CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Nghiên cứu định lượng chính thức
3.3.3. Phân tích dữ liệu
Sau khi đã thu thập được đầy đủ số lượng bảng câu hỏi khảo sát, số liệu sẽ được nhập vào phần mềm SPSS. Dữ liệu sẽ được kiểm tra sơ bộ bằng phân tích thống kê mô tả, kiểm tra độ tin cậy thông qua hệ số Cronbach’s alpha, gộp nhóm theo phương pháp phân tích nhân tố khám phá (EFA), kiểm dịnh tính hội tụ và phân biệt theo phương pháp phân tích nhân tố khẳng định (CFA) và kiểm định mô hình theo phương pháp mô hình cấu trúc (SEM). Cụ thể các như sau:
- Phân tích thống kê mô tả, cụ thể các bước như sau:
Trên thẻ Analyze chọn Descriptive and Statistics -> Descriptives;
Chọn tất cả các biến cần thống kê ở box bên trái click mũi tên để các biến được chọn hiển thị ở box Variable(s). Trong mục Options: Chọn Mean, Std.deviation, Maximum, Minimum -> Chọn Continue -> Ok.
Xem xét 02 giá trị Statistic Skewness và Statistic Kurtosis của từng biến quan sát. Nếu 02 giá trị này nằm ngoài khoảng -2.2 đến 2.2, tiến hành làm sạch dữ liệu cho đến khi hai giá trị này thuộc khoảng -2.2 đến 2.2 thì dãy số liệu đạt yêu cầu.
- Kiểm tra độ tin cậy của từng thang đo thông qua hệ số Cronbach’s alpha bằng phần mềm SPSS 25.0. Cụ thể các bước như sau:
Analyze -> Scale -> Reliability Analysis
Đưa các biến đo lường vào ô items -> ok
Cronbach’s alpha ≥ 0,60 là thang đo của biến quan sát chấp nhận được (Thọ, 2013). Nếu Cronbach’s alpha < 0,60 là cả thang đo không đạt yêu cầu và biến quan sát tương ứng với hệ số tương quan biến tổng hiệu chỉnh < 0.30 sẽ bị loại bỏ.
- Rút gọn yếu tố bằng phương pháp phân tích nhân tố khám phá (EFA), các bước thực hiện như sau:
Analyze -> Dimension reduction -> Factor;
Đưa các biến đo lường vào ô items (chỉ những biến đạt yêu cầu về độ tin cậy ở bước trên) -> Descriptives -> KMO and Bartlett’s test of sphericity ->
Continue;
Extraction -> ô Method chọn Maximum likelihood -> Continue;
Rotation -> chọn Promax -> Continue;
Option -> chọn Suppress small coefficients -> chọn giá trị Absolute value below là 0.40 (vì theo (Joseph F.Hair Jr.William C.Black, 2014) số mẫu từ 200-249 thì hệ số này là 0.40) -> Continue -> ok.
Xem xét giá trị KMO và Bartlet, nếu giá trị này đạt trong khoảng 0.5 đến 1 là đạt yêu cầu để phân tích tiếp.
Xem xét bảng Pattern matrix, nếu các biến quan sát của một yếu tố nằm trong cùng nhóm thì đạt yêu cầu. Nếu biến quan sát của yếu tố này thuộc trong nhóm của yếu tố khác, cần loại biến quan sát đó. Sau khi loại bỏ biến đó, cần chạy lại (theo các bước trên) để xem lại kết quả trên bảng Pattern matrix, các biến quan sát thuộc đúng nhóm nhân tố theo mô hình lý thuyết thì đạt yêu cầu để phân tích nhân tố khẳng định (CFA). Lưu tập tin.
- Kiểm định thang đo thông qua các giá trị hội tụ và giá trị phân biệt theo phương pháp CFA bằng phần mềm AMOS 22.0. Cụ thể các bước như sau:
Sau khi bảng Pattern matrix ở bước phân tích EFA đạt yêu cầu, copy bảng này -> mở phần mềm AMOS 22.0 -> chọn biểu tượng select data file ->
File name -> chọn tập tin (đã lưu ở bước EFA) -> chọn Plugins ->
Pattern matrix model builder -> click chuột phải -> past -> create diagram ->
mô hình sẽ xuất hiện;
Chọn biểu tượng Analysis properties -> Output, chọn Minimization history, Standardized Estimates, Modification indices và sửa thành 20 trong ô Threshold for modification indices -> nhấn nút đóng;
Chọn biểu tượng Calculate estimates -> Chọn nút View text để xem kết quả. Kiểm tra sự phù hợp của mô hình, giá trị hội tụ và giá trị phân biệt của các nhân tố trong mô hình được thực hiện như sau:
Kiểm tra sự phù hợp của mô hình thông qua các thông số:
Đánh giá các chỉ số theo ngưỡng chấp nhận (Joseph F.Hair Jr.William C.Black, 2014) trong bảng kết quả View text:
Bảng 3.7: Bảng ngưỡng chấp nhận
Chỉ số Ngưỡng chấp nhận
p-value > 0.05
Chi-square/df (cmin/df) < 3 tốt;
< 5 thỉnh thoảng cho phép CFI
> 0.95 rất tốt;
> 0.90 chấp nhận;
> 0.80 thỉnh thoảng cho phép
GFI > 0.95
AGFI > 0.80
SRMR < 0.09
RMSEA
< 0.05 tốt;
0.05 – 0.10 tạm chấp nhận;
> 0.1 xấu
PCLOSE > 0.05
Nguồn: (Joseph F.Hair Jr.William C.Black, 2014) Các giá trị đều đạt theo bảng trên thì kết luận là mô hình phù hợp.
