Dữ liệu sau khi thu thập được xử lý bằng phần mềm IBM SPSS 20 và IBM AMOS
20. Dữ liệu sau khi được mã hóa và làm sạch được phân tích thơng qua các bước sau:
● Đánh giá độ tin cậy của thang đo:
Trong nghiên cứu định lượng, khi thực hiện khảo sát ta sẽ tạo ra nhiều phát biểu được coi là các biến quan sát và sử dụng kết quả đo lường các biến quan sát để đánh giá. Tuy nhiên, không phải lúc nào các biến quan sát chúng ta đưa ra đều là chính xác và hợp lý. Vì vậy, Lee Cronbach đã xây dựng lên cơng cụ Cronbach’s Alpha mục đích là xem xét độ tương quan chặt chẽ của các biến quan sát trong cùng một nhân tố để xây dựng lên thang đo hoàn hảo. Sử dụng Cronbach’s Alpha trước khi phân tích nhân tố khám phá 25 EFA để loại các biến không phù hợp ảnh hưởng đến kết quả nghiên cứu.
Nếu các biến đo lường có hệ số tương quan biến tổng hiệu chỉnh (Corrected Item - Total Correlation) 0,3 thì biến đó đạt yêu cầu, < 0,3 thì cần phải loại biến và chạy lại kết quả (Nunnally & Bernstein, 1994). Hệ số Cronbach’s Alpha thường nằm trong đoạn từ 0 đến 1 nhưng về mặt độ tin cậy, thang đo có thể chấp nhận được phải có hệ số Cronbach’s Alpha ≥ 0,6. Cũng theo lý thuyết trên, hệ số này càng lớn thì độ tin cậy càng cao; tuy nhiên điều này là khơng hồn tồn đúng nếu Cronbach’s Alpha q lớn ( 0,95) thì các biến trong thang đo gần như là giống nhau về mặt ý nghĩa, chúng cùng đo lường một nội dung gây ra hiện tượng trùng lặp trong đo lường.
Phương pháp phân tích nhân tố khám phá (EFA) (cịn được gọi là EFA) cho phép chúng ta phân tích hai giá trị quan trọng: giá trị hội tụ của thang đo và giá trị phân biệt của nó. Nếu Cronbach's Alpha chỉ phân tích mối liên hệ giữa các biến của một nhân tố, chúng ta sẽ xem xét mối quan hệ giữa các biến ở tất cả các nhân tố khác nhau để tìm ra biến quan sát có nhân tố sai trong khi đánh giá nhân tố khám phá EFA. Sử dụng phép quay Promax kết hợp với mục tiêu của phép trích. Mục đích là để tìm các cấu trúc tiềm ẩn giữa các biến quan sát được. Bước sau đây là thực hiện phân tích CFA và xác thực mơ hình SEM để sự kết hợp nói trên sẽ phù hợp và thể hiện dữ liệu đúng hơn.
Kiểm tra hệ số KMO (Kaiser - Meyer - Olkin) phải từ 0,5 trở lên và nằm trong khoảng 0,5KMO1. Sử dụng kiểm định độ cầu của Bartlett để xác định xem các biến quan sát có được kết nối với nhau hay khơng, nếu giá trị sig Kiểm định Bartlett's 0.05, chúng ta suy ra rằng các biến quan sát có tương quan với nhau. Xác định số lượng các yếu tố cần được duy trì trong EFA bằng cách sử dụng tiêu chí Eigenvalue. Trong nghiên cứu, chỉ các yếu tố có Giá trị Eigen là 1 được giữ lại trong mơ hình. Tổng phương sai (Tổng phương sai được giải thích hoặc TVE) phải lớn hơn hoặc bằng 50% trước khi mơ hình EFA mới phù hợp. Factor Loading/hệ số tải nhân tố hay còn gọi là trọng số nhân tố biểu thị mối tương quan giữa các biến quan sát và nhân tố, khi trị tuyệt đối của hệ số tải càng cao thì tương quan giữa các biến quan sát với nhân tố càng lớn và ngược lại. Trị tuyệt đối 0,3 là điều kiện tối thiểu để các biến quan sát sẽ được giữ lại (Hair và công sự, 2014) hoặc chênh lệch giữa hai trọng số khi cùng đo lường một biến quan sát > 0,3 là giá trị chấp nhận.
3.4.5 Phương pháp mơ hình hồi quy
● Đây là một phương pháp thống kê dự đoán giá trị kỳ vọng của một hoặc nhiều biến ngẫu nhiên dựa trên trạng thái của các biến ngẫu nhiên khác.
