CHƯƠNG 2 CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN LÝ LUẬN
3.3. Phương pháp phân tích dữ liệu
Các bước phân tích chuẩn bị để phân tích dữ liệu:
- Sau khi thu thập bảng trả lời, tiến hành làm sạch dữ liệu;
- Mã hóa thông tin trong bảng câu hỏi;
- Nhập liệu và xử lý dữ liệu bằng SPSS phiên bản 20.
- Tiến hành các phân tích thống kê mô tả dữ liệu, sau đó tiến hành:
(1) Đánh giá độ tin cậy thang đo thông qua hệ số Cronbach Alpha;
(2) Đánh giá độ giá trị thang đo bằng phân tích nhân tố khám phá EFA (Exploratory Factor Analysis);
(3) Phân tích tương quan, phân tích hồi qui đa biến và kiểm định các giả thuyết
(4) Phân tích ANOVA để so sánh sự khác biệt giữa các nhóm đối tượng sử dụng
(5) Thực hiện thống kê mô tả
3.3.1. Kiểm định thang đo 3.3.1.1. Phân tích thang đo bằng hệ số tin cậy Cronbach alpha
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach Alpha. Hệ số Cronbach Alpha được tính trước để loại các biến rác trước khi thực hiện EFA (Thọ, 2013). Hệ số tin cậy Cronbach Alpha chỉ cho biết các biến đo lường có liên kết với nhau hay không nhưng không cho biết biến nào cần loại bỏ đi và biến nào cần giữ lại.
Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang đo gồm (Nunnall & Bernstein, 1994; trích dẫn bởi Thọ, 2013):
- Hệ số tin cậy Cronbach Alpha: một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng từ 0.7 đến 0.8. Nếu cronbach α ≥ .60 là thang đo có thể chấp nhận được về mặt độ tin cậy
- Hệ số tương quan biến - tổng: các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0.3) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Cronbach Alpha đạt yêu cầu .
Dựa vào các thông tin trên, trong nghiên cứu này thực hiện đánh giá sơ bộ thang đo dựa theo các tiêu chí:
- Loại các biến có tương quan biến - tổng nhỏ hơn 0.3 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo).
- Chọn thang đo có độ tin cậy Cronbach Alpha lớn hơn 0.6
3.3.1.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá (EFA) là một phương pháp phân tích định lượng dung để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair, Anderson, Tatham, & Black, 1988).
Các tiêu chuẩn được áp dụng để phân tích nhân tố khám phá EFA bao gồm:
- Phân tích nhân tố được thực hiện với hệ số Kaiser-Meyer-Olkin (KMO) ≥ 0,5 và kiểm định Bartlett có ý nghĩa thống kê (Trọng & Ngọc, 2008). Các biến phải có hệ số chuyển tải Factor Loading > 0,5 (Hair và ctg, 1998). Điểm dừng khi Eigenvalue >1 và tổng phương sai trích > 50% (Anderson & Gerbing, 1988)
- Tiêu chuẩn Kaiser: loại bỏ những nhân tố kém quan trọng, chỉ giữ lại những nhân tố quan trọng có Eigenvalue không nhỏ hơn 1.0 (Garson, 2003), Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.
- Tiêu chuẩn phương sai trích: tổng phương sai trích không nhỏ hơn 50%
(Anderson & Gerbing, 1988).
- Phương pháp kiểm định thang đo bằng phân tích nhân tố khám phá EFA để loại dần các biến có trọng số (hay factor loading) nhỏ hơn 0.5. Theo Hair & ctg (1998), factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA.
Factor loading > 0.3 được xem là đạt được mức tối thiểu, factor loading > 0.4 được xem là quan trọng, còn factor loading > 0.5 được xem là có ý nghĩa thực tiễn.
3.3.2. Kiểm định mô hình 3.3.2.1. Phân tích tương quan
Phân tích tương quan để kiểm tra mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Giữa hai nhóm biến này có tồn tại mối quan hệ tuyến tính thì việc tiến hành phân tích hồi quy là phù hợp. Nếu các biến không tồn tại mối quan hệ tuyến tính (phi tuyến tính), kiểm định mối tương quan giữa các biến thông qua phân tích hồi quy là không phù hợp.
Trong mô hình nghiên cứu này, kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và biến độc lập, vì vậy phân tích tương quan để kiểm tra
mối tương quan giữa các biến độc lập và biến phụ thuộc. Đồng thời cũng xem xét mối tương quan giữa các biến độc lập với nhau để nhận dạng hiện tượng đa cộng tuyến trong quá trình phân tích hồi quy bội kế tiếp.
3.3.2.2. Phân tích hồi quy bội
Phương pháp phân tích hồi qui tuyến tính để kiểm định mối quan hệ nhân quả giữa các biến độc lập và phụ thuộc (Trọng & Ngọc, 2005);
Nghiên cứu thực hiện hồi quy bội theo phương pháp Enter: tất cả các biến đưa vào một lần và xem xét các kết quả thống kê liên quan.
Kiểm định giả thuyết, sử dụng phần mềm SPSS.
3.3.2.3. Phân tích phương sai
Tiến hành phân tích Anova để tìm ra sự khác biệt giữa các nhóm của biến thuộc tính (dạng biến định tính: giới tính, tuổi, vị trí công việc, thu nhập hộ gia đình, lương, tình trạng sức khỏe, tình trạng việc làm của vợ/chồng, số người phụ thuộc) ảnh hưởng đến biến thái độ ủng hộ đối với việc kéo dài tuổi nghỉ hưu.