CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU
3.2. Phương pháp nghiên cứu
3.2.2. Nghiên cứu định lượng
Nghiên cứu chính thức là nghiên cứu thực hiện bằng phương pháp nghiên cứu định lượng, được thực hiện thông qua Bảng câu hỏi khảo sát. Dữ liệu thu thập được phân tích thông qua phần mềm SPSS để đánh giá độ tin cậy, giá trị hội tụ, giá trị phân biệt của thang đo, đánh giá mô hình nghiên cứu thông qua phương pháp hồi quy MMR (Moderated Multiple Regression, Saunders – 1956, trích Thọ, 2011) và cuối cùng là chứng minh các giả thuyết nghiên cứu.
Mẫu nghiên cứu
Mẫu nghiên cứu được chọn theo phương pháp thuận tiện thông qua Bảng câu hỏi khảo sát được phát trực tiếp cho các nhân viên kinh doanh đang làm việc tại các tổ chức trên địa bàn Tp HCM. Kích cở mẫu phải thỏa điều kiện cho phân tích nhân tố EFA và điều kiện phân tích hồi quy bội (MLR).
Phân tích nhân tố EFA, cỡ mẫu tối thiểu phải đạt theo công thức N >= 5*x (x: tổng số biến đo lường có trong mô hình) (Hair và cộng sự, 1998);
Phân tích hồi quy bội (MLR), cỡ mẫu tối thiểu phải đạt theo công thức N
>= 50 + 8m (m: số biến độc lập) (Tabachnick và cộng sự, 1996).
Số lượng biến quan sát được xác định sau giai đoạn nghiên cứu định tính là 35 và được đưa vào bảng khảo sát. Như vậy, mẫu nghiên cứu tối thiểu phải đạt được là 175. Để mẫu nghiên cứu đạt mức tốt và đảm bảo độ tin cậy, tác giả chọn kích thước mẫu 200 quan sát cho đề tài nghiên cứu này. Song, để đạt được cỡ mẫu 200 quan sát sau khi đã loại bỏ các mẫu không đạt yêu cầu về thông tin hoặc chất lượng thấp, tác giả quyết định sử dụng 250 bảng câu hỏi.
Xử lý dữ liệu
(1) Kiểm tra tính hợp lệ
Các bảng câu hỏi khảo sát sau khi thu về được kiểm tra lại tính hợp lệ. Sau đó, tiến hành nhập liệu vào phần mềm SPSS.
(2) Mã hóa dữ liệu
Để việc phân tích dữ liệu được thuận tiện, cần phải mã hóa lại các khái niệm, các biến quan sát theo các bảng từ Bảng 3.1 đến Bảng 3.7.
(3) Làm sạch dữ liệu
Dữ liệu sau khi thu thập sẽ được kiểm tra tính hợp lệ, sai sót ô trống và sai sót trả lời không hợp lý. Với sai sót ô trống, có thể loại bỏ hoặc điền vào giá trị trung lập. Còn với sai sót trả lời không hợp lý do lỗi đánh chữ, đè phím máy tính hai lần khi nhập dữ liệu, có thể nhập lại dữ liệu với một chữ số.
(4) Đánh giá độ tin cậy của thang đo
Độ tin cậy của các thang đo được đánh giá thông qua hệ số Cronbach’s Alpha và hệ số tương quan biến – tổng. Các biến quan sát có hệ số tương quan biến – tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach’s Alpha từ 0,6 trở lên (Nunnally và Burnstein, 1994). Hệ số tương quan biến – tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao, sự tương quan của biến với các biến khác trong nhóm càng cao.
(5) Đánh giá giá trị hội tụ và giá trị phân biệt của thang đo
Sau khi loại các biến không phù hợp thì các biến còn lại sử dụng phương pháp EFA với phương pháp trích Principal Components với phép xoay Varimax (Orthogonal). Và loại trừ tiếp các biến không phù hợp với trọng số factor loading FD > 0,5. Theo Hair và cộng sự (1998), Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0,3 được xem là đạt được mức tối thiểu,
> 0,4 được xem là quan trọng, ≥ 0,5 được xem là có ý nghĩa thực tiễn. KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các
biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Trọng và Ngọc, 2008). Tổng phương sai trích ≥ 50% (Gerbing và Anderson, 1988).
Phân tích dữ liệu
Với mô hình nghiên cứu và các đặc tính trong thang đo của đề tài, phương pháp phân tích áp dụng trong nghiên cứu này là phương pháp phân tích hồi qui MMR. Mô hình phân tích hồi qui MMR được sử dụng khi mối quan hệ của biến độc lập và biến phụ thuộc lại phù thuộc vào sự tác động của một biến độc lập khác. Sự tác động này gọi là sự điều tiết hay còn gọi là sự tương tác/ tương hỗ. Biến độc lập đóng vai trò của sự tương tác/ tương hỗ được gọi là biến điều tiết. Có hai loại biến điều tiết: biến điều tiết hỗn hợp và biến điều tiết thuần túy. Để phân tích biến đều tiết hỗn hợp và thuần túy phải sử dụng biến tích (Thọ, 2011).
