- Ảnh hưởng của người thân (chuẩn chủ quan): Ảnh hưởng của gia đình, bạn
4 Tính an tồn khi sửdụng thẻ (AT) Sultan Singh.
2.3.8.2. Phân tích dữ liệu
a. Phương pháp phân tích hệ số Cronbach’s Alpha
Một thang đo có giá trị khi thang đo đó có đủ độ tin cậy, nghĩa là cho cùng một kết quả khi tiến hành đo 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.
Hệ số Cronbach’s Alpha là một hệ số kiểm định thống kê về mức độ tin cậy và tương quan trong giữa các biến quan sát thang đo. Nó dùng để đánh giá độ tin cậy của các nhóm nhân tố và từng biến quan sát nhỏ bên trong nhóm nhân tố đó.
Theo Peterson (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 số tương 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 những biến quan sát không đạt yêu cầu hay các thang đo chưa đạt yêu cầu trong quá trình nghiên 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 cànglớn thì độ tin cậy nhất quán nội tại càng cao. Thơng 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 mới 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 số tương 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 trong cùng một thang đo. Nếu hệ số này càng cao thì sự tương quan giữa biến với các
biến khác trong nhóm càng cao. Vì vậy, đối với các biến quan sát có hệ só tương quan biến - tổng (item - total correlation) nhỏ hơn 0,3 bị xem như là các biến rác và bị
loại ra khỏi mơ hình do có tương quan kém với các biến khác trong mơ hình.
b. Phân tích nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố được sử dụng để rút 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 mối quan hệ giữa các biến với nhau. Phân tích nhân tố khám phá (EFA) được thực hiện thông qua đánh giá các chỉ tiêu 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 từ 0,5 đến 1,0 thì phân tích nhân tố là thích hợp với dữ liệu, cịn trong trường hợp nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
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 loading - 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 450, 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 hộ tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (Factor loading - FL) phải lớn hơn hoặc bằng 0,5 trong một nhân tố đối với cỡ mẫu nhỏ hơn 450.
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 vì khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc (Garson, 2003).
Kiểm định Bartlett’s xem xét giả thiết 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 các biến quan sát bằng không 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 định này có ý nghĩa trong thống kê (Sig < 0,05) thì ta có khả 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 là 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 a > p thì sẽ bác bỏ giả thuyết H0. Với mức ý nghĩa a = 5%, kiểm định Barlett’s cho các kết quả sau:
- Nếu giá trị p > a thì chấp nhận giả thuyết H0
- Nếu giá trị p < a 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.
c. Phân tích hồi quy tuyến tính
Phân tích hồi quy tuyến tính để đưa ra được mơ hình hồi quy đo lường mức độ ảnh hưởng của các yếu tố đến quyết định của người nông dân.
Ý nghĩa phân tích hồi quy bội để xác định những biến độc lập có ảnh hưởng hay khơng đối với biến phụ thuộc, mức độ ảnh hưởng và xác định tầm quan trọng của biến độc lập đối với biến phụ thuộc. Mơ hình hồi qui đa biến có dạng HL = f (H1,..., H7). Trong đó: HL = biến phụ thuộc; H1, H2... H7 là những nhóm biến độc lập được xác định trong q trình phân tích nhân tố.
Kiểm định tương quan từng phần của các hệ số hồi qui: Nhằm xác định biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không, với mức ý nghĩa hệ số hồi qui từng phần có độ tin cậy ít nhất 95% (Sig. < 0,05), ta kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc (Đinh Phi Hổ, 2012).
Theo Đinh Phi Hổ (2012), kiểm định mức độ phù hợp của mơ hình: Nhằm xác định mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc. Kết quả được xem là phù hợp khi có ít nhất một hệ số hồi qui khác khơng.
Phân tích phương sai (Analysis of variance, ANOVA). Kết quả kiểm định mức ý nghĩa đảm bảo độ tin cậy ít nhất 95% (Sig < 0,05), chấp nhận giả thuyết H1, mơ hình được xem là phù hợp.
Phương pháp kiểm nghiệm t - test được dùng để kiểm định có hay khơng sự khác biệt của giá trị trung bình của một biến đơn với một giá trị cụ thể (áp dụng kiểm định sự khác biệt trung bình với trường hợp biến định tính có 2 giá trị), với giả thuyết ban đầu cho rằng giá trị trung bình cần kiểm nghiệm thì bằng với một con số cụ thể nào đó. Phương pháp kiểm định t - test này dùng cho biến dạng thang đokhoảng cách hay tỉ lệ. Ta sẽ loại bỏ giả thuyết ban đầu khi kiểm nghiệm cho ta chỉ số Sig. nhỏ hơn mức tin cậy (0,05).
Phương pháp phân tích phương sai ANOVA được dùng khi nghiên cứu ảnh hưởng của biến nguyên nhân định tính lên biến kết quả định lượng, phương pháp này so sánh trung bình của nhiều nhóm (3 nhóm trở lên).
Giả thuyết H0 như sau: H0: P1 = P2 = ... = Pn, tức là biến ngun nhân định tính khơng có tác động gì lên kết quả của biến định lượng.
Đối thuyết Hi: biến nguyên nhân định tính ảnh hưởng đến biến định lượng. Dữ liệu đầu vào gồm 1 biến phân loại và một biến định lượng.
Chương 3