3.3.2.1 Mục tiêu nghiên cứu
Mục tiêu của nghiên cứu định lượng chính thức là kiểm định lại thang đo, kiểm định lại các giả thuyết đề ra trong mơ hình và các mối quan hệ trong mơ hình đã đề xuất. Bước cuối cùng đó là dựa vào kết quả phân tích của mơ hình để tác giả đề xuất các hàm ý nghiên cứu. Nghiên cứu thực hiện định lượng chủ yếu ở các đơn vị kinh doanh xăng dầu thuộc tập đoàn xăng dầu Việt Nam.
3.3.2.2 Thiết kế mẫu nghiên cứu
+ Xác định đối tượng thu thập dữ liệu và đối tượng khảo sát
Đối tượng thu thập dữ liệu là bao gồm tất cả các công ty kinh doanh xăng dầu trực thuộc tập đoàn xăng dầu Việt Nam với số lượng khoảng 56 công ty thành viên. Trong điều kiện bị giới hạn về nguồn lực, nghiên cứu giới hạn là các doanh nghiệp thành viên trong nước của tập đoàn xăng dầu Việt Nam. Đối tượng khảo sát và những người giữ chức vụ chủ tịch HĐTV, giám đốc, các phó giám đốc, kế tốn trưởng tại các cơng ty kinh doanh xăng dầu trực thuộc tập đoàn xăng dầu Việt Nam. Sở dĩ đối tượng khảo sát được lựa chọn như trên vì đây là những đối tượng nắm rất rõ những thông tin cần thiết có thể cung cấp để cơng bố BCPTBV.
+ Kích cỡ mẫu
Do hướng lựa chọn của luận án là phân tích theo mơ hình SEM địi hỏi một mẫu lớn để tăng độ tin cậy cho kết quả (Raykov và Widaman, 1995). Hair và cộng sự (2010) đề nghị kích thước mẫu gấp 5 lần số biến quan sát của đề tài. Theo quan điểm của tác giả Tabachnick và Fidell (1989), đối với phân tích SEM kích thước mẫu 300 là tốt. Căn cứ vào các tiêu chuẩn trên, với số lượng câu hỏi trong bảng hỏi là 29, tác giả tính ra số mẫu khảo sát cần là xấp xỉ 300.
+ Phương pháp chọn mẫu
Theo Nguyễn Đình Thọ (2013) có hai phương pháp chọn mẫu trong nghiên cứu định lượng là chọn mẫu xác suất và chọn mẫu phi xác suất. Nếu một mẫu được chọn theo phương pháp xác suất (cịn gọi là ngẫu nhiên) thì mẫu đó có thể đại diện cho đám đơng, để kết quả nghiên cứu có tính tổng qt hóa cao hơn (Sudman, 1976). Chọn mẫu theo phương pháp phi xác suất cũng được sử dụng phổ biến trong nghiên cứu định lượng, và kết quả nghiên cứu dĩ nhiên vẫn có giá trị, tuy khơng cao bằng nếu mẫu được chọn ngẫu nhiên. Việc áp dụng định mức, hoặc phân tầng khi chọn mẫu sẽ khắc phục được phần nào hạn chế của phương pháp phi xác suất (Nguyễn Đình Thọ, 2013). Như đã trình bày ở trên, do hạn chế của mẫu nghiên cứu là chỉ có 56 cơng ty thành viên thuộc tập đồn xăng dầu Việt Nam nên tác giả dùng kỹ thuật phân tầng theo tiêu chí quy mơ của cơng ty thành viên thuộc tập đồn Xăng dầu Việt
Nam theo các tiêu chí tài sản, doanh thu và quy mơ thị trường. Tác giả chia các cơng ty này thành hai nhóm. Nhóm thứ nhất, những cơng ty có quy mơ về tài sản, doanh thu và địa bàn hoạt động rộng thì tác giả mở rộng quy mô lấy mẫu bằng cách chọn tất cả các thành viên trong Hội đồng thành viên; Ban giám đốc; Kế toán trưởng của các cơng ty này (có khoảng từ 3-4 thành viên). Ngược lại, nhóm thứ hai là những cơng ty có quy mơ nhỏ hơn, tác giả chỉ lựa chọn mẫu là Chủ tịch Hội đồng thành viên, Giám đốc và Kế tốn trưởng của các cơng ty này (1-2 thành viên). Điều này phần nào đó sẽ khắc phục được hạn chế của phương pháp lấy mẫu của tác giả.