● Phân tích hồi quy khơng chỉ đơn giản là đối sánh đường cong (chọn đường cong tốt nhất để phù hợp với tập hợp các điểm dữ liệu); nó cũng phải phù hợp với một mơ hình với các thành phần ngẫu nhiên và xác định.
● Hồi quy đôi khi được coi là một vấn đề tối ưu hóa vì chúng tơi cố gắng tìm ra câu trả lời tối ưu về sai số và phần dư. Phương pháp bình phương nhỏ nhất là phương pháp sai số được sử dụng rộng rãi nhất: Khi biết biến ngẫu nhiên (ẩn), kỹ thuật này tương ứng với một hàm hợp lý Gauss của dữ liệu quan sát. Theo một số cách, bình phương nhỏ nhất là phương pháp ước lượng tốt nhất: Xem thêm định lý Gauss-Markov.
Xét mối liên hệ tuyến tính giữa một biến phụ thuộc và một biến độc lập. Mơ hình được xây dựng từ dữ liệu mẫu có dạng đường thẳng như sau:
Ŷi = B0 + B1*X
Trong đó:
+ Xi : là trị quan sát thứ i của biến độc lập
+ Ŷi : là giá trị dự đoán (hay giá trị lý thuyết) thứ i của biến phụ thuộc, dấu mũ đại diện cho giá trị dự đoán.
+ B0 và B1 : là hệ số hồi quy. Phương pháp dùng để xác định B0 (tung độ của vị trí tại đó đường thẳng cắt trục tung) và B1 (độ dốc) là phương pháp bình phương nhỏ nhất thơng thường (OLS – Ordinary Least Square), nghĩa là ta phải tìm ra Ŷi sao cho
nó càng gần với giá trị thực (Yi) càng tốt. Đường thẳng được tìm ra dựa trên ngun tắc nó cực tiểu hóa tổng các độ lệch bình phương giữa tung độ của các điểm dữ liệu quan sát và đường thẳng.
Khi chỉ có một biến độc lập thì mơ hình hồi quy tuyến tính tổng thể có thể được mơ tả:
Yi = β0 + β1 * X + ei
+ β1, β0 : là các hệ số độ dốc và hằng số của tổng thể
+ ei : sai số thực, là chênh lệch giữa giá trị thực Yi quan sát được và giá trị dự báo (do ảnh hưởng của các yếu tố khác chưa nghiên cứu tới), tức là:
ei = (Y - Ŷi) = Yi – (β0 + β1) * X
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 4.1 Thống kê mô tả 4.1 Thống kê mô tả
“ Phần thống kê mô tả được thực hiện dựa vào 150 bản mẫu được nhóm lấy và qua phần chọn lọc bởi câu hỏi đầu nhóm thu được 113 mẫu trả lời. Vì vậy, cỡ mẫu của nghiên cứu này là 113.”
Bài nghiên cứu về phát triển game NFT khảo sát được chủ yếu là giới trẻ ở thành
phố Hồ Chí Minh, độ tuổi khảo sát giao động từ 18 đến 45. Với số lượng người tham gia khảo sát là 113, trong đó có 62,8% biết đến game NFT.
Đa số người tham gia khảo sát “biết” đến game NFT ( 62,8%) và có 37,2% người khơng biết gì về game NFT.
● Hành vi tham gia game NFT theo thói quen
Biểu hiện của người tham gia theo thói quen là họ khơng tìm hiểu nhà phát hành “ game, hay nội dung game và cách chơi game chi tiết. Họ chỉ tham gia game theo hình thức xu hướng hoặc theo trào lưu, họ sẽ quan tâm đến thể loại game nào đang hot, game được bạn bè giới thiệu, nên tiêu chí chọn game của những người này đơn giản.”
● Hành vi lựa chọn game có chọn lọc
Hành vi lựa chọn game chó chọn lọc là học thường xun có nhu cầu tìm kiếm các loại mơ hình game phù hợp với nhu cầu của bản thân. Họ thường hay tìm hiểu rõ về game: cách chơi, nội dung, nhà sản xuất game,…Những game mới lạ thường là lựa chọn của những game thủ này.
Game NFT là loại game mới gần đây ở Việt Nam, nó khác các loại game truyền thống, nên việc tham gia mơ hình game NFT buộc người chơi phải tìm hiểu những thông tin cần thiết về game trước khi bắt đầu chơi.
62.80%37.20% 37.20%
Hình 1: Số lượng người biết đến game NFT ( n=113)
Biếết Không biếết
Nam Nữ
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Hình 2: Số lượng người về giới tính nam và nữ biết đến game NFT ( n=113)