PHẦN 3. PHƯƠNG PHÁP NGHIÊN CỨU
3.2. PHƯƠNG PHÁP NGHIÊN CỨU
3.2.5. Phương pháp phân tích số liệu
Tài liệu thứ cấp và số liệu sơ cấp sau khi thu thập được hệ thống hóa theo các nội dung nghiên cứu của luận án và được xử lý bằng các phần mềm máy tính như Excel và SPSS. Các phương pháp phân tích chính được sử dụng bao gồm phương pháp thống kê mô tả, phương pháp so sánh, phương pháp cho điểm, phương pháp phân tích SWOT, phân tích tài chính, phân tích nhân tố khám phá (EFA).
3.2.5.1. Thống kê mô tả
Đây là phương pháp nghiên cứu các hiện tượng kinh tế xã hội bằng việc mô tả thông qua các số liệu thu thập được. Trong nghiên cứu này, phương pháp thống kê mô tả được sử dụng để phân tích tình hình kinh tế xã hội của các tỉnh, số liệu về tình hình sản xuất kinh doanh rừng trồng và tiêu thụ lâm sản của các tác nhân tham gia liên kết, tình hình liên kết trong phát triển rừng gỗ nguyên liệu của các liên kết, các ý kiến đánh giá về nội dung liên kết... Phương pháp này được biểu hiện thông qua các số liệu tuyệt đối, tương đối, tần suất và tỷ lệ phần trăm được tính toán và thể hiện trong các bảng biểu, sơ đồ để minh họa trong các nội dung nghiên cứu.
3.2.5.2. Thống kê so sánh
Phương pháp so sánh được sử dụng khá rộng rãi trong các nghiên cứu kinh tế xã hội để thể hiện sự biến động hay sự sai khác của các chỉ tiêu theo thời gian, không gian hay theo các nhóm đối tượng nghiên cứu. Trong nghiên cứu này, thông qua các chỉ tiêu số tuyệt đối, số tương đối để so sánh hiệu quả sản xuất lâm nghiệp của các hộ nông dân tham gia liên kết giữa trồng rừng có liên kết và rừng không có liên kết, so sánh lợi ích và hiệu quả kinh tế giữa các liên
58
kết, giữa các bên tham gia liên kết với nhau. Sử dụng phương pháp so sánh có thể đánh giá sự phát triển của các liên kết qua các giai đoạn, qua đó chỉ ra những ưu điểm, nhược điểm, những thành công và tồn tại của từng liên kết trong trong phát triển rừng gỗ nguyên liệu.
3.2.5.3. Phân tích ma trận SWOT
Trong nghiên cứu này, phương pháp phân tích SWOT được sử dụng để phân tích và chỉ ra những điểm mạnh, điểm yếu của các liên kết tại các tỉnh khảo sát; phân tích những cơ hội và thách thức trong các liên kết phát triển rừng gỗ nguyên liệu trong thời gian tới, bao gồm các cơ hội và thách thức về thị trường tiêu thụ sản phẩm, về môi trường chính sách có liên quan đến sản xuất chế biến và tiêu thụ gỗ và sản phẩm gỗ rừng trồng,... Kết quả của phân tích SWOT là cơ sở quan trọng để đề xuất các giải pháp nhằm thúc đẩy các liên kết phát triển rừng gỗ nguyên liệu trên địa bàn nghiên cứu trong thời gian tới.
3.2.5.4. Phân tích tài chính
Trong nghiên cứu này, phương pháp phân tích tài chính được áp dụng để phân tích kết quả kinh doanh các sản phẩm trong liên kết, dựa trên chiết khấu dự án, phương án kinh doanh rừng gỗ nguyên liệu và sử dụng các tiêu chí, các chỉ tiêu tài chính đánh giá, bao gồm: Giá trị hiện tại thuần (NPV), Tỷ suất lợi nhuận chi phí (BCR), Tỷ lệ hoàn vốn nội bộ (IRR), Giá trị tương đương hàng năm (AEV) ở mức tỷ lệ chiết khấu 7%/năm (Boardman & cs., 2011; Đỗ Anh Tuân, 2013); Nghiên cứu sử dụng tỷ lệ chiết khấu 7% là tỷ lệ lãi suất cho vay bình quân của một số ngân hàng thương mại được niêm yết tại thời điểm khảo sát.
