Chương 2 : TỔNG QUAN TÀI LIỆU
2.5 Tổng quan phương pháp nghiên cứu
2.5.1 Phương pháp kiểm định thang đo bằng hệ số Cronbach’s Alpha và phân tích nhân tố khám phá (EFA) phân tích nhân tố khám phá (EFA)
2.5.1.1 Kiểm định thang đo bằng hệ số Cronbach’s Alpha
Cronbach’s Alpha được phát triển bởi Lee Cronbach vào năm 1951 để đánh giá chất lượng của thang đo xây dựng hay nói cách khác là để đánh giá độ tin cậy thang đo. Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005) cho biết hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay khơng; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo, qua đó có thể loại bỏ những biến không phù hợp và hạn chế các biến rác gây ảnh hưởng đến q trình tính tốn và phân tích. Để tính Cronbach’s Alpha cho một thang đo thì thang đo phải có tối thiểu ba biến đo lường. Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0-1].
Số liệu đảm bảo độ tin cậy khi hệ số Cronbach’s Alpha nằm trong khoảng [0,6-0,95] (Hair et al., 1998), biến đo lường có hệ số tương quan biến tổng > 0,3 (Hair et al., 1998). Có nhiều báo cáo khác nhau về các giá trị alpha chấp nhận được, dao động từ 0,70 đến 0,95 (Bland, Altman, 1997; Nunnally và Bernstein, 1994 trong Phan Thị Thanh Huyền, Lò Thị Hồng và Hồ Thị Lam Trà, 2017). Giá trị alpha thấp có thể là do số lượng câu hỏi thấp, mối liên hệ kém giữa các vật phẩm hoặc cấu trúc không đồng nhất. Về lý thuyết, Cronbach’s Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này không thực sự như vậy. Hệ số Cronbach’s Alpha quá lớn (α > 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 được gọi là hiện tượng trùng lawpstrong đo lường (redundancy) (Nguyễn Đình Thọ, 2011). Giá trị alpha tối đa 0,90 đã được đề xuất (Streiner, 2003).
Tóm lại một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,7- 0,8]. Nếu Cronbach’s Alpha ≥ 0,6 là thang đơ có thể chấp nhận được về mặt độ tin cậy (Nunnally và Bernstein, 1994 trong Nguyễn Đình Thọ, 2011).
Ngồi Cronbach's alpha, hệ số tương quan biến – tổng hiệu chỉnh (Corrected Item - Total Correlation) cũng được sử dụng để kiểm tra độ tin cậy của dữ liệu. Dữ liệu sẽ được chấp nhận khi hệ số tương quan biến – tổng hiệu chỉnh ≥ 0,3 (Nunnally and Bernstein, 1994; Hair et al., 1998). Giá trị tương quan nhỏ hơn 0,3 chỉ ra rằng biến tương ứng không tương quan rất tốt với quy mơ tổng thể và do đó nó có thể bị loại bỏ (Field, 2005).
35
2.5.1.2 Phân tích nhân tố khám phá (EFA)
Sau khi đánh giá độ tin cậy thang đo bằng hệ số Cronbach’s Alpha, vấn đề tiếp theo là thang đo phải được đánh giá giá trị của nó, hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt, phương pháp phân tích nhân tố khám phá (EFA) giúp đánh giá hai loại giá trị này. Đây là phương pháp thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn từ một tập hợp n biến quan sát được rút gọn thành một hợp k nhân tố dựa trên cơ sở mối quan hệ tuyến tính giữa các biến quan sát với một nhân tố. Mơ hình EFA giúp chúng ta sắp xếp các biến có tương quan vào trong các nhân tố độc lập để xác định các nhân tố hình thành nên mơ hình nghiên cứu (Đinh Phi Hổ, 2011).
Phương pháp EFA có tác dụng rút gọn nhiều biến đo lường thành một tập hợp các biến (nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các thông tin của tập biến ban đầu (Hair et al.,, 1998). Phương pháp này mục địch xác định các yếu tố ảnh hưởng đến giá đất trong điều kiện nền kinh tế thị trường và xác định biến quan sát ảnh hưởng mạnh hay yếu, cùng chiều hay ngược chiền đối với từng nhân tố.
Các thông số được áp dụng là chỉ số của Kaiser-Mayer-Olkin (KMO) để đánh giá sự thích hợp của mơ hình EFA đối với ứng dụng vào dữ liệu thực tế nghiên cứu, thử nghiệm Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (nhân tố), hệ số của giá trị bản địa Eigenvalues để xác định số lượng nhân tố, tổng phương sai giải thích và hệ số tải (Factor loading). Trong đó:
- KMO (Kaiser-Meyer-Olkin measure of sampling adequacy) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến Xi, và Xj, với độ lớn của hệ số tương quan riêng phần của chúng (Norusis, 1994). Như vậy, KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO phải lớn hơn 0,50. Kaiser (1974) trong Nguyễn Đình Thọ (2011) đề nghị KMO ≥ 0,90: rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: được; KMO ≥ 0,60: tạm được; KMO ≥ 0,50: xấu, và KMO ≤ 0,50: không thể chấp nhận được.
