CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Xử lý và phân tích dữ liệu
Dữ liệu sau khi thu thập sẽ được mã hóa và thực hiện q trình phân tích như sau:
3.3.1. Phân tích mơ tả
Trong bước đầu tiên, sử dụng phân tích mơ tả để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin cá nhân của người được phỏng vấn) như: giới tính, độ tuổi, thu nhập, trình độ học vấn, nghề nghiệp và nhóm khách hàng.
3.3.2. Kiểm định mơ hình đo lường
Đề tài này sử dụng nhiều thang đo của các học giả khác nhau và được nghiên cứu ở các thị trường và ngành nghề khác nhau. Hơn nữa, đặc điểm thị trường và các yếu tố
khác về kinh tế, chính trị, xã hội, văn hố… tại TPHCM cũng có sự khác biệt so với các khu vực khác, vì lý do đó các thang đo được sử dụng trong đề tài này cần thiết phải kiểm định lại ở thị trường TPHCM nói chung và thị trường dịch vụ Internet cáp quang nói riêng.
Độ tin cậy của từng thang đo được đánh giá bằng hệ số tin cậy Cronbach’s Alpha. Những thang đo hoặc biến quan sát nào không đạt yêu cầu về độ tin cậy sẽ bị loại bỏ. Tất cả các thang đo đạt được độ tin cậy sẽ được tiếp tục phân tích nhân tố khám phá (EFA). Nhiệm vụ của EFA ở đây là khám phá cấu trúc bộ thang đo sử dụng trong mơ hình nghiên cứu này tại thị trường dịch vụ Internet cáp quang tại TPHCM, tất cả các thang đo thoả mãn yêu cầu về EFA sẽ được đưa vào phân tích hồi quy bội nhằm kiểm định các giả thiết đã nêu ở chương 2.
3.3.2.1. Kiểm định độ tin cậy thang đo
Một đo lường được coi là có giá trị khi nó đo lường được đúng cái cần đo lường (Campbell & Fiske 1959, trích trong Nguyễn Đình Thọ, 2011). Hay nói cách khác, đo lường đó vắng mặt cả hai loại sai số, sai số hệ thống và sai số ngẫu nhiên. Điều kiện đầu tiên cần phải có là thang đo áp dụng phải đạt độ tin cậy. Độ tin cậy của thang đo được đánh giá thông qua hệ số Cronbach Alpha và hệ số tương quan biến tổng hiệu chỉnh (corrected item-total correlation).
- Để tính Cronbach Alpha cho một thang đo thì thang đo phải có tối thiểu là 3 biến đo lường. Thang đo có độ tin cậy tốt khi hệ số Cronbach’s Alpha biến thiên trong khoảng [0.70 - 0.80], nếu Cronbach’s Alpha ≥ 0.60 là thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally & Bernstein 1994, trích trong Nguyễn Đình Thọ, 2011). 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, nếu 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 lắp trong đo lường).
- Hệ số tương quan biến tổng hiệu chỉnh (corrected item-total correlation): hệ số này lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (khơng tính đến biến đang xem xét). Nếu một biến đo lường có hệ số tương quan biến
tổng hiệu chỉnh ≥ 0.30 thì biến đó đạt u cầu (Nunnally & Bernstein 1994, trích trong Nguyễn Đình Thọ, 2011).
3.3.2.2. Đánh giá giá trị hội tụ và giá trị phân biệt
- Giá trị hội tụ nói lên mức độ hội tụ của một thang đo để đo lường một khái niệm sau nhiều lần (lặp lại). Nghĩa là sau những lần lặp lại các số đo có mối quan hệ chặc chẽ với nhau.
- Giá trị phân biệt nói lên hai thang đo lường hai khái niệm khác nhau phải khác biệt nhau (Bagozzi, 1994, trích trong Nguyễn Đình Thọ, 2011). Điều này có nghĩa là hai khái niệm đó là hai khái niệm phân biệt.
Phương pháp phân tích nhân tố khám phá EFA được sử dụng để đánh giá hai loại giá trị này. Các tham số thống kê trong phân tích nhân tố khám phá bao gồm:
- Kiểm định KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với độ lớn của hệ số tương quan riêng phần của chúng (Norusis, 1994, trích trong Nguyễn Đình Thọ, 2011). Theo đó KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO phải lớn hơn 0.50. Tuy nhiên trong thực tế, với sự hỗ trợ của các phần mềm xử lý thống kê như SPSS thì chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt u cầu thì vấn đề kiểm định KMO khơng cịn ý nghĩa gì nữa vì nó ln đạt u cầu.
- Số lượng nhân tố: được xác định dựa vào tiêu chí Eigenvalue, với tiêu chí này số lượng nhân tố được xác định ở nhân tố có Eigenvalue tối thiểu bằng 1 (≥1). Sau đó xem xét số lượng nhân tố trích được có phù hợp với giả thuyết ban đầu về số lượng khái niệm đơn hướng hay không. Nếu đạt được điều này chúng ta có thể kết luận là các khái niệm đơn hướng đạt được giá trị phân biệt.
- Trọng số nhân tố và tổng phương sai trích:
+ Trọng số nhân tố Xi trên nhân tố mà nó là một biến đo lường phải ≥0.50. + Tổng phương sai trích thể hiện các nhân tố trích được bao nhiêu phần trăm của biến đo lường, tổng này phải đạt từ 50% trở lên.
- Để thang đo đạt giá trị phân biệt thì khác biệt giữa các hệ số chuyển tải nhân tố (factor loading) phải ≥ 0.30.
- Phép trích nhân tố: nghiên cứu này sử dụng phép trích nhân tố Principal Axis Factoring với phép quay Promax vì nó phản ánh cấu trúc dữ liệu chính xác hơn phép
trích Principal Component với phép quay Varimax (Gerbing & Anderson 1988, trích trong Nguyễn Đình Thọ, 2011). Phép trích Principal Axis Factoring sẽ cho ta kết quả là số lượng nhân tố là ít nhất để giải thích phương sai chung của tập hợp các biến quan sát trong sự tác động qua lại giữa chúng.
Phương pháp phân tích EFA 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. Vì vậy trong đề tài này tác giả tiến hành phân tích nhân tố cho tất cả các biến độc lập và phụ thuộc cùng một lúc.
3.3.2.3. Phân tích hồi quy bội
Sau khi tiến hành phân tích Cronbach’s Alpha và phân tích EFA, tác giả tiến hành phân tích hồi quy 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 được sử dụng vì mục tiêu nghiên cứu của tác giả là kiểm định lý thuyết khoa học (bao gồm các giả thuyết suy diễn từ lý thuyết, mơ hình T –› R trong nghiên cứu) (Nguyễn Đình Thọ, 2011). 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.
Mơ hình hồi quy bội ban đầu có dạng như sau: Y = β0 + iXi +
Trong đó:
Y: xu hướng sử dụng dịch vụ Internet cáp quang.
X1: Chuẩn chủ quan.
X2: Thái độ hướng tới hành vi sử dụng dịch vụ.
X3: Nhận thức kiểm soát hành vi.
X4: Rủi ro cảm nhận.
X5: Lợi ích cảm nhận.
X6: Giá cả cảm nhận.
X7: Giá trị hình ảnh.
β0: Hệ số gốc.
βi: Hệ số ước lượng của biến số độc lập thứ i.