3.3.2.3 Quá trình khảo sát
+ Tiến hành khảo sát
Bảng hỏi khảo sát được xây dựng trên những tổng hợp từ những lý thuyết nền, tổng quan tài liệu và kết quả từ phỏng vấn chuyên gia, nghiên cứu định lượng sơ bộ như đã trình bày ở trên. Với hạn chế về thời gian và nguồn lực, số lượng doanh nghiệp thuộc tập đoàn xăng dầu, nghiên cứu này sử dụng phương pháp chọn mẫu phi xác suất có áp dụng định mức theo các thuộc tính của đặc điểm doanh nghiệp như: quy mơ tài sản, quy mơ số lượng nhân viên, vị trí địa lý, quy mơ thị trường. Có thể nhận thấy các công ty kinh doanh xăng dầu khu vực sẽ chiếm tỷ trọng doanh thu, tài sản cũng như nhân viên lớn hơn các công ty kinh doanh xăng dầu trên địa bàn một tỉnh, hoặc giữa các công ty xăng dầu tỉnh thì các chỉ tiêu này cũng khác nhau. Các bảng hỏi được phát và thu thập bằng ba hình thức: thứ nhất là bằng tư cách cá nhân và được sự giới thiệu của chủ tịch HĐTV và giám đốc công ty xăng dầu Quảng Bình, thứ hai bằng câu hỏi điện tử thông qua email, thứ ba là bằng bưu điện do khoảng cách địa lý và giới hạn về không gian, thời gian. Cụ thể, thông qua sự giới thiệu của chủ tịch HĐTV và giám đốc cơng ty xăng dầu Quảng Bình, tác giả có cơ hội tiếp cận với các chủ tịch và giám đốc công ty xăng dầu khu vực các tỉnh miền Trung và Tây Nguyên thông qua hội nghị sơ kết kết quả kinh doanh xăng dầu khu vực miền Trung và Tây Nguyên được tổ chức tại Tp. Đà Nẵng. Tác giả đã có cơ hội gửi bản câu hỏi trực tiếp cho các đối tượng được phỏng vấn. Bên cạnh đó, tác giả cũng dựa trên sự giới thiệu và mối quan hệ cá nhân để có thể gặp trực tiếp một số lãnh đạo trong ban giám đốc và kế tốn trưởng các cơng ty xăng dầu trên địa bàn miền Tây thuộc các tỉnh thành phía Nam. Ngồi ra, một số cơng ty có địa bàn xa, khơng tiếp cận trực tiếp các đối tượng để xin khảo sát thì tác giả có gửi email để xin trả lời qua email. Cuối cùng, với các đối tượng khảo sát là các cá nhân đang làm việc tại các công ty khơng phản hồi qua email thì tác giả cá gửi bảng câu hỏi thông qua dịch vụ chuyển phát nhanh đường bưu điện để nhận lại kết quả khảo sát.
+ Xử lý dữ liệu
Sau khi kiểm tra dữ liệu thu thập, tác giả tiến hành mã hố các biến. Đối với thơng tin thu thập bằng dữ liệu định tính, tác giả thực hiện việc phân loại thành những mục không bị trùng lặp và khơng bị bỏ sót ngay từ đầu khi lập bảng hỏi, nên mã hóa các trả lời thành dạng số để nhập liệu và xử lý rất
thuận tiện. Việc thiếu dữ liệu trong nhiều các nghiên cứu thực nghiệm hoặc là kết quả của các sai sót từ việc thu thập dữ liệu mà trong đó một số người trả lời đã bỏ qua một số câu hỏi không phù hợp hoặc không thể cung cấp câu trả lời, hoặc sai sót do nhập dữ liệu. Nếu thiếu dữ liệu là do sai sót của q trình nhập liệu, thì chỉ cần nhập lại số liệu đó, việc này hồn tồn có thể dễ dàng thực hiện. Các trường hợp thiếu dữ liệu do đáp viên bỏ sót chiếm tỷ lệ nhỏ trong tổng số phiếu trả lời được thu về, do đó tác giả đã loại bỏ các phiếu trả lời này. Kết quả thu được sau bước xử lý dữ liệu là 265 quan sát và đủ số lượng mẫu cho việc thực hiện các kỹ thuật phân tích tiếp theo.
