2.3 PH¯¡NG PHÁP NGHIÊN CĄU ĐàNH L¯þNG .1 Mô hình nghiên c ą u chính th ą c
2.3.4 Ph°Âng phỏp phõn tớch dā liòu
Để phân tích dữ liáu, tác giÁ sử dăng phần mÃm SPSS24 để mã hóa và làm s¿ch dữ liáu, bên c¿nh đó còn phân tích các b°ãc nh° thãng kê mô tÁ, kiểm đánh đá tin cậy cąa thang đo và phân tích nhân tã khám phá EFA. Sau đó, các thang đo đ¿t chu¿n s¿ đ°āc đ°a vào phần mÃm Amos 24 để tiÁn hành các b°ãc phân tích nhân tã khẳng đánh CFA và kiểm đánh mô hình cÃu trúc tuyÁn tính SEM để kiểm đánh giÁ thuyÁt. Că thể, tác giÁ tiÁn hành các b°ãc phân tích sau:
Thỗng kờ mụ tÁ:
Thóng kờ mụ tÁ là viỏc mụ tÁ dữ liỏu bằng cỏc phộp tớnh và cỏc chò só thóng kờ thụng th°ồng nh° só trung bỡnh, só trung vỏ, ph°Âng sai, đỏ lỏch chu¿n,& Thực hián thãng kê mô tÁ nhằm măc đích thãng kê đ°āc tần suÃt, phần trăm các thông tin cỏ nhõn cąa khỏch hàng đỏnh giỏ để đỏnh giỏ đ°āc đặc điểm cąa ng°ồi trÁ lồi bÁng câu hái khÁo sát và kiểm đánh sự khác biát trong mćc đá đánh giá cąa các nhóm.
Trong nghiờn cću này, tỏc giÁ muón thóng kờ mụ tÁ và cỏc yÁu tó nhõn kh¿u hòc: đỏ tuổi, giãi tính, nghà nghiáp, thu nhập cąa đãi t°āng khÁo sát và thãng kê trung bình cho các nhóm nhân tã sử dăng
KiÃm đánh đá tin cÃy căa thang đo:
Đánh giá há sã tin cậy Cronbach9s Alpha: Măc đích Ph°¢ng pháp này cho phép phân tích nhằm tìm ra những măc câu hái cần giữ l¿i và những măc câu hái cần bỏ đi trong cỏc măc đ°a vào kiểm tra (Hoàng Tròng và Chu Nguyòn Mỏng Ngòc, 2008). Hay nói cách khác là giúp lo¿i đi những biÁn quan sát, những thang đo không đ¿t. Các biÁn quan sát có há sã t°¢ng quan biÁn tổng (Corrected Item-Total Correlation) nhỏhÂn 0,3 s¿ bỏ lo¿i và tiờu chu¿n chòn thang đo khi hỏ sóCronbach9s Alpha từ 0,6 trở lên.
NhiÃu nhà nghiên cću đồng ý rằng khi Cronbach9s Alpha từ 0,8 trở lên đÁn gần 1 thỡ thang đo l°ồng tót, từ 0,7 đÁn gần 0,8 là sử dăng đ°āc. Cũng cú nhà nghiờn cću đà nghỏ rằng Cronbach9s Alpha từ 0,6 trở lờn là cú thể sử dăng đ°āc trong tr°ồng hāp khỏi niỏm đang đo l°ồng là mói hoặc mói đói vói ng°ồi trÁ lồi trong bói cÁnh nghiờn cću (Hoàng Tròng và Chu Nguyòn Mỏng Ngòc, 2008).