3.2.5.5. Phương pháp cho điểm và xếp hạng ưu tiên
Để phân tích, đánh giá tiềm năng phát triển liên kết của các mô hình và mức độ phù hợp của từng liên kết làm cơ sở lựa chọn ưu tiên đề xuất giải pháp phát triển rừng gỗ nguyên liệu cho khu vực nghiên cứu. Luận án sử dụng thang đo Likert 5 cấp bậc (Likert, 1932; Đinh Phi Hổ, 2014) tương ứng với 5 cấp điểm đánh giá để lượng hóa các ý kiến đánh giá của người được phỏng vấn trong các liên kết về mức độ đồng ý (1 là Rất thấp; 2 là Thấp; 3 là Trung bình; 4 là Cao; 5 là Rất cao). Điểm bình quân được xác định theo công thức sau:
X̅ =ƩXi. fi
Ʃfi (1)
Trong đó: Xi là điểm đánh giá (i=1, 2, ...5)
fi: là tần suất các mẫu lựa chọn điểm i (i=1, 2, ...5)
59 3.2.5.6. Phân tích nhân tố khám phá (EFA)
Để phân tích, lượng hóa và đánh giá các yếu tố ảnh hưởng đến liên kết trong phát triển rừng gỗ nguyên liệu, đề tài sử dụng phương pháp Phân tích yếu tố khám phá (Exploratory Factor Analysis, EFA) và phân tích hồi quy đa biến.
Sự ảnh hưởng đến liên kết được phân tích trong nghiên cứu này là mức độ đồng ý sẵn sàng tham gia liên kết của hộ nông dân trồng rừng đối với liên kết ngang và liên kết dọc theo các mô hình liên kết đã được lực chọn khảo sát. Nghiên cứu sử dụng thang đo Likert 5 cấp bậc (Likert, 1932; Đinh Phi Hổ, 2014) để đo các biến quan sát về mức độ đồng ý (1 là Rất thấp; 2 là Thấp; 3 là Trung bình; 4 là Cao; 5 là Rất cao).
Mỗi liên kết đều chịu ảnh hưởng bởi nhiều yếu tố khác nhau như: trình độ phát triển của thị trường, đặc điểm sản phẩm liên kết, giá cả hàng hóa nông sản trên thị trường, hiệu lực xử lý vi phạm hợp đồng của chính quyền địa phương, hiệu quả kinh tế của hộ nông dân khi tham gia liên kết (Hồ Quế Hậu, 2013); ảnh hưởng của yếu tố chính sách Nhà nước (Nguyễn Thị Ngọc Ánh, 2009).
Trong nghiên cứu này, tác giả đã kế thừa và vận dụng lý thuyết của các nghiên cứu trước đó; bên cạnh đó mở rộng nghiên cứu và phân tích các yếu tố có ảnh hưởng tiềm năng đến sự sẵn sàng tham gia liên kết của hộ nông dân. Đối với liên kết ngang, Đề tài đã xây dựng 07 yếu tố đại diện tiềm năng chứa 26 biến quan sát ảnh hưởng đến sự sẵn sàng tham gia liên kết và 01 yếu tố đại diện tiềm năng với 03 biến quan sát đại diện cho sự sẵn sàng tham gia liên kết (phụ lục PL- 1.1, trang 157-158). Mô hình nghiên cứu được đề xuất trong hình 3.1.
Hình 3.1. Mô hình phân tích các yếu tố ảnh hưởng liên kết ngang
Thị trường sản phẩm
Chính sách của Nhà nước
Hỗ trợ từ tổ chức bên ngoài
Đặc điểm sản phẩm liên kết
Hiệu quả kinh tế rừng trồng liên kết
Cơ chế liên kết Tác động của chính
quyền địa phương
Sẵn sàng tham gia liên
kết ngang
60
Đối với liên kết dọc giữa công ty chế biến lâm sản với hộ nông dân, Đề tài xây dựng 06 yếu tố đại diện tiềm năng chứa 18 biến quan sát ảnh hưởng đến sự sẵn sàng tham gia liên kết và 01 yếu tố đại diện tiềm năng với 03 biến quan sát đại diện cho sự sẵn sàng tham gia liên kết (phụ lục PL-2.1, trang 178).
Hình 3.2. Mô hình phân tích các yếu tố ảnh hưởng liên kết dọc
Theo Hair & cs. (2006) và Đinh Phi Hổ (2014) cho rằng kích thước mẫu tối thiểu phải là 50 và quy mô mẫu nên gấp 5 lần số biến quan sát. Đối với mẫu lớn hơn hoặc bằng 100, để đạt được ước lượng tin cậy cho phương pháp này và chọn giá trị hệ số tải nhân tố (loadings on the factor) lớn hơn 0,55, số mẫu được chọn ít nhất phải gấp 4 hoặc 5 lần số biến quan sát (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Dựa vào số biến quan sát trong mô hình liên kết ngang cho thấy số lượng mẫu tối thiểu cần thiết là 116 HGĐ, để đảm bảo độ tin cậy, Đề tài đã khảo sát 122 HGĐ.