3.2.3.4 Phân tích dữ liệu nghiên cứu
+ Mô tả mẫu nghiên cứu:
Sử dụng công cụ thống kê để mô tả đặc điểm của người trả lời như: giới tính, độ tuổi, thâm niên.
+ Phân tích thống kê mơ tả
Tác giả tiến hành phân tích giá trị nhỏ nhất (min), giá trị lớn nhất (max), trung bình, phương sai và ―độ lệch chuẩn của các biến quan sát để có cái nhìn tổng qt về các thang đo được sử dụng trong mơ hình.
+ Kiểm tra độ tin cậy và phân tích khám phá nhân tố
Sau khi thu thập dữ liệu từ các bảng khảo sát từ các đối tượng liên quan. Tác giả sẽ tiến hành đánh giá độ tin cậy và phân tích khám phá nhân tố của thang đo giống như các chỉ số ở nghiên cứu sơ bộ.
+ Phân tích nhân tố khẳng định CFA
Để đánh giá thang đo chính thức vẫn sử dụng hệ số Cronbach Alpha và phân tích nhân tố khám phá. Bên cạnh đó, luận án cịn sử dụng phân tích nhân tố khẳng định (Confirmatory Factor Analysis – CFA) để đánh giá mức độ phù hợp tổng hợp của các thang đo một lần nữa để chứng minh dữ liệu thu thập là phù hợp. Để phân tích CFA, luận án sử dụng chương trình AMOS. Đánh giá phân tích CFA đạt u cầu, Hair (2010) cho rằng chú ý các giá trị như sau:
Bảng 3.17 Các thước đo kiểm định mức độ phù hợp
STT Thước đo Nguồn Kết luận
1 Mức ý nghĩa Chi bình phương (Cmin) P-value > 0,05 Hair J. và cộng sự (2006). Mơ hình đo lường (Measur ement 2
Chi bình phương điều chỉnh theo bậc tự do (Cmin/df),
χ2/ d.f. ≤ 5
Schumacker và Lomax (2004); Bentler, P. M., & Bonett, D. G. (1980).
Model) phù hợp với dữ liệu thực tế. 3 Chỉ số thích hợp so sánh CFI
(Comparative Fit Index) CFI > 0,90; 0 < CFI < 1, càng tiến về 1 càng phù hợp
Bentler & Bonett (1980); Hu, L.T., & Bentler, P. M. (1995); Hooper và cộng sự (2008). 4 Chỉ số TLI (Tucker-Lewis Index)
TLI > 0,90
Garver, N. S., & Mentzer, J. T. (1999); Hair J. và cộng sự (2005).
5 Chỉ số RMSEA (Root Mean Square Error Approximation). RMSEA < 0,05: Mơ hình phù hợp tốt; RMSEA <0.08, chấp nhận; Càng nhỏ: Chỉ số tốt.
Schumacker and Lomax (2004); Hair và cộng sự (2006).
