CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Thiết kế nghiên cứu
3.3.5. Phương pháp phân tích dữ liệu
3.3.5.1. Phương pháp thống kê mô tả
Thống kê mô tả là phương pháp dùng tổng hợp các phương pháp đo lường, mơ tả, trình bày số liệu được ứng dụng vào trong lĩnh vực kinh tế. Các bảng thống kê là hình thức trình bày số liệu thống kê và thu thập thông tin đã thu thập làm cơ sở để phân tích và kết luận, cũng là trình bày vấn đề nghiên cứu nhờvào đó có thểđưa ra nhận xét về vấn đềđang nghiên cứu. Trong đề tài này phương pháp thống kê mô tả được thực hiện bằng cách lập bảng tần suất để mô tả mẫu thu nhập được theo các thuộc tính: giới tính, độ tuổi, nghề nghiệp, trình độ và thu nhập.
3.3.5.2. Kiểm định Cronbach’s Alpha
Một thang đo có giá trịkhi thang đo đó có đủ độ tin cậy, nghĩa là cho cùng một kết quả khi tiến hành do lặp đi lặp lại. Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại thông qua hệ số Cronbach’s Alpha và hệ số tương quan biến - tổng, để nhằm loại bỏ những biến quan sát không đạt yêu cầu ra khỏi thang đo.
Phương pháp phân tích hệ số Cronbach’s Alpha
Hệ số Cronbach’s Alpha là một hệ số kiểm định thống kê về đáh giá độ tin cậy của các nhóm nhân tố và từng biến quan sát nhỏ bên trong nhóm nhân tốđó. Theo Pearson (1994) thì hệ số Cronbach’s Alpha phải nằm trong giới hạn từ 0.7 đến 1.0. Trong các trường hợp cỡ mẫu nhỏ thì hệ số tin cậy Cronbach’s Alpha bằng 0.6 vẫn có thể được chấp nhận. Đồng thời, các biến quan sát phải có hệ sốtương quan giữa các biến và tổng (item-total correlation) phải lớn hơn 0.3.
Thang đo được kiểm định bằng công cụ Cronbach’s Alpha, với hệ số này sẽ giúp loại trừ những biến quan sát không đạt yêu cầu hay các thang đo chưa đạt yêu cầu trong quá trình ngheien cứu vì các biến này có thể tạo ra các nhân tố giả.
Phương pháp phân tích Cronbach’s Alpha thực chất là phép kiểm định mức độ tương quan lẫn nhau của các biến quan sát trong thang đo thông qua việc đánh giá sự tương quan giữa bản thân các biến quan sát và tương quan điểm số trong từng biến quan sát với điểm số toàn bộ các biến quan sát. Hệ số Cronbach’s Alpha càng lớn thì độ tin cậy nhất qn càng cao. Thơng thường những thang đo có hệ số Cronbach’s Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao. Thông thường những thang đo có hệ số Cronbach’s Alpha trong khoảng từ
0.7 - 0.8 là sử dụng được, thang đo có hệ số Cronbach’s Alpha trong khoảng từ 0.8 - 1.0 được xem là thang đo tốt. Tuy nhiên đối với các trường hợp khái niệm đang nghiên cứu thì thang đo có hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được.
Tuy nhiên, hệ số Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không, chứ không cho biết cần phải loại bỏ hoặc giữ lại biến quan sát nào. Để giải quyết vấn đề này cần tính tốn và phân tích hệ sốtương quan biến - tổng.
Hệ số tương quan biến - tổng (item - total correlation)
Hệ số tương quan biến tổng chính là hệ số tương quan của một biến với điểm trung bình của các biến khác nhau trong cùng một thang đo. Nếu hệ số này càng cao thì sựtương quan giữa biến khác trong nhóm càng cao. Vì vậy, đối với các biến quan sát có hệ số tương quan biến - tổng (item - total correlation) nhỏhơn 0.3 bịxem như là các biên rác và bị loại ra khỏi mơ hình do có tương quan kém với các biến khác trong mơ hình.
3.3.5.3. Phương pháp nhân tố khám phá EFA
Phương pháp phân tích nhân tốđược sử dụng để rut gọn và tóm tắt dữ liệu. Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại bỏ các biến không đủ độ tin cậy sẽ thực hiện việc phân tích nhân tố khám phá (EFA). Phân tích nhân tố khám phá (EFA) là kỹ thuật được sử dụng để thu nhỏ các tham số ước lượng theo từng nhóm biến. Phương pháp này rất hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mới quan hệ giữa các biến với nhau. Phân tích nhân tố khám phá (EFA) được thực hiện thông qua đánh giá các chỉtiêu sau để bảo đảm ý nghĩa thống kê:
Kiểm định trị số KMO (Kaiser - Meyer - Olkin):
Đây là chỉ số dùng để xem xét sự thích hợp của các phân tích nhân tố, trị số KMO có giá trị trong khoảng từ0.5 đến 1.0 thì phân tích nhân tố là thích hợp với dữ liệu còn trong trường hợp nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Đánh giá hệ số tải nhân tố (Factor Loadings - FL):
Đây là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố khám phá EFA, hệ số tải nhân tố (Factor Loadings - FL) phụ thuộc vào kích thước mẫu quan sát và mục đích nghiên cứu. Nếu FL > 0.3 là đạt mức tối thiểu với kích thước mẫu bằng hoặc lớn hơn 350, nếu FL > 0.4 là quan trọng và FL > 0.5 là có ý nghĩa thực tiễn. Khi kích thước mẫu khoảng 100 thì nên chọn FL > 0.55; cịn nếu kích thước mẫu bằng 50 thì nên chọn FL > 0.75. Do đó để
thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và nhân tố (Factor Loading - FL) phải lớn hơn hoặc bằng 0.5 trong một nhân tố đối với cỡ mẫu nhỏ hơn 350.