Phõn tớch nhõn tỗ khỏm phỏ EFA
Phân tích nhân tã đ°āc sử dăng chą yÁu để đánh giá giá trá hái tă và giá trá phân biát. Ph°¢ng pháp này rÃt có ích cho viác xác đánh tập hāp biÁn cần thiÁt cho vÃn đà nghiên cću và đ°āc sử dăng để tìm mãi quan há giữa các biÁn vãi nhau. Trong
phõn tớch nhõn tó EFA, cỏc nhà nghiờn cću th°ồng quan tõm đÁn mỏt só tiờu chu¿n bao gồm:
Chò só KMO (Kaiser-Meyer-Olkin measure of sampling adequacy): là mỏt chò sã đ°āc dùng để xem xét sự thích hāp cąa phân tích nhân tã. Trá sã cąa KMO lãn (giữa 0,5 và 1) là điÃu kiỏn đą để phõn tớch nhõn tó là thớch hāp. NÁu chò só KMO
nháh¢n 0,5 thì phân tích nhân tã có khÁnăng không thích hāp vãi các dữ liáu. Kiểm đánh Bartlett9s (trong phân tích nhân tã, cần kiểm đánh mãi t°¢ng quan cąa các biÁn vãi nhau (H0: các biÁn không có t°¢ng quan vãi nhau trong tổng thể). NÁu giÁ thuyÁt H0 không đ°āc bác bá thì phân tích nhân tã có khÁ năng không thích hāp. NÁu kiểm đánh này có ý ngh*a (sig. <0.05) thì các biÁn quan sát có t°¢ng quan vãi nhau trong tổng thể (Hoàng Tròng và Chu Nguyòn Mỏng Ngòc, 2008).
Hỏ só tÁi nhõn tó hay tròng só nhõn tó (Factor loadings): là những hỏ sót°Âng quan đ¢n giữa các biÁn và các nhân tã, há sã này g 0,5 (Hair et al, 1998)
Thang đo đ°āc chÃp nhận khi tổng ph°¢ng sai trích lãn h¢n 50% (Hoàng Tròng và Chu Nguyòn Mỏng Ngòc, 2008). Ph°Âng phỏp trớch <Principal Component Analysis= đ°āc sử dăng trong phân tích nhân tãthang đo các thành phần đác lập.
Hỏ sóeigenvalue (đ¿i diỏn cho phần biÁn thiờn đ°āc giÁi thớch bởi mòi nhõn tã) lãn h¢n 1.
Khác biát há sã tÁi nhân tã cąa mát biÁn quan sát giữa các nhân tã g 0,3 để đÁm bÁo giá trá phân biát giữa các nhân tã.
Phõn tớch nhõn tỗ khÁng đỏnh CFA
Từ kÁt quÁ EFA, các biÁn tiÃm ¿n đã hình thành, mãi quan há giữa các biÁn
quan sát và các biÁn tiÃm ¿n này cũng đã ro ràng. Viác khám phá ra mãi quan há này là c¢ sở để nghiên cću thực hián CFA. Viác thực hián ph°¢ng pháp CFA s¿ kiểm đánh các nái dung:
- Tính đ¢n h°ãng (Undimensionality): Để đÁm bÁo tính đ¢n h°ãng cho tập biÁn quan sỏt thỡ điÃu kiỏn cần và đą là mụ hỡnh đo l°ồng phự hāp vói dữ liỏu thu đ°āc từ khÁo sỏt, trừ tr°ồng hāp cỏc sai só cąa cỏc biÁn quan sỏt cú t°Âng quan vói nhau (Hair và ctg, 2010). Đá phù hāp cąa dữ liáu thu đ°āc vãi mô hình nghiên cću cú thể đ°āc đỏnh giỏ thụng qua kiểm đỏnh Chi-bỡnh ph°Âng; CMIN/df; cỏc chò só CFI, GFI, TLI và RMSEA vãi các tiêu chí đánh giá că thểnh° sau:
+ Chi-bình ph°¢ng/bậc tự do (CMIN/df) nháh¢n 2 + CFI (Comparative fit index) trong đo¿n [0,9;1]
+ GFI (Good of Fitness Index) trong đo¿n [0,9;1] Tuy nhiên nÁu GFI < 0,9 vÁn có thểđ°āc chÃp nhận nÁu chênh lác này không quá lãn (Hair và ctg, 2010)
+ TLI (Tucker & Liwis index) trong đo¿n [0,9;1]
+ RMSEA (Root mean square error approximation) nháh¢n 0,8
- Đá tin cậy (Reliability) thang đo: Thang đo cần đ°āc đánh đ°āc đá tin cậy.
Để kiểm đánh đá tin cậy, nghiên cću đánh giá há sã tÁi chu¿n hóa (Standardized Loading Estimates) và đá tin cậy tổng hāp (Composite Reliability - CR). Trong đó, há sã tÁi chu¿n hóa phÁi lãn h¢n hoặc bằng 0,5 (lý t°ởng nhÃt là lãn h¢n hoặc bằng 0,7), đồng thồi CR phÁi lón hÂn hoặc bằng 0,7.
