CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.5 NGHIÊN CỨU ĐỊNH LƢỢNG
Trong nghiên cứu này, phương pháp lấy mẫu được chọn là lấy mẫu thuận tiện,
dữ liệu được thu thập thông qua các hình thức phỏng vấn trực tiếp và trả lời qua email.
3.5.2 Cỡ mẫu
Việc lựa chọn cở mẫu để phân tích nhân tố EFA) theo nguyên tắc cỡ mẫu tối thiểu là N ≥ 5*x với x là tổng số biến quan sát) Hair & đtg, 1998). Nghiên cứu này,
với tổng số biến quan sát được đề xuất là 22, như vậy số mẫu tối thiểu cần đạt được là 22x5 = 110 mẫu. Tác giả đã gửi đi 240 bảng câu hỏi và nhận được 223 hồi đáp, trong
đó có 204 bảng thỏa mãn yêu cầu và được sử dụng để phân tích. Tỷ lệ hồi đáp chủ yếu
là từ các bảng phỏng vấn trực tiếp, tỷ lệ hồi đáp qua email chỉ với 20 bảng câu hỏi, tương đối thấp.
3.5.3 Xử lý và phân tích dữ liệu
Dữ liệu sau khi được thu thập sẽ được mã hóa và thực hiện quá trình phân tích như sau:
3.5.3.1 Phân tích thống kê mô tả
Trong bước đầu tiên, tác giả sử dụng phân tích mô tả để phân tích các thuộc tính của mẫu nghiên cứu: đã biết hay chưa biết về DVTĐG, qua kênh thông tin nào, các thông tin cá nhân của người trả lời như độ tuổi, giới tính, thu nhập, …
3.5.3.2 Kiểm định và đánh giá thang đo
Tác giả tiến hành kiểm tra độ tin cậy thang đo nhằm để đánh giá thang đo các khái niệm trong nghiên cứu, bao gồm: 1) Phương pháp kiểm định phân tích Cronbach’s Alpha, hệ số tương quan biến - tổng Item-to-total correlation) giúp loại ra những biến quan sát không có ý nghĩa đóng góp vào việc mô tả khái niệm cần đo, hệ
số Cronbach’s alpha if Item Deleted để giúp đánh giá loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm cần đo; (2) Phương pháp phân tích nhân tố khám phá EFA) nhằm kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu. Các cách thức tiến hành cụ thể như sau:
Phân tích Cronbach’s Alpha: Một lưu ý quan trọng là công việc tiến hành
Cronbach alpha phải được thực hiện trước để loại bỏ các biến rác garbage items) trước khi thực hiện phân tích EFA, quá trình này giúp chúng ta tránh được các biến rác
vì các biến rác này tạo nên các nhân tố giả artifical factors) khi phân tích EFA (Churchill, 1979). Kỹ thuật Cronbach alpha phát hiện loại bỏ một số biến đo lường với tương quan biến tổng Item-total correlation) thấp < 0,3), lựa chọn hệ số Cronbach alpha trong khoảng [0,8 và 1) là thang đo tốt, Cronbach alpha trong khoảng [0,7 và 0,8] sử dụng được và Cronbach alpha từ 0,6 trở lên sử dụng được cho khái niệm trong bối cảnh nghiên cứu mới Peterson, 1994).
Phân tích nhân tố khám phá (EFA): Sau khi Phân tích Cronbach’s Alpha
loại bỏ các biến không đảm bảo độ tin cậy, phương pháp phân tích nhân tố EFA được
sử dụng để xác định độ giá trị hội tụ convergent validity), giá trị phân biệt (discriminant validity), đồng thời gom các tham số ước lượng theo từng nhóm biến các câu hỏi được sắp xếp phù hợp theo nhóm nhân tố). Một số tiêu chuẩn đo lường như sau: để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải đảm bảo lớn hơn ho c bằng 0,4; để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn ho c bằng 0,3; số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue - đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố - theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại
ra khỏi mô hình; tiêu chuẩn phương sai trích Variance explained criteria): Tổng phương sai trích phải lớn hơn 50%. Xem xét giá trị KMO: 0,5 < KMO < 1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu Gerbing & Anderson, 1988). Sử dụng phương pháp trích yếu tố Pricipal axis factoring với phép xoay Promax kappa = 4) và điểm dừng khi trích các yếu tố có Eigen values lớn hơn 1 đối với các biến quan sát đo lường
7 khái niệm thành phần tác động lên sự hài lòng của khách hàng sử dụng DVTĐG.