Đây là phương pháp mang tính phối hợp, xác định các biến nào được đưa vào mô hình trước và biến nào được đưa vào mô hình sau. Theo đó, mô hình nghiên cứu của đề tài được biểu diễn lần lượt bằng ba phương trình hồi qui như sau:
Phương trình hồi qui thể hiện tác động của biến độc lập lên biến phụ thuộc: HL = β0 + βct* CT (1)
Phương trình hồi qui thể hiện tác động của biến độc lập và biến điều tiết (biến độc lập) lên biến phụ thuộc: HL = β0 + βct* CT + βqt* QT (2)
Phương trình hồi qui thể hiện tác động của biến độc lập, biến điều tiết và biến tương tác lên biến phụ thuộc: HL = β0 + βct* CT + βqt* QT + βct.qt*
CT.QT (3). Trong đó:
β0, β*là những hệ số hồi qui;
CT là biến độc lập, QT là biến điều tiết;
CT.QT là biến tương tác.
Để đánh giá vai trò của biến điều tiết (QT) tác động như thế nào lên mối quan hệ giữa biến độc lập (CT) và biến phụ thuộc (HL) phải dựa vào kiểm định F và mức gia tăng R2 trong mô hình (2) và (3) để biết được QT có phải là biến điều tiết hay không (có một trong các hệ số hồi qui của biến tương tác khác 0) và xác định QT là
biến điều tiết hỗn hợp hay là biến điều tiết thuần túy (hệ số hồi qui biến điều tiết βqt
khác 0). Ngoài việc xác định QT là biến điều tiết, kết quả hồi qui (hệ số hồi qui β, mức ý nghĩa Sig.) còn chứng minh cho các giả thuyết đã đề ra (Thọ, 2011).
Xác định biến tương tác phải sử dụng biến tích (biến điều tiết * biến độc lập).
Theo Aguinis (2004), để tạo một biến tương tác chỉ cần nhân giá trị các biến tương tác lại với nhau.
Trong phân tích hồi qui khi có sử dụng biến tương tác thì các biến độc lập tham gia vào tương tác phải được “centering” trước khi tạo biến tương tác. Điều này nhằm hạn chế sự tương quan (hiện tượng đa cộng tuyến) giữa các biến tương tác được tạo thành với các biến ban đầu tham gia vào biến tương tác. Bên cạnh đó,
“centering” là bước quan trọng khi thực hiện các hiệu ứng tương tác trong phân tích hồi qui bội để được sự giải thích có ý nghĩa trong kết quả hồi qui. Cách “centering”
một biến là trừ giá trị biến đó cho giá trị trung bình của nó (Aguinis, 2004), (Robinson và Schumacker, 2009).
Kiểm định các giả định khác trong phân tích hồi qui:
Đánh giá mức độ giải thích và ý nghĩa giữa các biến độc lập, biến điều tiết, biến tương tác lên biến phụ thuộc (βx và Sig < 0,1 hoặc 0,05 hoặc Sig
< 0,01);
Xem xét mức độ ảnh hưởng của hiện tượng đa cộng tuyến (Collonearity Statistic) thông qua hệ số VIF. Tức là hiện tượng các biến độc lập có tương quan chặt chẽ với nhau. Theo Trọng và cộng sự (2008) khi hệ số VIF vượt qua 10 (VIF>10) sẽ xuất hiện hiện tượng đa cộng tuyến;
Kiểm tra tính độc lập của sai số dựa vào đại lượng thống kê Durbin – Watson1. Durbin – Watson trong khoảng gần bằng 2 là phù hợp (Trọng và Ngọc, 2011);
1 Trị số Durbin – Watson có giá trị biến thiên trong khoảng từ 0 đến 4.
Durbin – Watson gần bằng 2: Các phần dư không có tương quan chuỗi bậc nhất với nhau.
Durbin – Watson < 2: Các phần dư gần nhau có tương quan thuận.
Durbin – Watson > 2 và gần bằng 4: Các phần dư có tương quan nghịch.
Các giả định phương sai phần dư không đổi, mức độ giải thích và phù hợp của dữ liệu.
Tóm tắt chương 3
Chương này trình bày phương pháp nghiên cứu gồm 3 bước chính là: (1) Hình thành thang đo, (2) Đánh giá thang đo, và (3) Phân tích dữ liệu. Nghiên cứu định tính thông qua thảo luận nhóm để xác định ra tập biến gồm 35 quan sát đo lường các khái niệm nghiên cứu (căng thẳng, sự quan tâm và sự hài lòng) trong mô hình nghiên cứu. Tiếp theo, nghiên cứu định lượng xác định yêu cầu của các tiêu chí:
kích cỡ mẫu, độ tin cậy, phân tích nhân tố và sử dụng chiến lược phân tích thứ bậc trong phân tích hồi qui MMR trong phương pháp nghiên cứu định lượng nhằm chứng minh các giả thuyết đã nêu trong mô hình nghiên cứu. Chương tiếp theo sẽ trình bày cụ thể kết quả thực hiện nghiên cứu.