VI. KẾT CẤU CỦA LUẬN VĂN
3.1 THIẾT KẾ NGHIÊN CỨU
3.1.1 Các giai đoạn thực hiện nghiên cứu
Nghiên cứu này gồm 02 giai đoạn: nghiên cứu sơ bộ và nghiên cứu chính thức, đều được thực hiện trên địa bàn tỉnh Hậu Giang.
Nghiên cứu sơ bộ bằng phương pháp nghiên cứu định tính để khám phá, điều chỉnh và bổ sung các biến quan sát dùng để đo lường các khái niệm nghiên cứu. Nghiên cứu này gồm 02 bước.
Bước 1: được thực hiện bằng Phiếu tham khảo ý kiến của các chuyên gia/các nhà quản lý/nghiên cứu – những người thường xuyên sử dụng thông tin thống kê. Phiếu được thiết kế trên cơ sở các nghiên cứu đi trước có liên quan[1,10,20] và kết quả điều tra nhu cầu sử dụng thông tin thống kê,6 gồm có 09 câu hỏi (kể cả phần thông tin cá nhân). Phương pháp lấy mẫu thuận tiện, với số lượng ý kiến tham khảo là n = 50. Phương pháp thu thập thông tin qua 02 hình thức: phỏng vấn trực tiếp hoặc gửi phiếu. Thời gian tiến hành từ tháng 3 năm 2011 đến hết tháng 5 năm 2011 (xem Phụ lục 1).
Bước 2: trên cơ sở tiếp thu ý kiến tham khảo được từ các chuyên gia/các nhà quản lý/nghiên cứu, tác giả đã bổ sung, hiệu chỉnh để thiết kế thành Phiếu đóng góp ý kiến, gồm có 15 câu hỏi (kể cả phần thông tin cá nhân). Đối tượng thu thập ý kiến được mở rộng thêm các nhà lãnh đạo/quản trị các cơ quan/tổ chức/doanh nghiệp. Số lượng ý kiến đóng góp là n = 100, được thực hiện theo phương pháp lấy mẫu thuận tiện, với 02 hình thức thu thập thông tin giống như bước 1. Thời gian tiến hành từ tháng 6 năm 2011 đến hết tháng 8 năm 2011 (xem Phụ lục 2).
Kết quả của nghiên cứu định tính là Phiếu thu thập thông tin sử dụng cho nghiên cứu chính thức (xem Phụ lục 3).
Nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng. Mẫu được chọn theo phương pháp phân tầng – ngẫu nhiên với cỡ mẫu dự kiến ban đầu là n = 350; số lượng phiếu hoàn chỉnh sử dụng cho nghiên cứu chính thức là 342 mẫu. Hình thức thu thập thông tin là phỏng vấn trực tiếp và gửi phiếu. Thời gian thực hiện từ tháng 9 năm 2011 đến hết tháng 12 năm 2011.