Theo phương pháp này phát hiện ra các thứ nguyên thành phần) tiềm ẩn trong dữ liệu gốc phát hiện cấu trúc). Việc chọn phép xoay Promax sẽ phản ảnh chính xác cấu trúc
dữ liệu tiềm ẩn hơn. Sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigen values lớn hơn 1 với các biến quan sát đo lường khái niệm sự hài lòng khách hàng.
3.5.3.3 Phân tích hồi quy đa biến
Sau khi hoàn tất việc phân tích đánh giá độ tin cậy thang đo sử dụng hệ số tin cậy Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo phân tích nhân tố khám phá EFA), các biến không đảm bảo độ giá trị hội tụ tiếp tục bị loại khỏi mô hình cho đến khi các tham số được nhóm theo các nhóm biến. Việc xác định mối quan hệ giữa các nhóm biến này cũng như xác định mối quan hệ giữa các nhóm biến độc lập yếu tố thành phần) và nhóm biến phụ thuộc sự hài lòng của khách hàng) trong mô hình nghiên cứu được thực hiện bằng phương pháp phân tích hồi quy bội.
Giá trị của biến mới trong mô hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của biến đó, giá trị của các thành phần được phần mềm SPSS tính một cách tự động từ giá trị trung bình có trọng số của các biến quan sát đã được chuẩn hóa. Tuy nhiên, trước khi tiến hành phân tích hồi quy, một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan nhằm kiểm định mối tương quan tuyến tính giữa các biến trong mô hình.
Phân tích tương quan
Kiểm định mối tương quan tuyến tính giữa các biến trong mô hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ ch t chẽ mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này mối tương quan tuyến tính càng ch t chẽ Gerbing & Anderson, 1988). Trong mô hình nghiên cứu này, để đạt được mục tiêu nghiên cứu thì kỳ vọng có mối tương quan tuyến tính ch t chẽ giữa biến phụ thuộc và các biến độc lập. Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan đến các biến được đưa vào trong mô hình.
Kiểm định các giả thuyết sử dụng phần mềm SPSS
Đánh giá độ phù hợp của mô hình hồi quy đa biến: R2, R2 hiệu chỉnh. Kiểm định giả thuyết về độ phù hợp của mô hình. Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy. Xác định mức độ ảnh hưởng của các yếu tố tác động đến sự hài lòng của khách hàng sử dụng DVTĐG , xác định mức độ ảnh hưởng cao thấp của các yếu tố khác trong mô hình nghiên cứu.
TÓM TẮT CHƯƠNG 3
Chương 3 trình bày phương pháp thực hiện nghiên cứu nhằm đạt được các mục tiêu đề ra. Quá trình này gồm hai bước: Bước 1, nghiên cứu định tính với kỹ thuật phỏng vấn sâu nhằm bổ sung và hiệu chỉnh các thang đo các biến trong mô hình. Bước
2, nghiên cứu định lượng thực hiện bằng cách phỏng vấn bằng bảng câu hỏi qua email
và trực tiếp. Sau đó dữ liệu sẽ được xử lý và phân tích bằng phần mềm SPSS 20.0 để kiểm định các thang đo và sự phù hợp của mô hình lý thuyết. Trong chương tiếp theo, tác giả sẽ trình bày kết quả phân tích dữ liệu, kết quả nghiên cứu bao gồm kết quả đánh giá thang đo, phân tích nhân tố khám phá, hồi quy đa biến và kiểm định giả thuyết.