CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU
3.4 Nghiên cứu chính thức
Để đạt được tối thiểu 266 mẫu trong nghiên cứu, tác giả phát đi 330 phiếu khảo sát gồm 245 phiếu khảo sát trực tiếp, 85 phiếu trả lời online qua google drive, thu về đc 310 phản hồi trong đó 26 phản hồi bị loại do người trả lời sử dụng dịch vụ di động dưới 1 năm hoặc trả lời không đủ các câu hỏi. Như vậy, số mẫu hợp lệ là 284 mẫu, tỷ lệ mẫu thu hồi là 86,06%. Sau khi nhập dữ liệu, kiểm tra và làm sạch dữ liệu, nghiên cứu tiến hành đánh giá thang đo thông qua hai công cụ là hệ số Cronbach’s Alpha và phân tích nhân tố EFA.
3.4.2 Phương pháp phân tích dữ liệu
3.4.2.1 Kiểm định độ tin cậy Cronbach’s Alpha
Thang đo đạt độ tin cậy khi hệ số Cronbach Anpha > 0.6 và tương quan biến tổng của các biến quan sát của thang đo > 0.3. Các biến quan sát có hệ số tương quan biến – tổng không đạt sẽ được loại bỏ.
3.4.2.2 Kiểm định thang đo bằng phân tích EFA
Sau khi kiểm định độ tin cậy của từng thang đo các khái niệm, EFA được sử dụng để đánh giá giá trị phân biệt của các thang đo trong mô hình. Sử dụng phần mềm SPSS với phương pháp trích Principal axis factoring, phép xoay Promax. Trong EFA cần lưu ý đánh giá một số thông số sau:
Hệ số KMO (Kaiser – Meyer – Olkin): là hệ số để đánh giá sự thích hợp cho phân tích nhân tố. Hệ số này cần đạt giá trị lớn hơn 0.5 (Nguyễn Đình Thọ, 2011) để tập số liệu phù hợp với phân tích EFA.
Số nhân tố trích được phải bằng với số khái niệm (nhân tố) đưa vào phân tích EFA.
Tổng phương sai trích tất cả các nhân tố trích được phải ≥ 50%.
Trọng số nhân tố: là chỉ tiêu để đảm bảo mức ý nghĩa của một biến quan sát đối với nhân tố mà biến quan sát đó đo lường. Theo Hair & ctg (2006), trọng số trong phân tích EFA từ ± 0.3 đến ± 0.4 là chấp nhận được, ± 0.5 hoặc lớn hơn thì được xem là có ý nghĩa thực tiễn.
3.4.2.3 Kiểm định mô hình lý thuyết và các giả thuyết
Sử dụng mô hình hồi qui đa biến để kiểm định mô hình lý thuyết và các giả thuyết sử dụng trong mô hình nghiên cứu lý thuyết. Khi sử dụng hồi qui, ta cần quan tâm đánh giá một số thông tin cụ thể sau:
Đánh giá độ phù hợp của mô hình và kiểm định giả thuyết về sự phù hợp của mô hình hồi qui:
- Hệ số điều chỉnh (Adjust Coeficient of determination): là hệ số đo lường phần phương sai của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình hồi qui có tính ảnh hưởng của số lượng biến độc lập và kích thước mẫu, được sử dụng để đánh giá độ phù hợp của mô hình hồi qui tuyến tính bội. Do hệ số R2 (Coeficient of determination) được xác định là không giảm theo số lượng biến độc lập đưa vào mô hình. Càng đưa nhiều biến độc lập vào mô hình R2 càng tăng. Tuy nhiên, không phải có càng nhiều biến độc lập sẽ càng phù hợp hơn với dữ liệu, do vậy nếu sử dụng R2 thì
có thể thổi phồng mức độ phù hợp của mô hình. Do đó, sử dụng hệ số R2 điều chỉnh sẽ an toàn hơn. điều chỉnh có giá trị từ 0 → 1, hệ số này càng gần 1 thì mô hình được đánh giá là càng phù hợp.
- Hệ số thống kê F: sử dụng để kiểm định giả thuyết về độ phù hợp của mô hình hồi qui tuyến tính. Nếu mức ý nghĩa của kiểm định < 0.05 thì giả thuyết H0: biến phụ thuộc không tuyến tính với tập các biến độc lập trong mô hình sẽ bị bác bỏ hay nói cách khác ta có thể kết luận rằng tập các biến độc lập trong mô hình có thể giải thích được sự thay đổi của biến phụ thuộc, khi đó mô hình phù hợp với tập dữ liệu.
Xác định các hệ số hồi qui và kiểm định ý nghĩa các hệ số hồi qui trong mô hình
- Hệ số hồi qui chuẩn hóa beta (Standardized Coefficients): hệ số này chính là hệ số hồi qui trong mô hình. Hệ số hồi qui chuẩn hóa của một biến độc lập đo lường sự biến thiên của biến phụ thuộc khi biến độc lập đó thay đổi một đơn vị trong điều kiện các biến độc lập khác không thay đổi.
- Kiểm định giả thuyết về hệ số hồi qui chuẩn hóa beta: sử dụng kiểm định t để đánh giá mức ý nghĩa thống kê của các hệ số beta trong mô hình hồi qui. Nếu mức ý nghĩa của kiểm định < 0.05, t có thể kết luận hệ số beta có ý nghĩa trong mô hình về mặt thống kê.