- Kiểm định Bartlett (Bartlett's test of sphericity) dùng để xem xét ma trận tương quan có phải là ma trận đơn vị (identity matrix), là ma trận có các thành phần (hệ số tương quan giữa các biến) bằng không và đường chéo (hệ số tương quan với chính nó) bằng 1. Nếu phép kiểm định Bartlett có p < 5%, chúng ta từ chối giả thuyết H0 (ma trận tương quan là ma trận đơn vị) nghĩa là các biến có quan hệ nhau.
36
- Hệ số Eigenvalue có giá trị > 1 để đảm bảo các nhóm nhân tố có sự khác biệt.
- Tổng phương sai giải thích: thể hiện phần trăm biến thiên của các biến quan sát, thang đo chỉ được chấp nhận khi tổng phương sai giải thích (Total variance explained) > 50%.
Phương trình nhân tố có dạng:
Y = βo + β1X1 + β2X2 + β3X3+ β4X4 + ... + βnXn + Ei. Trong đó:
- Yi : là biến phụ thuộc đại diện cho giá đất.
- X1; X2; X3; X4; Xn: là biến độc lập đại diện cho nhóm các yếu tố ảnh hưởng đến giá đất.
- βo: hằng số.
- β1, β2, β3, β4: hệ số hồi quy. - Ei: lỗi tiêu chuẩn.
- n: số lượng biến.
- Các trọng số tải hay hệ số tải (Factor loading) có thể hiểu là mối tương quan giữa biến quan sát với nhân tố. Hệ số tải của chính nó ở nhân tố khác nhỏ hơn 0,35 (Igbaria et al., 1995) hoặc khoảng cách giữa hai trọng số tải (Factor loading) cùng 1 biến ở 2 nhân tố khác nhau lớn hơn 0,3.
Factor loading > 0,3 được xem là đạt mức tối thiểu. Factor loading > 0,4 được xem là quan trọng.
Factor loading > 0,5 được xem là có ý nghĩa thực tiễn (Hair et al., 1998).
2.5.2 Phương pháp đánh giá đa tiêu chí (Multi Criteria Evaluation)
Phương pháp phân tích đa tiêu chuẩn là một kỹ thuật phân tích tổ hợp các tiêu chuẩn khác nhau để cho ra kết quả cuối cùng. Phân tích đa tiêu chuẩn (Multi- Criteria Analysis-MCA) cung cấp cho người ra quyết định các mức độ quan trọng khác nhau của các tiêu chuẩn khác nhau. Trong đánh giá sử dụng đất bền vững thường sử dụng nhiều tiêu chuẩn khác nhau để phân tích khả năng thích hợp, kỹ thuật tổ hợp các tiêu chuẩn để cho ra kết quả cuối cùng được sử dụng như là công cụ hỗ trợ ra quyết định.
Trong vấn đề ra quyết định đa tiêu chuẩn, bước đầu tiên quan trọng nhất là xác định tập hợp các phương án (alternatives) và tập hợp những tiêu chuẩn (criteria) mà những phương án cần để đánh giá. Tiếp theo, lượng hóa các tiêu chuẩn, xác định tầm quan trọng tương đối của những phương án tương ứng với mỗi tiêu chuẩn.
Một cách tiếp cận để xác định tầm quan trọng tương đối của các phương án dựa vào so sánh cặp được đề xuất bởi Saaty (1977, 1980, 1994) là một phần trong
37
phương pháp phân tích thứ bậc (AHP), đã thu hút sự quan tâm của các nhà nghiên cứu có liên quan đến lĩnh vực ra quyết định đa tiêu chuẩn (Multi-Criteria Decision Making -MCDM).
2.5.2.1 Lý thuyết về phân tích thứ bậc (AHP)
Vào những năm đầu thập niên 1970, Thomas L. Saaty phát triển phương pháp ra quyết định được biết như là qui trình phân tích thứ bậc (Analytic Hierarchy Process – AHP ) để giúp xử lý các vấn đề ra quyết định đa tiêu chuẩn phức tạp. Phương pháp AHP cho phép người ra quyết định tập hợp được kiến thức của các chuyên gia về vấn đề của họ, kết hợp được các dữ liệu khách quan và chủ quan trong một khuôn khổ thứ bậc logic. Trước hết là AHP cung cấp cho người ra quyết định một cách tiếp cận trực giác, theo sự phán đốn thơng thường để đánh giá sự quan trọng của mỗi thành phần thơng qua q trình so sánh cặp.