3.1.2 Quy trình nghiên cứu
Quy trình nghiên cứu được thể hiện qua Sơ đồ 3.1 như sau:
Sơ đồ 3.1 Quy trình nghiên cứu
Cơ sở lý thuyết
Kết quả điều tra Khái niệm nghiên cứu Phiếu tham khảo ý kiến
Phiếu đóng góp ý kiến Thang đo nháp
Thang đo hoàn chỉnh
Điều chỉnh Điều chỉnh Nghiên cứu chính thức định lượng (n = 342) Cronbach-α EFA
Hồi quy đa biến Nghiên cứu sơ bộ
định tính – Bước 1 (n = 50)
Nghiên cứu sơ bộ định tính – Bước 2 (n = 100)
CFA
SEM, Bootstrap
Cronbach-α ≥ 0,6
Tương quan biến-tổng≥0,3 Anpha nếu bỏ đi mục hỏi < Cronbach-α… Hệ số tải nhân tố ≥ 0,5 Tổng biến thiên ≥ 50… Trọng số β… Bác bỏ giả thiết Ho CMIN/df≤3; RMSEA≤ 0,08; GFI,TLI,CFI ≥0,9… Kiểm định độ thích hợp của mô hình; Bootstrap… Cronbach-α Loại các biến thừa trước khi phân tích CFA
Mô hình sự hài lòng
Các công đoạn cụ thể trong quy trình nghiên cứu
Công đoạn 1: Xây dựng khái niệm nghiên cứu
Trên cơ sở lý thuyết về thang đo SERVQUAL (Parasuraman & ctg, 1991)21 gồm 05 thành phần (tin cậy, đáp ứng, năng lực phục vụ, đồng cảm và phương tiện hữu hình), kết hợp với kết quả điều tra nhu cầu thông tin thống kê gồm các yếu tố (tính kịp thời, tính đầy đủ, độ tin cậy, khả năng tiếp cận, mức độ hài lòng, mức độ thỏa mãn, khả năng chi trả dịch vụ)6, một tập hợp gồm 08 khái niệm nghiên cứu đã được thiết kế, bao gồm: sự tin cậy, sự đầy đủ, sự kịp thời, sự thuận tiện, sự trung thực, sự đa dạng, có hiệu quả, chi phí hợp lý. Nghiên cứu định tính này có cỡ mẫu n = 50.
Công đoạn 2: Nghiên cứu định tính sơ bộ
Thang đo SERVQUAL được nghiên cứu tại các quốc gia có trình độ phát triển về kinh tế, văn hóa, xã hội…; cũng như trình độ ứng xử, hành vi tiêu dùng của khách hàng khác với Việt Nam; đồng thời kết quả điều tra nhu cầu thông tin thống kê cho thấy có sự khác biệt rất lớn về các thành phần thang đo lường. Do vậy, tập hợp các khái niệm nghiên cứu cần thiết phải được điều chỉnh và bổ sung cho phù hợp với thực tiễn trên địa bàn tỉnh Hậu Giang (thông qua tổng hợp và phân tích ý kiến của những người thường xuyên tiếp cận với thông tin thống kê). Tập hợp các khái niệm nghiên cứu sẽ được đánh giá cụ thể qua tập biến quan sát cho từng thang đo lường (khái niệm nghiên cứu); được gọi là thang đo nháp. Thang đo nháp bao gồm 07 thành phần với 37 biến quan sát và được tiếp tục lấy ý kiến đóng góp từ điều tra mẫu có độ lớn là 100. Kết quả nghiên cứu định tính này cho kết quả là thang đo chính thức (Phiếu thu thập thông tin).
Công đoạn 3: Nghiên cứu định lượng chính thức
Nghiên cứu chính thức được thực hiện nhằm kiểm định các thang đo lường các khái niệm nghiên cứu cũng như mô hình lý thuyết và các giả thiết trong mô hình. Mẫu được chọn theo phương pháp phân tầng – ngẫu nhiên với số lượng mẫu ban đầu là 375 mẫu (tổng số mẩu tin sử dụng được là 342). Nghiên cứu định lượng sử dụng thông tin từ Phiếu thu thập thông tin (gồm 37 biến quan sát – biến tác động và 07 biến bị tác động). Các phương pháp được sử dụng trong nghiên cứu chính thức:
Kiểm định độ tin cậy của các thang đo lường: (1) kiểm tra sự tương quan giữa các mục hỏi bằng tính toán Cronbach α (hệ số Cronbach α, tương quan biến – tổng,
Alpha nếu bỏ đi mục hỏi); (2) phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis), sử dụng phương pháp trích nhân tố Principal Axis Factoring với phép quay Promax (đối với các thang đo lường đa hướng – các biến tác động) và phương pháp trích nhân tố Principal Component Analysis với phép quay Varimax (đối với thang đo lường đơn hướng – biến bị tác động), sử dụng hệ số KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) và kiểm định Bartlett cùng hệ số tải nhân tố (factor loading) để loại các biến không có ý nghĩa thiết thực đối với mô hình nghiên cứu của đề tài.27
Phân tích hồi quy đa biến để bác bỏ giả thiết H0, tức là xác nhận sự tồn tại mối quan hệ tuyến tính giữa sự hài lòng với ít nhất một trong các nhân tố (biến tiềm ẩn) đã quan sát; xác định tỉ lệ biến thiên của sự hài lòng có thể giải thích được từ mối quan hệ tuyến tính giữa các nhân tố; đồng thời đánh giá mức độ tác động của từng nhân tố đối với sự hài lòng của người sử dụng thông tin thống kê.