(Nguồn, tác giả tổng hợp)
+ Kiểm định mơ hình cấu trúc tuyến tính
Mơ hình cấu trúc tuyến tính hay cịn gọi là SEM (Structural Equation Modeling) là một kỹ thuật phân tích thống kê được phát triển để phân tích mối quan hệ đa chiều giữa nhiều nhân tố trong một mơ hình (Haenlein và Kaplan, 2004). Mối quan hệ đa chiều giữa các nhân tố được biểu thị trong một loạt các phương trình hồi quy đơn hoặc bội. Kỹ thuật phân tích mơ hình cấu trúc SEM sử dụng kết hợp dữ liệu định lượng và các giả định tương quan (ngun nhân-kết quả) vào mơ hình nghiên cứu. Với mơ hình này, các nhà nghiên cứu có thể kiểm tra các mối quan hệ của những nhân tố trong mơ hình một cách trực quan nhất. Chính vì thế, kỹ thuật này dùng để giải quyết triệt để những vấn đề sau: (1) phân tích nhiều mơ hình hồi quy bội một lần; (2) phân tích hồi quy với trường hợp đa cộng tuyến; (3) phân tích đường dẫn với nhiều nhân tố phụ thuộc; (4) xây dựng mối quan hệ đa chiều giữa nhiều nhân tố trong một mơ hình.
Hiện nay, các nhà nghiên cứu thường có hai cách tiếp cận khác nhau đối với mơ hình SEM. Thứ nhất, cách sử dụng dựa trên hiệp phương sai (CB-SEM), sử dụng các phần mềm như EQS, AMOS,…Thứ hai, cách tiếp cận bình phương nhỏ nhất (PLS-SEM), tập trung vào việc phân tích phương sai và có thể thực hiện bằng PLS-Graph, SmartPLS,…Trong khn khổ nội dung luận án của mình, tác giả sử dụng theo hướng tiếp cận đầu tiên đó là CBSEM. Điều này nhằm mục đích giải quyết vấn đề xác nhận (hoặc từ chối) các giả thuyết (một tập hợp các mối quan hệ đa chiều hướng giữa các nhân tố có thể được kiểm định bởi mơ hình). Phương pháp CBSEM thực hiện điều này bằng cách xác định một mơ hình thơng qua ý nghĩa các chỉ số tương tự như bảng 3.17.
+ Kiểm tra ước lượng mơ hình bằng phương pháp Boostrap
Để kiểm định sự phù hợp của mơ hình nghiên cứu cuối cùng, cần thiết phải sử dụng bộ dữ liệu độc lập với nhu hoặc cỡ mẫu ban đầu phải đảm bộ độ lớn nhất định. Trong phương pháp nghiên cứu
định lượng, chúng ta thường phải phải chia mẫu thành 02 mẫu con thông qua phương pháp lấy mẫu. Mẫu con thứ nhất dùng để ước lượng các tham số mơ hình và đánh giá lại mơ hình bằng cách sử dụng mẫu con thứ hai: Cỡ mẫu con thứ nhất dùng để khám phá; Việc đánh giá chéo thì dùng cỡ mẫu con thứ hai (Cross-Validation).
Chỉ số đánh giá chéo CVI (Cross-Validation Index) nhằm mục đích đo sự chênh lệch giữa ma trận Covariance phù hợp trong mẫu con thứ nhất với ma trận Covariance của mẫu. Nếu kết quả chỉ số CVI nhỏ nhất thì cỏ thể đưa ra nhận định cho phép kỳ vọng trạng thái mẫu lặp lại càng ổn định. Phương pháp còn lại là lặp lại nghiên cứu bằng một mẫu khác. Hai phương pháp đã nêu ở trên thường khó thực hiện vì phương pháp phân tích mơ hình cấu trúc thường địi hỏi kích cỡ mẫu lớn nên dẫn đến tốn kém nhiều thời gian và chi phí (Anderson & Gerbing 1998). Trong trường hợp này thì Boostrap là phương pháp phù hợp để thay thế (Schumacker & Lomax 1996). Boostrap là phương pháp lấy mẫu lại có thay thế với đặc điểm mẫu ban đầu đóng vai trị đám đơng.
Phương pháp Boostrap được thực hiện với phương thực lặp lại số mẫu là N lần. Kết quả ước lượng được tính trung bình từ N mẫu và giá trị này có xu hướng tiệm cần gần bằng với ước lượng của tổng thể. Khoảng chênh lệch giữa ước lượng mơ hình với mẫu ban đầu và giá trị trung bình ước lượng bằng Boostrap càng bé thì cho phép kết luận các ước lượng mơ hình có thể tin cậy được.