh giá c a khách hàng i v i các yêu t tác
ng n quy t nh tiêu dùng s a b t nh p kh u c a ng i dân TP.HCM theo
các c m cá nhân c a khách hàng
Công c s d ng là phép ki m nh Independent – Sample T-Test ho c phân tích ph ng sai (ANOVA). Trong ó:
- Independent – Sample T-Test c s d ng trong tr ng h p c m cá nhân c a khách hàng có hai thu c tính (ch ng h n, gi i tính bao g m: gi i tính nam và gi i tính n ),vì th chia t ng th m u nghiên c u làm hai nhóm t ng th riêng bi t;
- Phân tích ph ng sai (ANOVA) c s d ng trong tr ng h p c m cá nhân c a khách hàng có ba thu c tính tr lên, vì th chia t ng th m u nghiên c u làm ba nhóm t ng th riêng bi t tr lên (ch ng h n, trình hoc v n bao g m: ch a c qua cao ng; cao ng và i h c; trên i h c). Ph ng pháp th c hi n là ki m nh có hay khơng s khác bi t gi a các nhóm t ng th c xác nh theo các c m cá nhân c a khách hàng [Hoàng Tr ng và Chu Nguy n M ng Ng c, 2005, tr. 113-118, 122-123].