CHƯƠNG 3. THIẾT KẾ NGHIÊN CỨU
3.5. Nghiên cứu định lượng
3.5.3. Phương pháp phân tích dữ liệu
Phương pháp thống kê sử dụng mức có ý nghĩa alpha chọn trong đề tài này là 0.05 (alpha=0.05). Số liệu thu thập được phân tích bằng phần mềm SPSS 20. Quá trình phân tích dữ liệu được thực hiện qua các giai đoạn sau:
Phân tích thống kê mô tả: sử dụng các công cụ thống kê như tần số, tỷ lệ phần trăm nhằm tìm hiểu đặc điểm mẫu nghiên cứu: giới tính, tuổi, trình độ, nghề nghiệp, nơi ở.
Đánh giá sơ bộ thang đo bằng hệ số tin cậy Cronbach’s Alpha:
Một thang đo được coi là có giá trị khi nó đo lường đúng cái cần đo, có ý nghĩa là phương pháp đo lường đó không có sai lệch mang tính hệ thống và sai lệch ngẫu nhiên. Điều kiện đầu tiên cần phải có thang đo áp dụng phải đạt độ tin cậy.
Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach alpha từ 0.8 trở lên đến gần 1 thì thang đo lường tốt, từ 0.7 đến 0.8 là chấp nhận được. Cũng có nhiều nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunally và Burstein, 1994 trích trong sách Nguyễn Đình Thọ 2012).
Trong nghiên cứu này, tác giả quyết định sử dụng tiêu chuẩn Cronbach alpha bằng 0.6 và các hệ số tương quan biến tổng (correcteed item total correlation) của các biến quan sát nhỏ hơn 0.3 bị loại.
Đánh giá thang đo bằng phân tích nhân tố khám phá (EFA- Exploratory Factor Analysis):
Phân tích nhân tố sẽ trả lời câu hỏi liệu các biến quan sát dùng để xem xét sự tác động của các yếu tố ảnh hưởng đến quyết định mua của cha mẹ có độ kết dính cao hay không và chúng có thể gom gọn lại thành một số nhân tố ít hơn để xem xét không. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo. Các tham số thống kê trong phân tích EFA như sau:
- Đánh giá chỉ số Kaiser – mayer – Olkin (KMO) để xem xét sự thích hợp của phân tích nhân tố khám phá (EFA), chỉ số KMO phải lớn hơn 0.5 (Nguyễn Đình Thọ, 2012).
- Kiểm định Bartlett dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Kiểm định Bartlett phải có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
- Các trọng số nhân tố (factor loading) nhỏ hơn 0.5 trong EFA sẽ tiếp tục bị loại để đảm bảo giá trị hội tụ giữa các biến (Nguyễn Đình Thọ, 2012).
Phương pháp trích hệ số sử dụng là Principal Components và điểm dừng khi trích các nhân tố có Eigenvalue lớn hơn 1, tổng phương sai trích bằng hoặc lớn hơn 50%
(Nguyễn Đình Thọ, 2012).
Phân tích hồi quy tuyến tính:
Đối với các yếu tố định tính, có thang đo định danh hoặc thứ bậc, tác giả thực hiện phân tích Anova để khám phá sự khác biệt giữa các nhóm. Sau đó mã hóa thành biến giả (Dummy) để tiến hành hồi quy.
Trước hết, hệ số tương quan giữa quyết định mua và các nhân tố ảnh hưởng đến quyết định mua đồ chơi trẻ em của các bậc cha mẹ tại TP.HCM sẽ được xem xét. Tiếp đến, phân tích hồi quy tuyến tính đa biến bằng phương pháp bình phương nhỏ nhất thông thường (Ordinary Least Square – OLS) được thực hiện nhằm kiểm định mô hình lý thuyết và qua đó xác định cường độ tác động của từng yếu tố ảnh hưởng đến quyết định mua.
Phương trình hồi quy có dạng:
Y=β0 + β1X1 + β2X2 + … + βnXn
Trong đó:
Y là biến phụ thuộc: là quyết định mua của cha mẹ Xi là biến độc lập thứ i
Trình tự phân tích hồi quy tuyến tính trong bài nghiên cứu này được thực hiện như sau:
- Phương pháp đưa biến vào phân tích hồi quy là phương pháp đưa các biến cùng một lượt (phương pháp Enter).