AHP kết hợp được cả hai mặt tư duy của con người: về định tính và định lượng. Định tính qua sự sắp xếp thứ bậc; định lượng qua sự mô tả các đánh giá và sự ưa thích qua các con số có thể dùng để mô tả nhận định của con người về các vấn đề vơ hình lẫn vật lý hữu hình, nó có thể dùng mơ tả cảm xúc, trực giác đánh giá của con nguời.
Người ta có thể dùng AHP để phân tích trước khi ra quyết định lựa chọn đối với nhiều loại hình dự án đa dạng. Ví dụ, lựa chọn để xây dựng một nhà máy sản xuất xi măng tốt nhất, cần phải xác định tiềm năng nguyên vật liệu, tiềm năng thị trường tiêu thụ; tại Phần Lan, khi Quốc hội lựa chọn phương án xây dựng nhà máy điện đã dùng AHP xác định mục tiêu tổng thể, các tiêu chí chính và tiêu chí bộ phận. Vừa qua, khi góp ý cho dự án thủy điện Sơn La, một số nhà khoa học cũng sử dụng AHP để xác định mục tiêu dự án “Phúc lợi tổng thể quốc gia”, từ đó thiết kế 3 tiêu chí chính: “Kinh tế quốc gia”, “Những bất lợi”, “Rủi ro” cùng với các tiêu chí bộ phận nhằm dẫn dắt lời phản biện của mình. AHP là một tiến trình hữu dụng cho việc đánh giá một cách có hệ thống chất lượng các tiêu chí. AHP tham gia để giải quyết các mâu thuẫn và phân tích phù hợp một tiến trình trong việc xác định các mối quan hệ quan trọng của một tập hợp các hoạt động hoặc tiêu chí.
Ngày nay, AHP được sử dụng rất phổ biến trong các lĩnh vực quản lý tài nguyên đất đai, thương mại, …. AHP dựa vào 3 nguyên tắc: (i) Phân tích vấn đề ra quyết định (thiết lập thứ bậc), (ii) Đánh giá so sánh các thành phần, (iii) Tổng hợp các độ ưu tiên.
2.5.2.2 Lợi ích của AHP
Phương pháp phân tích thứ bậc AHP (phân tích thứ bậc theo 9 cấp độ) rất hữu dụng trong việc xác định trọng số của các yếu tố. Phương pháp này giúp
38
chúng ta tập hợp được những kiến thức của các chuyên gia trong từng lĩnh vực để giải quyết những bài tốn phức tạp. Ngồi ra nó cũng đảm bảo kiểm định chính xác bằng cách tính tốn chỉ số nhất quán (CR – Consistency Ratio), chỉ số nhất quán thường ≤ 10%.
2.5.2.3 Các bước thực hiện giải bài toán AHP a. Phân tích
Tiến hành lựa chọn các chỉ tiêu cần nghiên cứu, phân tích và loại bỏ những chỉ tiêu kém quan trọng. Mỗi chỉ tiêu chia ra một mức phù hợp, được phân tích dựa vào mức độ quan trọng của chúng. Khi kết thúc quá trình sẽ lặp đi lặp lại làm cho vấn đề thay đổi để khách quan hơn. Sau đó chúng được đưa vào ma trận để quản lý vấn đề theo chiều dọc lẫn chiều ngang. Vì thế khi tăng thêm một số chỉ tiêu thì mức độ quan trọng của các chỉ tiêu khác giảm đi sẽ làm cho vấn đề nghiên cứu càng chính xác hơn.
b. Trọng số
Qua tham khảo các chuyên gia của từng lĩnh vực nghiên cứu mỗi chỉ tiêu xác định cho một trọng số, dựa vào sự quan trọng của nó trong tồn hệ thống chúng ta có thể xác định được trọng số của từng chỉ tiêu thông qua hệ chuyên gia. Tổng tất cả các tiêu chuẩn phải là 100% (hoặc 1). Trọng số này chính là mức độ quan trọng của từng chỉ tiêu ảnh hưởng đến vấn đề nghiên cứu.
c. Đánh giá
Căn cứ lựa chọn và so sánh chỉ tiêu này với các chỉ tiêu khác nhằm đánh giá ảnh hưởng như thế nào đến vấn đề nghiên cứu của chúng ta. Sử dụng AHP, đánh giá các chỉ tiêu lựa chọn theo ý kiến của các chuyên gia,
nhà nghiên cứu về vấn đề đó.
d. Lựa chọn
Sau khi đánh giá các chỉ tiêu nghiên cứu, tiến hành so sánh các tiêu chuẩn, lựa chọn và loại bỏ các chỉ tiêu ít ảnh hưởng đến vấn đề nghiên cứu sao cho phù hợp với mục tiêu đặt ra.