CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.5 Nghiên cứu định lượng:
3.5.1 Phương thức lấy mẫu
Trong nghiên cứu này, phương pháp lấy mẫu được chọn là lấy mẫu thuận tiện, dữ liệu được thu thập thơng qua các hình thức phỏng vấn trực tiếp và trả lời qua email.
3.5.2 Cỡ mẫu
Đối với phân tích nhân tố (EFA), cỡ mẫu tối thiểu là N ≥ 5*x (x: tổng số biến quan sát) (Hair & ctg, 1998 – trích từ Michele, 2005). Trong nghiên cứu này, tổng số
biến quan sát là 27, như vậy số mẫu tối thiểu cần đạt được là 135. Tác giả đã gửi đi 250 bảng câu hỏi và nhận được 220 hồi đáp, trong đó có 204 bảng thỏa mãn yêu cầu và được sử dụng để phân tích. Tỷ lệ hồi đáp chủ yếu là từ các bảng phỏng vấn trực tiếp, tỷ lệ hồi đáp qua email tương đối thấp chỉ với 20 bảng câu hỏi.
3.5.3 Xử lý và phân tích dữ liệu
Dữ liệu sau khi được thu thập sẽ được mã hóa và thực hiện q trình phân tích như sau:
3.5.3.1 Phân tích mơ tả
Trong bước đầu tiên, tác giả sử dụng phân tích mơ tả để phân tích các thuộc tính của mẫu nghiên cứu: đã biết hay chưa biết về dịch vụ 3G, qua kênh thông tin nào, các thông tin cá nhân của người trả lời như độ tuổi, giới tính, thu nhập, nghề nghiệp …
3.5.3.2 Kiểm định và đánh giá thang đo
Để đánh giá thang đo các khái niệm trong nghiên cứu cần kiểm tra độ tin cậy, độ giá trị của thang đo. Dựa trên các hệ số độ tin cậy Cronbach’s Alpha, hệ số tương quan biến - tổng (Item-to-total correlation) giúp loại ra những biến quan sát khơng đóng góp vào việc mơ tả khái niệm cần đo, hệ số Cronbach’s alpha if Item Deleted để giúp đánh giá loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s 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.
ü Phân tích Cronbach’s Alpha
Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA nhằm loại ra các biến khơng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ (nhỏ hơn 0,3). Theo Nunnall & Burnstein (1994) cho rằng các biến có hệ số tương quan biến - tổng nhỏ hơn 0,3 được coi là biến rác và sẽ loại ra khỏi mơ hình; tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
ü Phân tích nhân tố khám phá (EFA)
biệt (discriminant validity), và đồng thời thu gọn các tham số ước lượng theo từng nhóm biến.
Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải lớn hơn hoặc bằng 0,4 trong một nhân tố (Jun & Ctg 2002). Để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn hoặc bằng 0,3 (Jabnoun & Ctg 2003).
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue - đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mơ hình (Garson 2003).
Tiêu chuẩn phương sai trích (Variance explained criteria): tổng phương sai trích phải lớn hơn 50%.
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 (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Sử dụng phương pháp trích yếu tố Pricipal axis factoring với phép xoay Promax (kappa = 4) và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn 1 đối với các biến quan sát đo lường 7 khái niệm thành phần tác động lên xu hướng sử dụng. Theo phương pháp này phát hiện ra các thứ nguyên (thành phần) tiềm ẩn trong dữ liệu gốc (phát hiện cấu trúc). Việc chọn phép xoay Promax sẽ phản ảnh chính xác cấu trúc dữ liệu tiềm ẩn hơn.
Sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn 1 với các biến quan sát đo lường khái niệm xu hướng sử dụng.
3.5.3.3 Phân tích hồi quy đa biến
Sau khi hồn tất việc phân tích đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA), 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 xác định mối quan hệ giữa các nhóm biến độc lập (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 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.
ü Phân tích tương quan
Kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này mối tương quan tuyến tính càng chặt chẽ (Hoàng Trọng & 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.
ü Phân tích hồi quy đa biến
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan đến các biến được đưa vào trong mơ hình.
ü Kiểm định các giả thuyết, sử dụng với phần mềm SPSS
Đánh giá độ phù hợp của mơ hình hồi quy đa biến: R2
, R2 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 bi (i = 1..5).
Xác định mức độ ảnh hưởng của các yếu tố tác động đến xu hướng sử dụng dịch vụ 3G: yếu tố có hệ số b 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.
ü Phân tích ảnh hưởng của biến kiểm soát:
Việc đánh giá ảnh hưởng của các biến kiểm soát đến Xu hướng sử dụng dịch vụ được thực hiện bằng việc dùng biến Dummy (biến giả), thực hiện việc mã hóa lại các biến kiểm sốt và sau đó sẽ tiến hành chạy hồi quy đa biến bằng phần mềm SPSS.
Mục đích của phân tích này là nhằm tìm xem có sự khác nhau đáng kể (có ý nghĩa thống kê) hay khơng của biến kiểm sốt đối với Xu hướng sử dụng dịch vụ.
Các biến kiểm sốt được phân tích trong đề tài nghiên cứu này là Giới tính, Nhóm tuổi, Thu nhập bình qn.
TĨM TẮT
Chương 3 trình bày phương pháp thực hiện nghiên cứu nhằm đạt được các mục tiêu đề ra. Quá trình này gồm hai bước: Bước 1, nghiên cứu định tính với kỹ thuật phỏng vấn sâu nhằm bổ sung và hiệu chỉnh các thang đo các biến trong mơ hình. Bước 2, nghiên cứu định lượng thực hiện bằng cách phỏng vấn bằng bảng câu hỏi qua email và trực tiếp. Sau đó dữ liệu sẽ được xử lý và phân tích bằng phần mềm SPSS 17.0 để kiểm định các thang đo và sự phù hợp của mơ hình lý thuyết.
Trong chương tiếp theo, tác giả sẽ trình bày kết quả phân tích dữ liệu, kết quả nghiên cứu bao gồm kết quả đánh giá thang đo, phân tích nhân tố khám phá, hồi quy đa biến và kiểm định giả thuyết.