- Kiểm định đa cộng tuyến nhằm kiểm tra tính độc lập giữa các biến độc lập trong mô hình hồi quy. Kiểm định bằng VIF = 1/(1-R2i) trong đó R2i là giá trị R2 của mô hình hồi quy mà biến phụ thuộc là biến độc lập thứ i (Xi) còn biến đọc lập là các biến độc lập còn lại, có nghĩa là R2i là phần của biến độc lập Xi được giải thích bởi các biến độc lập còn lại. Vì vậy, khi R2i càng cao thì mối quan hệ giữa Xi với các biến độc lập khác càng chặt chẽ, điều này làm cho giá trị VIFi càng lớn. Do vậy, giá trị VIFi càng lớn thì biến độc lập Xi dễ là nguyên nhận gây nên sự không an toàn trong việc giải thích kết quả hồi quy hay nó không có giá trị giải thích biến thiên của Y. Thông thường giá trị VIFi lớn hơn 10 (tức là R2i > 90%) thì chính biến đó gây nên đa cộng tuyến (Hair & ctg, 2006).
- Kiểm định hệ số hồi quy: nhằm chấp nhận hay bác bỏ các giả thuyết đặt ra trong phần trình bày của giả thuyết nghiên cứu. Thông thường, để kiểm định hệ số hồi quy tác giả dùng kiểm định t, với bậc tự do là (n-p-1) trong đó p chính là số biến độc lập trong mô hình hồi quy.
Giả thuyết:
H0: βi = 0 (biến độc lập thứ i không ảnh hưởng đến biến phụ thuộc Y) H1: βi ≠ 0 (biến độc lập thứ i có ảnh hưởng đến biến phụ thuốc Y)
Dấu của hệ số hồi quy: cho biết tác động của biến độc lập đang xét đến biến phụ thuộc là cùng chiều hay nghịch chiều.
Giá trị hệ số hồi quy: trong hồi quy đa biến thì các hệ số hồi quy được dùng là giá trị hồi quy đã chuẩn hóa (là trọng số mà chúng ta đã chuẩn hóa các biến)
nhằm đánh giá tác động của các biến độc lập đến biến phụ thuộc, nếu hệ số này càng cao thì tác động của biến độc lập tương ứng càng mạnh và ngược lại.
- Để đánh giá độ phù hợp của mô hình hồi quy đối với tập dữ liệu, ta sử dụng hệ số R2 hiệu chỉnh (Adjusted R square). R2 càng tiến về giá trị 1 thì các biến độc lập giải thích càng nhiều sự biến thiên của biến phụ thuộc.
- Kiểm định F để xem xét mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể.
Giả thuyết: H0 = β0 = β1 = β2 = … = βi = 0
Ta sẽ dùng kiểm định Chi- bình phương. Căn cứ vào mức ý nghĩa quan sát mà SPSS đưa ra trong bảng Omnibus Test of Model Coefficients để quyết định bác bỏ hay chấp nhận H0 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Mức ý nghĩa Sig. nhỏ hơn 0,05 cho phép bác bỏ H0.
Tóm tắt chương 3
Chương 3 đã cung cấp đầy đủ thông tin về quy trình và bước thực hiện nghiên cứu, từ phát triển thang đo nháp, nghiên cứu định tính cho đến nghiên cứu định lượng. Đồng thời cũng xác định rõ đối tượng khảo sát là cha mẹ có con từ 3 đến 12 tuổi với kích thước mẫu dự kiến là 220 người, các giai đoạn thiết kế bảng câu hỏi, phương pháp thu thập và phân tích dữ liệu. Thông qua nghiên cứu định tính và phỏng vấn thử tác giả đã tiền hành điều chỉnh thang đó nháp thành thang đó chính thức phù hợp hơn cho thị trường TP.HCM gồm 22 biến quan sát thuộc 8 yếu tố thành phần ảnh hưởng đến quyết định mua và 3 biến quan sát thuộc thành phần quyết định mua của cha mẹ, cụ thể như sau:
- Thang đo “giá cả”: 3 biến (G1- G3).
- Thang đo “chất lượng”: 6 biến (CL1-CL6).
- Thang đo “màu sắc”: 3 biến (MS1-MS3).
- Thang đo “kiểu dáng mẫu mã”: 6 biến (MM1-MM6).
- Thang đo “giai đoạn phát triển của trẻ em”: 1 biến GD với 2 nhóm phân biệt.
- Thang đo “loại hình ngôn ngữ yêu cầu của trẻ em”: 1 biến NN với 3 nhóm phân biệt.
- Thang đo “giới tính trẻ em”: 1 biến GT với 2 nhóm phân biệt.
- Thang đo “thu nhập gia đình”: 1 biến TN với 5 nhóm phân biệt.
- Thang đo “quyết định mua của cha mẹ”: 3 biến (QD1-QD3).