Phân tích nhân tố khằng định (CFA – Confirmatory Factor Analysis) để đo lường mức độ phù hợp của mô hình với dữ liệu thị trường bằng các đại lượng như: Chi bình phương điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI – Comparative Fit Index); Chỉ số Tucker & Lewis (TLI - Tucker & Lewis Index); chỉ số RMSEA (Root Mean Square Error Approximation)23. Các trọng số đã chuẩn hóa (Standardized Regression Weights) đạt yêu cầu và có ý nghĩa thống kê để mô hình đạt giá trị hội tụ. Hệ số tương quan giữa các khái niệm nghiên cứu có khác biệt để chúng đạt được giá trị phân biệt.
Phương pháp phân tích mô hình cấu trúc tuyến tính (SEM – Structural Equation Modeling) được sử dụng để kiểm định độ thích ứng của mô hình lý thuyết và các giả thiết. Sau cùng là phương pháp bootstrap được sử dụng để ước lượng lại các tham số của mô hình nghiên cứu đã được ước lượng bằng phương pháp Maximum Likelihood. Các đại lượng độ chệch và trung bình ước lượng (xuất hiện ít và có giá trị nhỏ) và không có ý nghĩa thống kê cho phép khẳng định độ tin cậy của các ước lượng trong mô hình nghiên cứu. Từ đó, tạo cơ sở để các giả thiết đặt ra ban đầu được chấp nhận.
27
Nguyễn Khánh Duy (2009), Bài giảng Thực hành mô hình cấu trúc tuyến tính (SEM) với phần mềm AMOS, Trường Đại học Kinh tế TP. Hồ Chí Minh (Tài liệu lưu hành nội bộ), 100 trang
3.2 MẪU NGHIÊN CỨU CHÍNH THỨC
Mẫu được chọn theo phương pháp phân tầng – ngẫu nhiên với thuộc tính kiểm soát phân tầng là nghề nghiệp. Do phương pháp phân tích dữ liệu chính của nghiên cứu này là phân tích mô hình cầu trúc tuyến tính (SEM – Structural Equation Modeling) nên đòi hỏi kích thước mẫu lớn vì nó dựa vào lý thuyết phân phối mẫu lớn (Raykov & Widaman, 1995). Tuy nhiên, kích thước mẫu bao nhiêu để được xem là lớn thì hiện nay chưa được xác định rõ ràng. Có nhà nghiên cứu cho rằng nếu sử dụng phương pháp ước lượng ML (Maximum Likelihood) thì kích thước mẫu tối thiểu phải từ 100 đến 150 (Hair & ctg, 1998). Cũng có nhà nghiên cứu cho rằng kích thước mẫu tới hạn phải là 200 (Hoelter, 1983). Cũng có ý kiến cho rằng kích thước mẫu tối thiểu là năm mẫu cho một tham số cần ước lượng (Bollen, 1989)22. Gần với quan điểm này là ý kiến cho rằng thông thường thì số quan sát (cỡ mẫu) ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố.28
Dựa vào các kết luận nghiên cứu trên, kết hợp với số lượng biến cần quan sát là 44 biến và sử dụng phương pháp ước lượng ML nên nghiên cứu này đã chọn mẫu có kích thước dự kiến là n = 350, được phân tầng thành 4 nhóm: nhóm các nhà nghiên cứu (n = 130), nhóm đối tượng hoạt động sản xuất kinh doanh (n = 125); nhóm các nhà lãnh đạo/quản lý/quản trị (n = 90) và nhóm hoạt động trong lĩnh vực thông tin đại chúng (n = 5).
