CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.5. Nghiên cứu định lượng chính thức
3.5.1. Phương pháp chọn mẫu
Để đạt được các mục tiêu nghiên cứu đã đề ra ở phần mở đầu của đề tài, phương pháp chọn mẫu phi xác suất với hình thức chọn mẫu thuận tiện đã được sử dụng và được xem là hợp lý để tiến hành nghiên cứu đề tài này. Lý do để lựa chọn phương pháp chọn mẫu này vì người trả lời dễ tiếp cận, họ sẵn sàng trả lời bảng câu hỏi nghiên cứu cũng như ít tốn kém về thời gian và chi phí để thu thập thông tin cần thiết.
18
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005), lý do quan trọng khiến người ta sử dụng phương pháp chọn mẫu phi xác suất là tính tiết kiệm về chi phí và thời gian. Về mặt này thì phương pháp chọn mẫu phi xác suất vượt trội so với chọn mẫu xác suất.
3.5.2. Xác định kích thước mẫu
Theo Nguyễn Đình Thọ (2011), kích thước mẫu cần cho nghiên cứu phụ thuộc vào nhiều yếu tố như phương pháp xử lý, độ tin cậy cần thiết…Kích thước mẫu càng lớn thì càng tốt nhưng lại tốn chi phí và thời gian. Vì vậy, hiện nay hầu hết các nhà nghiên cứu xác định kích thước mẫu thông qua công thức kinh nghiệm.
Tác giả chọn công thức mẫu như sau 8P + 50 với P = 5 là các biến độc lập. Vậy số mẫu lớn hơn hoặc bằng 90.
3.5.3. Bảng câu hỏi - Phương pháp thu thập dữ liệu
Bảng câu hỏi:
Bảng câu hỏi được thiết kế theo hình thức trả lời chính là trả lời cho các câu hỏi đóng, lựa chọn mức độ đồng ý theo thang đo Likert 5 điểm
Bảng câu hỏi được thiết kế gồm hai phần như sau:
Phần I của bảng câu hỏi là các thông tin cá nhân của khách hàng
Phần II của bảng câu hỏi chính thức được thiết kế gồm 5 yếu tố được quan sát bởi 24 biến. Phương pháp thu thập dữ liệu:
Sau khi bảng câu hỏi được thiết kế sẽ được gửi tận tay các khách hàng hoặc trả lời trực tuyến. Để tiện cho việc thu thập dữ liệu trên mạng, tác giả đã thiết kế một bảng câu hỏi trực tuyến bằng cách sử dụng công cụ Google Documents. Cuối cùng, dữ liệu sẽ được tổng hợp lại và sàng lọc. Yêu cầu để sàng lọc cho 1 bảng câu hỏi là không có thiếu giá trị (missing value), có sử dụng dịch vụ 4G của viettel. Chỉ những bảng câu hỏi nào phù hợp với yêu cầu mới được đưa vào cơ sở dữ liệu.
3.5.4. Phân tích dữ liệu
Các dữ liệu sau khi thu thập sẽ được làm sạch và xử lý bằng phần mềm SPSS 20.0.
Một số phương pháp phân tích được sử dụng trong nghiên cứu như sau:
Kiểm tra độ tin cậy theo hệ số Cronbach’s Alpha
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thông qua
hệ số Cronbach’s Alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Thông thường, thang đo có Cronbach’s Alpha từ 0,7 đến 0,8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lường tốt (Hoàng Trọng
& Chu Nguyễn Mộng Ngọc)
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser- Meyer- Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân
tố có khả năng không thích hợp với các dữ liệu. Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng nhân tố. Số lượng nhân tố đƣợc xác định ở nhân tố (dừng ở nhân tố) có eigenvalue tối thiểu bằng 1. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không
có tác dụng tóm tắt thông tin tốt hơn một biến gốc (Nguyễn Đình Thọ, 2011).
Tác giả tiến hành phân tích EFA 2 lần theo 2 phương pháp khác nhau:
Lần 1, tác giả sử dụng phương pháp PCA (Principal Components Analysis) cùng với phép quay vuông góc Varimax vì phương pháp này trích được nhiều phương sai hơn phương pháp CFM (Nguyễn Đình Thọ, 2011). Kết quả phân tích này được sử dụng để phân tích hồi quy.
Lần 2, tác giả sử dụng phương pháp PAF (Principal Axis Factoring) cùng với phép quay không vuông góc Promax vì phương pháp này phản ảnh cấu trúc dữ liệu chính xác hơn phương pháp PCA (Nguyễn Đình Thọ, 2011). Kết quả này được sử dụng để phân tích CFA
24 Khi sử dụng EFA đánh giá thang đo, cần quan tâm đến trọng số nhân tố và tổng phương sai trích. Theo Nguyễn Đình Thọ (2010), trong thực tiễn nghiên cứu, trọng số nhân tố ≥ 0,5
và chênh lệch trọng số ≤ 0,3 là giá trị chấp nhận. Nếu không đạt 2 giá trị trên thì có thể loại biến đó ra khỏi thang đo. Tuy nhiên nhà nghiên cứu cần xem xét giá trị nội dung của nó trước khi quyết định loại bỏ hay không loại bỏ một biến đo lường. Cuối cùng, khi đánh giá kết quá EFA chúng ta cần xem xét phần tổng phương sai trích TVE. Thông thường TVE ≥ 50% là đạt (từ 60% trở lên là tốt)
Phân tích hồi quy
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra
thì biến này hầu như không có giá trị giải thích biến thiên của Y trong mô hình MRL. Tuy nhiên, trong thực tế, nếu VIF >2, chúng ta nên xem xét các hệ số tương quan của biến đó với biến phụ thuộc.
Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng. Và hệ số R2 đã được điều chỉnh (adjusted R square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào. Mục tiêu của nghiên cứu này là kiểm định lý thuyết khoa học nên sẽ sử dụng phương pháp đồng thời (phương pháp ENTER trong SPSS) để phân tích hồi quy (Nguyễn Đình Thọ, 2010, trang 500).