Đánh giá giá trị Eigenvalue:
Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi mỗi nhân tố, đánh giá hệ số Eigenvalue là một trong những cách để xác định số lượng nhân tố. Theo tiêu chuẩn Kaiser chỉ những nhân tố Eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại vi fkhoong có tác dụng tóm tắt bảng thơng tin tốt hơn một biến gốc (Garson, 2003).
Kiểm định Bartlett”s xem xét giả thuyết H0:
Bartlett’s test of sphericity là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể với các giả thuyết.
H0: Độ tương quan giữa biến quan sát bằng khơng trong tổng thể hay nói cách khác là các biến khơng có tương quan với nhau trong tổng thể. Điều này cũng chính là nhằm mục đích xem xét việc phân tích nhân tố là có thích hợp hay khơng. Nếu kiểm địn này có ý nghĩa trong thống kê (Sig < 0.05) thì ta có khả năng bác bỏ giả thuyết và chấp nhận các biến quan sát trong phân tích nhân tố có tương quan với nhau trong tổng thể. Điều này đồng nghĩa phân tích nhân tố là thích hợp.
H1: Có sự tương quan giữa các biến.
Giá trị p của kiểm định là một số sao cho với mọi α > p thì sẽ bác bỏ giả thuyết H0. Với mức ý nghĩa α = 5%, kiểm định Bartlett’s cho các kết quả sau:
Nếu giá trị p > α thì chấp nhận giả thuyết H0.
Nếu giá trị p < α thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Đánh giá phương sai trích
Phương sai trích hay là phần trăm biến thiên (cummulative) của dữ liệu được giải thích bởi các nhân tố. Tiêu chuẩn đạt yêu cầu đối với phương sai trích là tổng phương sai trích phải lớn hơn hoặc bằng 50% trở lên (Hair và cộng sự, 1998).
Giá trị tổng phương sai trích có ý nghĩa cho biết tổng số phần trăm biến thiên của dữ liệu được giải thích bởi các nhân tố.
3.3.5.4. Phương pháp phân tích hồi quy đa biến
Phân tích hồi quy là sự nghiên cứu mức độ ảnh hưởng của một hay nhiều biến số (biến độc lập hay biến giải thích) đến một biến số (biến kết quả hay biến phụ thuộc) nhằm dự báo biến kết quả dựa vào các giá trị được biết trước của các biến giải thích. Sau khi hồn tất việc phân tích đánh giá độ tin cậy thang đo (Kiểm định Cronbach’s Alpha) và kiểm định giá trị khái niệm thang đo (Phân tích nhân tố khám phá EFA), các biến không đảm bảo giá trị hội tụ tiếp tục bị loại bỏ khỏi mơ hình cho đến khi các tham số được nhóm lại theo các 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 (các nhân tố thành phần) và nhóm biến phục thuộc (quyết định mua hàng trên trang thương mại điện tử Shopee của thế hệ GenZ Thành phố Hồ Chí Minh) trong mơ hình nghiên cứu được thực hiện bằng phương pháp phân tích hồi quy bội. Giá trị của biến mới trong mơ hình nghiến cứu là giá trị trung bình của các biến quan sát thành phần của biến đó. Tuy nhiên trước khi tiến hành phân tích hồi quy, cần kiểm tra các giả định về khuyết tật mơ hình.
3.3.5.5. Kiểm định ANOVA
Phương pháp kiểm định ANOVA nhằm xác định ảnh hưởng của biến định tính như: giới tính, nghề nghiệp, thu nhập người tiêu dùng. Phương pháp sử dụng là phương pháp phân tích phương sai một yếu tố (One-way-ANOVA). Phương pháp này được sử dụng trong trường hợp chỉ sử dụng một biến yếu tố để phân loại các quan sát thành các nhóm khác nhau. Việc phân tích nhằm mục đích tìm kiếm xem có sự khác nhau (có ý nghĩa thống kê) hay không về các yếu tố tác động đến quyết định mua hàng trên trang thương mại điện tử Shopee của thế hệ GenZ Thành phố Hồ Chí Minh giữa các nhóm khách hàng khác nhau. Một số giả định khi thực hiện phân tích ANOVA:
Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
Các nhóm so sánh phải có phân phối chuẩn và cỡ mẫu phải đủ lớn để được xem là tiệm cận phân phối chuẩn.
CHƯƠNG 4. PHÂN TÍCH DỮ LIỆU 4.1. Phân tích nghiên cứu kết quả thứ cấp