Với số lượng 350 phiếu thu thập thông tin được phát ra, thu hồi được 345 phiếu (đạt tỉ lệ 98,57%). Sau khi kiểm tra, rà soát số liệu có 03 phiếu bị loại do thiếu quá nhiều thông tin (bỏ trống ô trả lời), không thể khắc phục. Cuối cùng có 342 phiếu thu thập thông tin hoàn chỉnh được sử dụng cho nghiên cứu chính thức, đạt tỉ lệ 97,71% so với kích thước mẫu dự kiến ban đầu. Thông tin được làm sạch và nhập liệu bằng phần mềm Microsoft Excel phiên bản 2003, được sử dụng để phân tích thống kê mô tả (phân tích phụ trợ). Đồng thời, dữ liệu thô được kết xuất sang phần mềm SPSS phiên bản 16.0 để thực hiện các phân tích tiếp theo như: cronbach alpha, EFA, hồi quy tuyến tính đa biến. Và tập tin dữ liệu trong SPSS sẽ tiếp tục được sử dụng trong phần mềm AMOS phiên bản 18.0 để thực hiện phân tích nhân tố khẳng định CFA và mô hình cấu trúc tuyến tính SEM cũng như kiểm định ước lượng đo lường bootstrap.
28
Hoàng Trọng và Chu Nguyễn Mộng Ngọc ((2008), Phân tích dữ liệu nghiên cứu với SPSS, Nxb. Hồng Đức, TP. HCM
3.3 PHƯƠNG PHÁP KIỂM ĐỊNH THANG ĐO 3.3.1 Thang đo Likert 3.3.1 Thang đo Likert
Một trong những hình thức đo lường các khái niệm trừu tượng được sử dụng phổ biến nhất trong nghiên cứu kinh tế - xã hội là thang đo do Rennis Likert (1932) giới thiệu, gồm 5 mức độ phổ biến.23 Nghiên cứu này sử dụng thang đo Likert với 5 mức độ là (rất không đồng ý, không đồng ý, bình thường, đồng ý, rất đồng ý) để đo lường các thành phần và biến quan sát tác động đến sự hài lòng của người sử dụng dịch vụ cung cấp thông tin thống kê. Thang đo Likert giải quyết được mục tiêu nghiên cứu đó là, các nhân tố có khả năng tác động vào sự hài lòng của người sử dụng thông tin thống kê.
3.3.2 Phép kiểm định Cronbach Alpha
Hệ số α của phép kiểm định Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ và tương quan giữa các biến quan sát,23 hay nói cách khác nó đo lường tính kiên định nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời.22 Phương pháp này cho phép người phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu, tức là loại bỏ những biến quan sát (mục hỏi) làm giảm sự tương quan giữa các mục hỏi.23 Trong kiểm định Cronbach’s Alpha, các biến quan sát có hệ số tương quan giữa biến và tổng (Corrected Item-Total Correlation) nhỏ hơn 0,3 sẽ bị loại bỏ ((Nunnally & Burnstein, 1994);[22,23] tiêu chuẩn chọn thang đo khi có hệ số Cronbach’s Alpha lớn hơn 0,6 (Nunnally & Burnstein, 1994)[22,23] là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995);[22,23] khi đó thang đo lường được xem là chấp nhận được và thích hợp để đưa vào những bước phân tích tiếp theo. Cũng theo nhiều nhà nghiên cứu, nếu Cronbach’s Alpha đạt từ 0,8 trở lên thì thang đo lường là tốt và mức độ tương quan sẽ càng cao; từ 0,7 đến 0,8 là sử dụng được. Tuy nhiên, nếu Cronbach’s Alpha quá cao (> 0,95) thì thang đo lường đó cũng không tốt vì các biến đo lường hầu như là một (Bagozzi & Edwards, De Vellis, 1991)22 hoặc có khả năng xuất hiện biến thừa (Redundant Items) ở trong thang đo, khi đó các biến thừa nên được loại bỏ.23 Phép kiểm định Cronbach Alpha góp phần giải quyết mục tiêu đó là, nghiên cứu xây dựng thang đo lường các nhân tố tác động đến sự hài lòng của người sử dụng dịch vụ cung cấp thông tin thống kê trên địa bàn tỉnh Hậu Giang.