- Giá trá hái tă (Convergent Validity): Để kiểm đánh tính hái tă cąa thang đo, nghiên cću đánh giá dựa vào giá trá ph°¢ng sai trung bình đ°āc trích (Average Variance Extracted - AVE). Tiờu chớ đỏnh giỏ là tÃt cÁ cỏc chò só AVE phÁi lón hÂn hoặc bằng 0,5.
- Giá trá phân biát (Discriminant Validity): là khái niám đà cập đÁn mćc đá khỏc biỏt cąa cỏc biÁn quan sỏt. Để đ¿t đ°āc tớnh phõn biỏt, cỏc chò só ph°Âng sai riờng lón nhÃt (Maximum Share Variance 3 MSV) phÁi nhỏhÂn chò só AVE t°Âng ćng. Đồng thồi cỏc chò sócăn bậc hai cąa ph°Âng sai trung bỡnh đ°āc trớch (Square
Root of AVE 3 SQRTAVE) phÁi lón hÂn cỏc chò só t°Âng quan cÃu trỳc nỏi t¿i (Inter-Construct Correlations).
Phân tích mô hình cÃu trúc tuy¿n tính SEM
SEM đ°āc sử dăng để kiểm đánh các giÁ thuyÁt nghiên cću thông qua mô tÁ các mãi quan há giữa các nhân tã. Theo Shah và Goldstein (2006) <SEM là kỹ thuật để xác đánh, °ãc tính và đánh giá các mô hình mãi quan há tuyÁn tính giữa mát tập hāp các biÁn quan sát=. Thông qua SEM, ta có thể kiểm đánh nhiÃu d¿ng mô hình khỏc nhau, từ mụ hỡnh hồi quy (chò gồm mỏt biÁn phă thuỏc và nhiÃu biÁn đỏc lập tỏc đỏng lờn biÁn phă thuỏc đú) đÁn mụ hỡnh đ°ồng dÁn (cú thể giÁi thớch cỏc mói
quan hỏ phćc t¿p, xửlý cỏc nhúm ph°Âng trỡnh hồi mỏt cỏch đồng thồi). Nhỡn ở mỏt góc đá khác, viác phân tích SEM cũng h°ãng đÁn viác xác đánh mô hình lý thuyÁt có đ°āc ąng há bởi bá dữ liáu đã thu thập đ°āc. Đểđánh giá vÃn đà này, nghiên cću sử dăng cỏc chò só và tiờu chớ t°Âng tự nh° viỏc đỏnh giỏ đỏ phự hāp khi phõn tớch CFA, că thể là: kiểm đỏnh Chi-bỡnh ph°Âng; CMIN/df; cỏc chò só CFI, GFI, TLI và RMSEA vãi các tiêu chí:
+ Kiểm đánh Chi-bình ph°¢ng (CMIN) có trá sã p lãn h¢n 0,05 + Chi-bình ph°¢ng/bậc tự do (CMIN/df) nháh¢n 2
+ CFI (Comparative fit index) trong đo¿n [0,9;1]
+ GFI (Good of Fitness Index) trong đo¿n [0,9;1] Tuy nhiên nÁu GFI < 0,9 vÁn có thểđ°āc chÃp nhận nÁu chênh lác này không quá lãn (Hair và ctg, 2010)
+ TLI (Tucker & Liwis index) trong đo¿n [0,9;1]
+ RMSEA (Root mean square error approximation) nhá h¢n 0,8
Đồng thồi, khi cỏc tiờu chớ đỏnh giỏ sự phự hāp cąa mụ hỡnh vói dữ liỏu nghiờn cću đ°āc tháa mãn, các °ãc l°āng t°¢ng quan cąa các mãi quan há giữa các nhân tã trong mụ hỡnh nghiờn cću lý thuyÁt cũng đồng thồi đ°āc kiểm đỏnh. Từ đú, cỏc giÁ
thuyÁt nghiên cću đã đặt ra có thể có đầy đą bằng chćng đểđ°a đÁn các kÁt luận că thể (chÃp nhận hay bác bá).