CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
3.6. PHƯƠNG PHÁP KIỂM ĐỊNH MÔ HÌNH
Sau khi đã xây dựng thang đo và lập được bảng khảo sát chính thức, nghiên cứu tiến hành thực hiện các cuộc thăm dò trực tuyến thông các thiết bị kết nối Internet với cỡ mẫu là 212. Các dữ liệu sau khi đã thu thập sẽ được lượng hóa thành các số liệu cụ thể. Tác giả sử dụng các công cụ hỗ trợ như phần mềm Excel, SPSS 20.0 để xử lý dữ liệu và phân tích kết quả.
3.6.1. Phương pháp thống kê mô tả (Descriptive Statistics)
Mô tả dữ liệu là một phần thiết yếu của phân tích thống kê nhằm cung cấp một bức tranh hoàn chỉnh về dữ liệu trước khi chuyển sang các phương pháp nâng cao. Loại phương pháp thống kê được sử dụng cho mục đích này được gọi là thống kê
mô tả. Chúng bao gồm cả số (ví dụ: trung bình, chế độ, phương sai…) và các công
cụ đồ họa (ví dụ: biểu đồ, boxplot…) cho phép tóm tắt một tập hợp dữ liệu và trích xuất thông tin quan trọng như xu hướng trung tâm và phân tán. Hơn nữa, chúng ta
có thể sử dụng chúng để mô tả sự liên kết giữa một số biến.
3.6.1.1. Phân tích thống kê mô tả
Phân tích thống kê mô tả là quá trình xử lý một tập dữ liệu thô thành các hệ số
mô tả ngắn gọn, tóm tắt một tập dữ liệu nhất định. Thống kê mô tả được chia thành các biện pháp của xu hướng trung tâm và các biện pháp biến đổi (lây lan). Các biện pháp của xu hướng trung tâm bao gồm giá trị trung bình, trung vị và chế độ, trong khi các biện pháp biến thiên bao gồm độ lệch chuẩn, phương sai, các biến tối thiểu
và tối đa, và độ nhiễu và độ lệch. Tuy nhiên, thống kê mô tả không cho phép đưa ra kết luận ngoài dữ liệu đã phân tích hoặc đưa ra kết luận về bất kỳ giả thuyết nào.
3.6.1.2. Phân tích tần số (Frequency Table)
Bảng tần số thường được sản xuất trên các biến riêng lẻ. Đối với dữ liệu phân loại, bảng ghi lại số lượng quan sát (tần số) cho mỗi giá trị duy nhất của biến. Đối với dữ liệu liên tục, bạn phải chỉ định một tập hợp các khoảng. Bảng tần số ghi lại
số lượng quan sát rơi trong mỗi khoảng.
3.6.2. Phương pháp hệ số tin cậy Cronbach Alpha
Kiểm định Cronbach’s Alpha là kiểm định nhằm phân tích, đánh giá độ tin cậy của thang đo.
Hệ số tương quan biến tổng là hệ số cho biến mức độ “liên kết” giữa một biến quan sát trong nhân tố với các biến còn lại. Nó phản ánh mức độ đóng góp vào giá trị khái niệm của nhân tố của một biến quan sát cụ thể. Tiêu chuẩn để đánh giá một biến có thực sự đóng góp giá trị vào nhân tố hay không là hệ số tương quan biến tổng phải lớn hơn 0,3. Nếu biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3 thì phải loại nó ra khỏi nhân tố đánh giá.
Hệ số Cronbach’s Alpha là hệ số cho phép đánh giá xem nếu đưa các biến quan sát nào đó thuộc về một biến nghiên cứu (biến tiềm ẩn, nhân tố) thì nó có phù hợp không. Hair et al (2006) đưa ra quy tắc đánh giá như sau:
𝐶/𝐴 < 0,6: Thang đo nhân tố là không phù hợp (có thể trong môi trường nghiên cứu đối tượng không có cảm nhận về nhân tố đó)
0,6 < 𝐶/𝐴 < 0,7: Chấp nhận được với các nghiên cứu mới
0,7 < 𝐶/𝐴 < 0,8: Chấp nhận được
0,8 < 𝐶/𝐴 < 0,95: Tốt
𝐶/𝐴 ≥ 0,95: Chấp nhận được nhưng không tốt, nên xét các biến quan sát có thể có hiện tượng “trùng biến”. Tức là có khả năng xuất hiện biến quan sát thừa ở trong thang đo. Nó tương tự như trường hợp đa cộng tuyến trong hồi quy, khi đó biến thừa nên được loại bỏ.