3.3.3 Phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis)
Phân tích nhân tố khám phá được sử dụng trong trường hợp mối quan hệ giữa các biến quan sát và biến tiềm ẩn là không rõ ràng hay không chắc chắn. Phân tích EFA theo đó được tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ tương quan giữa các biến quan sát và các nhân tố cơ sở, cũng như sự phân biệt rõ ràng giữa các nhân tố,22 làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở. Các nhân tố cơ sở là tổ hợp tuyến tính của các biến mô tả bằng hệ phương trình sau:10
F1 = α11x1 + α12x2 + α13x3 + …. + α1PxP F2 = α21x1 + α22x2 + α23x3 + …. + α2PxP
Sử dụng phương pháp trích nhân tố Principal Axis Factoring với phép quay Promax (đối với các thang đo lường đa hướng – các biến tác động) vì theo Gerbing & Anderson (1988), phương pháp trích Principal Axis Factoring với phép xoay Promax (Oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay Varimax (Orthogonal).[1,21,22] Tuy nhiên với thang đo lường đơn hướng – biến bị tác động thì nên sử dụng phương pháp trích Principal Component Analysis vì phương pháp trích này sẽ làm cho tổng phương sai trích tốt hơn.22 Thang đo lường được chấp nhận khi thỏa mãn các điều kiện sau:
Tổng phương sai trích từ 0,5 trở lên (Gerbing & Anderson, 1988). [1,21,22]
Hệ số tải nhân tố (Factor loading) lớn nhất của mỗi biến (Item) phải lớn hơn hoặc bằng 0,5 vì theo Hair & ctg (1998), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích EFA (Ensuring Practical Significance). Factor loading lớn hơn 0,3 được xem là đạt mức tối thiểu; Factor loading lớn hơn 0,4 được xem là quan trọng; Factor loading lớn hơn hoặc bằng 0,5 được xem là có ý nghĩa thực tiễn. Tác giả này cũng có lời khuyên như sau: nếu chọn tiêu chuẩn Factor loading lớn hơn 0,3 thì cỡ mẫu ít nhất phải là n = 350; nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì Factor loading phải lớn hơn 0,75.22 Cỡ mẫu nghiên cứu của đề tài là n = 342 nên tiêu chuẩn của Factor loading được sử dụng là từ 0,5 trở lên.
Đồng thời, tại mỗi biến quan sát (Item) chênh lệch giữa hệ số tải nhân tố (Factor loading) lớn nhất và hệ số tải nhân tố bất kỳ phải từ 0,3 trở lên (Jabnoun & Al- Tamimi, 2003).22
Hệ số KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) là chỉ tiêu sử dụng để xem xét sự thích hợp của phân tích EFA, khi 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp.22
Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05) (Hair & ctg, 2006)29 thì các biến quan sát có tương quan với nhau trong tổng thể (Trọng & Ngọc, 2008)22. Phân tích nhân tố khám phá sẽ giải quyết được mục tiêu nghiên cứu đó là, xây dựng thang đo lường (đã qua phép kiểm định Cronbach Alpha).
3.3.4 Phân tích hồi quy tuyến tính đa biến
Mô hình hồi quy tuyến tính đa biến cho biết mối tương quan giữa từng biến độc lập (khái niệm nghiên cứu) với biến phụ thuộc (sự hài lòng) cũng như mối tương quan