- Kiểm tra hiện tượng đa cộng tuyến: trong hồi qui bội có giả thuyết đặt ra là biến độc lập không tương quan hoàn toàn với nhau, tức là một biến độc lập không được phép giải thích bởi các biến độc lập còn lại. Một biến độc lập được xem là không có hiện tương đa cộng tuyến khi mà hệ số phóng đại phương sai (Variance inflation vector – VIF) không lớn hơn 10 (Hair & ctg, 2006).
Đánh giá mức độ phù hợp của mô hình tổng thể
Trong nghiên cứu này, mô hình nghiên cứu là sự kết hợp của hai mô hình hồi qui.
Trong đó mô hình hồi qui thứ nhất bao gồm các biến độc lập là Lòng tin, Sự hài lòng, Sự hấp dẫn từ nhà cung cấp thay thế, Chi phí chuyển đổi, Tiêu chuẩn chủ quan và biến phụ thuộc là Gắn kết khách hàng, mô hình này có hệ số ; mô hình hồi qui thứ hai có
biến độc lập là Gắn kết khách hàng và biến phụ thuộc là Ý định chuyển đổi, mô hình này có hệ số .
Mô hình tổng thể gồm 2 mô hình hồi qui trên sẽ được đánh giá độ phù hợp thông qua hệ số phù hợp tổng hợp (generalize squared multiple correlation; Pedhazur 1982, trích từ Nguyễn Đình Thọ, 2011). Hệ số này được tính theo công thức sau:
( ) ( ) Kiểm tra sự vi phạm các giả định của mô hình hồi qui
Mô hình hồi qui có một số giả định, kiểm tra sự vi phạm các giả định này để đánh giá được kết quả ước lượng có đáng tin cậy hay không. Các giả định cần kiểm tra trong hồi qui như sau:
- Giả định liên hệ tuyến tính: giả định đưa ra là các biến độc lập và các biến phụ thuộc phải có quan hệ tuyến tính. Để kiểm tra sự vi phạm giả định này trong mẫu phân tích, có thể sử dụng đồ thị phân tán giữa giá trị phần dư hiệu chỉnh (Standardized Residuals) và giá trị dự đoán hiệu chỉnh (Standardized predicted values). Nếu như mô tả của hai giá trị này trên đồ thị phân tán cho thấy các giá trị thay đổi không theo một trật tự nào thì khi đó giả định về liên hệ tuyến tính trong hồi qui không bị vi phạm.
- Giả định phương sai sai số không đổi: giả định cũng có thể được kiểm tra giống như giả định liên hệ tuyến tính.
- Giả định về phân phối chuẩn của phần dư: kiểm tra bằng biểu đồ phân bố phần dư chuẩn hóa. Một phân phối được xem là chuẩn khi mà trung bình = 0, độ lệc chuẩn = 1.
Tuy nhiên, trong thực tế thì phần dư không thể nào đạt phân phối chuẩn, do vậy, phân phối xấp xỉ chuẩn được chấp nhận (trung bình gần 0 và độ lệch chuẩn gần 1).
- Giả định về tính độc lập của sai số; sử dụng kiểm định Durbin-Watson để kiểm tra về sự vi phạm giả định này.
- Giả định không có tương quan giữa các biến độc lập: kiểm tra thông qua hiện tượng đa cộng tuyến đã trình bày ở trên.
Tóm tắt chương 3
Chương 3 đã trình bày phương pháp nghiên cứu sử dụng để xây dựng và điều
chỉnh các thang đo. Nghiên cứu được thực hiện thông qua nghiên cứu sơ bộ (định tính và định lượng) và nghiên cứu chính thức (định lượng). Nghiên cứu định tính thực hiện thông qua tiến hành thảo luận tay đôi với 20 khách hàng để điều chỉnh và kiểm tra nội dung thang đo. Trên cơ sở các ý kiến thu thập được và cơ sở lý thuyết, xây dựng thang đo sơ bộ bao gồm 28 biến quan sát., sau đó phỏng vấn sâu 10 khách hàng để điều chỉnh từ ngữ giúp khách hàng hiểu rõ thang đo. Sau khi kiểm tra điều chỉnh qua phỏng vấn định tính, thang đo được đem phỏng vấn với số mẫu 60 người để kiểm tra sơ bộ giá trị thang đo. Chương này cũng trình bày kết quả nghiên cứu sơ bộ. Theo đó, thang đó Lòng tin có biến quan sát LT5 bị loại bỏ do hệ số tải nhân tố EFA < 0.5, thang đó các khái niệm khác đều đạt yêu cầu,. Như vậy nghiên cứu còn 27 biến quan sát được đưa vào nghiên cứu chính thức. Mẫu nghiên cứu chính thức là n = 284. Các phương pháp phân tích để đánh giá thang đo, kiểm định mô hình và các giả thuyết cũng được trình bày cụ thể. Chương tiếp theo sẽ trình bày kết quả nghiên cứu chính thức về đánh giá thang đo thông qua hệ số Cronbach’s Alpha, EFA, kết quả kiểm định mô hình lý thuyết và các giả thuyết thông qua phân tích hồi qui.