3.6.3. Phân tích nhân tố khám phá EFA
Mô hình hồi quy tuyến tính phân tích nhân tố khám phá (EFA) là một phương pháp thống kê đa biến được thiết kế để tạo thuận lợi cho việc định nghĩa các biến tiềm ẩn được cho là nền tảng và đưa ra các mô hình tương quan trong các miền mới của các biến số biểu hiện. Khả năng trí tuệ, đặc điểm tính cách và thái độ xã hội là các lớp nổi tiếng của các biến tiềm ẩn là sản phẩm của nghiên cứu phân tích nhân
tố. EFA sử dụng nhiều lý thuyết hồi quy và tương quan từng phần để mô hình các
bộ biến số biểu hiện hoặc quan sát theo các hàm tuyến tính của các bộ biến khác tiềm ẩn hoặc không quan sát được.
Lấy kết quả mô hình Cronbach’s Alpha tiến hành đánh giá mức độ tương quan của các biến bằng cách tiến hành chạy SPSS 20.0 lần nữa.
- Hệ số KMO (Kaiser-Meyer-Olkin): 0,5 ≤ KMO ≤ 1, phân tích nhân tố thích hợp với dữ liệu nghiên cứu.
- Kiểm định Bartlett: (Sig.< 0,5) xem xét các biến có tương quan với nhau.
- Hệ số tải nhân tố (Factor Loading) > 0,4, nếu biến quan sát nào có hệ số nhỏ hơn 0,4 sẽ bị loại.
- Phần trăm phương sai toàn bộ (Percentage of variance) >50%: đạt yêu cầu
và giải thích rằng 1 nhân tố này phải thích cho % biến thiên của dữ liệu.
3.6.4. Phân tích hồi quy đa biến
Phân tích hồi quy đa biến được thực hiện sau đó để xác định các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ ví điện tử trên địa bàn tỉnh Vĩnh Long, đồng thời kiểm định các giả thuyết nghiên cứu. Để nhận diện các nhân tố mô hình hồi quy bội được xây dựng có dạng:
Y = f(f1, f2, …, fn)
Trong đó:
Biến phụ thuộc (Y là ý định sử dụng ví điện tử trên địa bàn tỉnh Vĩnh Long
f1, f2, …, fn là biến độc lập, đại diện cho nhóm các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ ví điện tử trên địa bàn tỉnh Vĩnh Long.
Các kiểm định tự tương quan, đa cộng tuyến, phương sai thay đổi được thực hiện nhằm xác định mô hình thu được tốt nhất. Kiểm định hệ số hồi quy được thực hiện để kiểm định các giả thuyết nghiên cứu.
TÓM TẮT CHƯƠNG 3
Trong chương này, tác giả trình bày về giả thuyết nghiên cứu, mô hình nghiên
cứu và quy trình nghiên cứu. Đã xây dựng được thang đo và chỉ ra các phương pháp
nghiên cứu. Bài nghiên cứu thu thập dữ liệu sơ cấp và thứ cấp với quy mô mẫu tối
thiểu n = 115 phiếu với cách thức chọn mẫu thuận tiện được tác giả sử dụng trong
nghiên cứu. Việc xây dựng thang đo và bảng câu hỏi cùng phương pháp xử lý dữ
liệu sẽ được chạy bằng phần mềm SPSS 20.0. Thang đo Likert 5 cấp độ được tác
giả xây dựng với 20 biến quan sát và 5 biến độc lập, 1 biến phụ thuộc với 3 biến
quan sát. Cách thức kiểm định thang đo bằng độ tin cậy Cronbach’s Alpha, phương
pháp EFA để tìm sự tương quan, cách thức xây dựng mô hình hồi quy và kiểm tra
hiện tượng đa cộng tuyến của mô hình cũng được nêu ra trong chương này.