CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Phân tích dữ liệu định lượng
Dữ liệu được xử lý bằng phần mềm SPSS 18.0. Sau khi mã hóa và nhập liệu, dữ liệu được làm sạch và phân tích với các phương pháp: Thống kê mô tả (mẫu khảo sát), Cronbach’s Alpha (xác định độ tin cậy của thang đo), phân tích nhân tố khám phá (EFA), phân tích tương quan hồi quy (kiểm định mô hình nghiên cứu), và phân tích ANOVA (xác định sự khác biệt về ảnh hưởng).
3.4.1 Hệ số tin cậy Cronbach’s Alpha
Hệ số tin cậy Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi (biến quan sát) trong thang đo tương quan với nhau, nhưng lại không cho biết mục hỏi nào cần bỏ đi và mục hỏi nào cần giữ lại. Khi đó việc tính toán hệ số tương quan biến – tổng giúp loại ra những mục hỏi không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Các biến có hệ số tương quan biến – tổng nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có hệ số tin cậy Cronbach’s Alpha từ 0,6 trở lên (Nunnally & Bernstein, 1994, trích từ Nguyễn Thị Mai Trang & Nguyễn Đình Thọ, 2008); hệ số tin cậy Cronbach’s Alpha lớn hơn 0,8 cho thấy thang đo là tốt; hệ số tin cậy Cronbach’s Alpha từ 0,7 đến 0,8 cho thấy thang đo là sử dụng được; hệ số tin cậy Cronbach’s Alphatừ 0,6 trở lên cho thấy thang đo có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Staler, 1995; trích từ Hoàng Trọng &
Chu Nguyễn Mộng Ngọc, 2005).
3.4.2Phân tích nhân tố khám phá EFA
Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) thực hiện với các biến đạt yêu cầu về hệ số in cậy Cronbach Alpha. Sử dụng phương pháp trích yếu tố (Principle Component Analysis) với phép xoay Varimax để tìm ra các nhân tố đại diện cho các biến và điểm dừng khi trích các yếu tố có giá trị Eigenvalues
40
bằng 1. Các biến có trọng số nhân tố (hệ số chuyển tải) nhỏ hơn 0,5 bị loại và tổng phương sai trích được lớn hơn hoặc bằng 50% cho thấy thang đo được chấp nhận (Gerbing & Anderson, 1998; trích từ Nguyễn Thị Mai Trang & Nguyễn Đình Thọ, 2008).
Việc phân tích nhân tố được thực hiện với các đại lượng, bao gồm:
- Kiểm định Barlett: Kiểm tra sự tương quan giữa các biến. Giá trị Sig (mức ý nghĩa thống kê) dưới 0,05 cho thấy các biến có tương quan với nhau (Hair et al., 1995).
- Phép đo KMO (Kaiser-Meyer-Olkin): Đo lường sự tương quan qua lại giữa các biến và sự phù hợp của mô hình để áp dụng phương pháp phân tích nhân tố. Hệ số KMO có giá trị trong khoảng 0 đến 1. Hệ số KMO lớn hơn 0,5 cho thấy dữ liệu được xem là phù hợp để tiến hành phân tích nhân tố (Hair et al., 1995).
- Eigenvalue: Tổng bình phương các trọng số của các biến trên một nhân tố, đại diện cho mức độ biến động được giải thích bởi một nhân tố. Giá trị Eigenvalue của các nhân tố được chọn nên từ 1 trở lên (Hair et al., 1995).
- Hệ số tải nhân tố: Còn gọi là hệ số tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc(2005) thì thang đo đạt giá trị hội tụ khi hệ số này lớn hơn 0,5 trong một nhân tố. Để thang đo đạt giá trị phân biệt giữa các hệ số tải nhân tố thì hệ số này ít nhất phải bằng 0,3.
3.4.3 Phân tích hồi qui kiểm định mô hình và các giả thuyết
Phân tích hồi qui được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập. Các đại lượng trong phương trình hồi quy gồm:
- Hệ số Beta: Hệ số hồi qui chuẩn hoá cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
- Hệ số R2 hiệu chỉnh: Phản ánh mức độ phù hợp của mô hình hồi qui đa biến. Hệ số này có thể thay đổi từ 0 đến 1.
41
- Đa cộng tuyến: Mô tả mối quan hệ tuyến tính giữa hai hay nhiều biến độc lập.
Hai biến độc lập được xem là tuyến tính hoàn toàn nếu hệ số tương quan giữa chúng là 1 và hoàn toàn không quan hệ tuyến tính nếu hệ số tương quan giữa chúng là 0. Đa cộng tuyến xảy ra khi một biến độc lập nào đó tương quan mạnh với một nhóm biến độc lập khác. Hệ số tương quan Pearson và độ chấp nhận Tolerance được tính để kiểm tra hiện tượng đa cộng tuyến(các hệ số tương quan giữa các biến độc lập phải nhỏ hơn 0,4 và hệ số Tolerance của các biến phải gần bằng 1); hệ số phóng đại phương sai càng gần 1 càng tốt và không quá 10 thì không có hiện tượng đa cộng tuyến.
- Hệ số tương quan r: Chỉ mối quan hệ giữa biến phụ thuộc và các biến độc lập.
Dấu của hệ số tương quan chỉ hướng của mối quan hệ này. Giá trị của r có thể thay đổi từ -1 đến +1.
- Hằng số hồi qui b0: Giá trị của cột Y khi đường tuyến tính Y = b0 + b1*X1 cắt cột này. Hằng số hồi qui thể hiện các tác động của tất cả các biến dự báo khác không được bao gồm trong mô hình.
- Hệ số hồi qui b: Giá trị hệ số góc của các biến trong mô hình ước lượng. Các hệ số này mang tính riêng phần vì mỗi hệ số không chỉ thể hiện mối quan hệ giữa các biến độc lập và biến phụ thuộc mà còn giữa các biến độc lập với nhau.
- Hệ số Tolerance: Được sử dụng để đo lường tính tuyến tính và đa cộng tuyến, giá trị tolerance của biến i (TOLi) là 1-R2*i với R2*i là hệ số khẳng định cho việc dự báo biến i bởi các biến độc lập khác. Khi giá trị Tolerance của một biến càng nhỏ thì biến này càng bị cộng tuyến với các biến độc lập khác.
3.4.4 Kiểm định tính phù hợp của mô hình
Phương pháp kiểm định ANOVA được thực hiện để kiểm tra tính phù hợp của mô hình với dữ liệu gốc. Giá trị Sig. (mức ý nghĩa) của kiểm định nếu nhỏ hơn 0,05 giúp kết luận mô hình hồi qui phù hợp với tập dữ liệu.