Kiểm tra giá trị hội tụ và giá trị phân biệt:
Mở file excel Stats Tools Package đã tải về trong tài liệu của James Gaskin;
sao chép (copy) bảng Correlations trong View text của Amos, dán (past) vào ô A2 của Excel; sao chép (copy) bảng Standardized Regression Weights trong View text của AMOS, dán (past) vào ô F2 của Excel -> chọn biểu tượng nút đỏ trong Excel “Read Caveats and Assumptions below, and then click me”:
Chỉ số CR trong bảng kết quả > 0.7 thì kết luận các biến đều có độ tin cậy;
Chỉ số AVE trong bảng kết quả > 0.5 thì kết luận các biến đều có tính hội tụ;
Căn bậc hai của chỉ số AVE > bất kỳ mối tương quan giữa các yếu tố và chỉ số MSV < chỉ số AVE thì kết luận các biến đều có tính phân biệt.
Mô hình phù hợp, giá trị hội tụ và giá trị phân biệt đạt yêu cầu là cơ sở để phân tích mô hình cấu trúc SEM.
- Tiếp đến là kiểm định mức độ phù hợp của mô hình lý thuyết theo phương pháp mô hình cấu trúc (SEM) bằng phần mềm AMOS 22.0. Cụ thể các bước như sau:
Dựa vào mô hình đã được tạo khi chạy CFA, thiết kế lại các đường quan hệ theo mô hình lý thuyết -> lưu tập tin;
Chọn biểu tượng Calculate estimates -> Chọn nút View text để xem kết quả;
Chọn Estimates, xem kết quả P ở bảng Regression Weights, nếu giá trị P ≤ 0.05 thì mối quan hệ có ý nghĩa về thống kê; Xem xét tiếp kết quả Estimate cũng trong bảng này để đánh giá mối quan hệ là âm hay dương và mức độ của mối quan hệ.
Từ kết quả trên so sánh với giả thuyết ban đầu đặt ra và kết luận chấp nhận hay loại bỏ giả thuyết.
- Kiểm định Bootstrap với ước lượng mẫu lên 5000 lần. Phương pháp được thực hiện trên phần mềm AMOS 22.0. Cụ thể các bước như sau:
Chạy chương trình AMOS, vào menu View-Analysis Properties để hiện lên hộp thoại Analysis Properties.
Chọn Tab Bootstrap, check vào Perfom bootstrap, chọn 5000, sau đó đóng cửa sổ này lại.
Sau đó nhấn nút calculates estimate để thực hiện tính toán. Cửa sổ output sẽ xuất hiện thêm khái niệm bootstrap standard errors. Ta chọn mục Standardized Regression Weights và Bootstrap standard errors. Ở đây cột Mean là hệ số hồi quy của ước lượng bootstrap, cột Bias là chênh lệch giữa cột hệ số hồi quy Mean và giá trị hệ số hồi quy Estimate khi chạy không có Bootstrap. Cột SE- Bias là Standard errors của cột Bias. Ở đây chúng ta cần tính giá trị tới hạn C.R Critical Ratios cho nó. Copy kết quả vào excel và tính toán giá trị tới hạn bằng cách lấy giá trị Bias chia cho Se_Bias, giá trị tới hạn này được ký hiệu là CR.
Sau đó so sánh giá trị C.R này với 1.96 ( do 1.96 là giá trị của phân phối chuẩn ở mức 0.9750 , nghĩa là 2.5% một phía, 2 phía sẽ là 5%). Cột P <5% thì kết luận là giả thuyết Bias khác 0 có ý nghĩa thống kê. Do giả thuyết Ho : Bias
=0, Ha: Bias <>0.
Nếu giá trị C.R này > 1.96 thì suy ra p-value < 5%, chấp nhập Ha, kết luận độ lệch khác 0 có ý nghĩa thống kê ở mức tin cậy 95%.
Còn nếu C.R < 1.96 , suy ra p-value > 5%, bác bỏ Ha, chấp nhận Ho, kết luận độ lệch khác 0 không có ý nghĩa thống kê ở mức tin cậy 95%, và như thế ta kết luận được mô hình ước lượng (lúc trước khi check vào option bootstrap) có thể tin cậy được.
Tóm tắt chương 3
Từ các giả thuyết đã đề xuất ở chương 2, chương 3 đã thể hiện quy trình thực hiện nghiên cứu bao gồm nghiên cứu định tính kết hợp định lượng sơ bộ và nghiên cứu định lượng chính thức. Nhằm hiệu chỉnh thang đo, nghiên cứu định tính được thực hiện thông qua thảo luận nhóm và định lượng sơ bộ được thực hiện với số lượng mẫu 50 người để kiểm định sơ bộ thang đo. Bảng câu hỏi khảo sát được gửi trên các trang hội nhóm mua bán hàng có sử dụng video phát trực tiếp. Sau khi hiệu chỉnh thang đo, thang đo này được sử dụng trong nghiên cứu định lượng chính thức với số lượng mẫu dự kiến là 246 người. Công cụ phân tích dữ liệu được sử dụng là phần mềm SPSS 25.0 để đánh giá độ tin cậy và phần mềm AMOS 22.0 kiểm định mô hình và giả thuyết. Từ cơ sở chương 3, chương 4 sẽ thực hiện phân tích kết quả đạt được.