CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.4 Kỹ thuật phân tích dữ liệu thống kê
Bảng câu hỏi sau khi đã phỏng vấn, hiệu chỉnh và mã hóa sẽ được nhập dữ liệu vào máy. Dữ liệu sau khi sau khi nhập xong ở dạng một ma trận được gọi là ma trận dữ liệu. Ma trận dữ liệu chứa đựng tất cả các trả lời đã được mã hóa của toàn bộ mẫu và được đưa vào phần mềm SPSS 18.0 để tiến hành phân tích.
3.4.1 Đánh giá thang đo
a) Đánh giá tính đơn hướng thang đo
Tính đơn hướng của thang đo được kiểm định bằng cách chạy phân tích nhân tố khám phá EFA cho từng thang đo. Một thang đo được gọi là đơn hướng khi thỏa mãn 3 điều kiện:
1) Kết quả phân tích nhân tố ra một nhân tố duy nhất 2) Nhân tố giải thích được hơn 50% độ biến thiên (varriance) của tập dữ liệu 3) Các biến có hệ số tải lớn hơn hoặc bằng 0.5
b) Đánh giá độ tin cậy thang đo
Độ tin cậy các thang đo thông qua: (1) phân tích Cronbach’s Alpha và (2) phân tích nhân tố khám phá EFA.
Phân tích Cronbach’s Alpha: Một biến được gọi là đảm bảo độ tin cậy
Cronbach’s Alpha khi thỏa hai điều kiện:
1) Hệ số tương quan biến–tổng lớn hơn hoặc bằng 0.3.
2) Hệ số Alpha lớn hơn hoặc bằng 0.6 (Nunnally & Bernstein, 1994, trích từ Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2008).
Phân tích nhân tố khám phá EFA: Nghiên cứu sử dụng Barlett’s Test để kiểm
định giả thuyết H0 là các biến không có tương quan với nhau trong tổng thể, hệ số
KMO (Kaiser – Mayer – Olkin) để kiểm tra xem dữ liệu có phù hợp với phân tích nhân tố khám phá EFA hay không? Điều kiện đủ để phân tích EFA là thích hợp khi hệ số KMO lớn hơn hoặc bằng 0.5. Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.. Dựa trên kết quả phân tích nhân tố khám phá EFA đánh giá:
1) Độ giá trị hội tụ thang đo 2) Độ giá trị phân biệt thang đo 3) Thang đo được chấp nhận khi tổng phương sai trích lớn hơn hoặc bằng
50% (Gerbing & Anderson 1988, trích từ Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2008).
3.4.2 Kiểm định mô hình nghiên cứu
a) Phân tích tương quan
Phân tích tương quan sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập cũng như giữa các biến độc lập với nhau.
Trong nghiên cứu này, phân tích tương quan Pearson’s được sử dụng để lượng hóa mức độ chặt chẽ của mối liên hệ giữa sự hài lòng của khách hàng và các nhân tố tác động đến sự hài lòng của khách hàng cũng như mối quan hệ giữa các nhân tố này với nhau.
b) Phân tích hồi quy
Phân tích hồi quy đa biến sẽ cho thấy cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Trong nghiên cứu này, phương pháp bình phương nhỏ nhất thông thường OLS với biến phụ thuộc là sự hài lòng của khách hàng và các biến độc lập được phân tích bằng phương pháp đưa vào cùng một lúc (Enter). Biến độc lập là các biến đã được điều chỉnh sau khi thực hiện đánh giá thang đo.
Trong phân tích hồi quy, độ phù hợp của mô hình sẽ được đánh giá thông qua hệ số xác định R2 điều chỉnh và kiểm định thông qua kiểm định F, kiểm định t.
Kiểm định F trong bảng phân tích phương sai là xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp của các biến độc lập hay không – Giả thuyết H0 là tất cả các hệ số hồi quy riêng phần đều bằng nhau và bằng 0: β1 = β2 = … = βk =0.
Kiểm định t là kiểm định giả thuyết về ý nghĩa của hệ số hồi quy để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc. Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0 với độ tin cậy 95%.
Giả định về sai số thực e là biến ngẫu nhiên, độc lập, có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi б2.
Công cụ chẩn đoán phát hiện sự tồn tại của đa cộng tuyến trong tập dữ liệu và đánh giá mức độ cộng tuyến làm thoái hóa các tham số ước lượng là độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai VIF.
c) Kiểm định các giả thuyết
Dựa trên các kết quả phân tích hồi quy, các giả thuyết nghiên cứu sẽ được kiểm định và rút ra kết luận, giả thuyết nào sẽ được chấp nhận, giả thuyết nào sẽ bị bác bỏ.
3.4.3 Phân tích phương sai(ANOVA)
Phân tích phương sai ANOVA là dùng một biến yếu tố để phân loại các quan sát thành các nhóm khác nhau. Các bước trong thủ tục kiểm định ANOVA gồm:
1) Kiểm định độ đồng nhất của phương sai giữa các nhóm nhân tố (kiểm định Levene test) với mức ý nghĩa lớn hơn 0.05;
2) Tiếp tục kiểm định ANOVA và kiểm định phi tham số Mann-Whiteney được thực hiện nếu như yếu tố phân tích có 2 nhóm.
3) Tiếp tục kiểm định ANOVA và kiểm định phi tham số Kruskal – Wallis được thực hiện nếu như yếu tố phân tích có 3 nhóm trở lên.