Đối với liên kết dọc, Đề tài khảo sát 65 HGĐ; với số mẫu nhỏ hơn 100, chọn giá trị hệ số tải nhân tố (loadings on the factor) lớn hơn 0,75 để đảm bảo yêu cầu của mô hình phân tích (Đinh Phi Hổ, 2014).
Trong phương pháp phân tích nhân tố khám phá (EFA), đề tài sẽ phân tích các nhóm chỉ tiêu như sau:
- Chất lượng yếu tố: kiểm định bằng hệ số Cronbach’s Alpha nhằm đánh giá độ tin cậy của các thang đo, qua đó loại bỏ các biến quan sát không đạt độ tin cậy. Thang đo được đánh giá chất lượng tốt khi: (1) Hệ số Cronbach’s Alpha của tổng thể lớn hơn 0,6; và (2) Hệ số tương quan biến - tổng của các biến quan sát (Corrected Item-Total Correlation) lớn hơn 0,3 (Đinh Phi Hổ, 2014).
Hiệu quả kinh tế rừng trồng liên kết
Đặc điểm sản phẩm liên kết
Chính sách của Nhà nước
Tác động của chính quyền địa phương Đặc điểm hộ tham
gia liên kết
Sẵn sàng tham gia liên
kết dọc
Cơ chế liên kết
61
- Sử dụng công cụ phân tích nhân tố khám phá (EFA) trên SPSS và loại bỏ các biến có thông số nhỏ bằng cách kiểm tra các hệ số tải nhân tố (Factor loading) và các phương sai trích được.
- Tính thích hợp của mô hình nghiên cứu EFA (Kaiser – Meyer – Olkin measure, KMO): trị số KMO thỏa mãn điều kiện: 0,5 < KMO < 1, phân tích nhân tố khám phá là thích hợp cho dữ liệu thực tế (Đinh Phi Hổ, 2014).
- Tương quan của các biến quan sát trong thước đo đại diện: sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (yếu tố). Khi mức ý nghĩa (Significance, sig.) của kiểm định Bartlett nhỏ hơn 0,05, các biến quan sát có tương quan tuyến tính với yếu tố đại diện (Đinh Phi Hổ, 2014).
- Sử dụng Phương trình hồi quy đa biến để lượng hóa và phân tích mức độ ảnh hưởng của các yếu tố đến sự sẵn sàng tham gia liên kết của các hộ gia đình trồng rừng. Phương trình hồi quy đa biến tổng quát như sau:
Y = b0 + b1F1 + b2F2 + … + biFi + bnFn + ei (2) Trong đó: Y: biến số phụ thuộc
b0: Hằng số độc lập hoặc tung độ gốc hay nút chặn b1…bn: Hệ số hồi quy
F1..Fn: Biến số độc lập (các yếu tố ảnh hưởng) ei: các sai số
Trong nghiên cứu này, thông qua việc nhận diện và đưa ra một số yếu tố có ảnh hưởng đến sự sẵn sàng tham gia liên kết áp dụng phương trình hồi quy đa biến tuyến tính như sau:
Y = b0 + b1F1 + b2F2+ b3F3+ b4F4+ b5F5+ b6F6+ b7F7 + ei (3) Trong đó: Các hệ số hồi quy: b1, b2, b3, b4, b5, b6, b7
ei: Sai số chuẩn
Biến phụ thuộc: Y: Sự sẵn sàng tham gia liên kết Biến độc lập:
b0: là hằng số độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi.
62
F1: Thị trường sản phẩm; F2: Hiệu quả kinh tế rừng trồng liên kết; F3: Hỗ trợ từ tổ chức bên ngoài; F4: Cơ chế liên kết; F5: Đặc điểm sản phẩm; F6: Chính sách của Nhà nước; F7: Tác động của chính quyền địa phương.
- Tương quan từng phần của các hệ số hồi quy: khi mức ý nghĩa (Significance, Sig.) của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig. ≤ 0,05), ta kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc (Đinh Phi Hổ, 2014).
- Mức độ phù hợp của mô hình: sử dụng phân tích phương sai (analysis of variance, INNOVA) để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig. ≤ 0,05), mô hình được xem là phù hợp.