Quy trình nghiên cứu

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU

3.1. Quy trình nghiên cứu

Hình 3.1: Quy trình nghiên cứu đề tài luận văn 3.2. Thu thập dữ liệu

- Có rất nhiều phương pháp thu thập dữ liệu trong đó khảo sát bảng câu hỏi là một phương án hiệu quả để thu thập số liệu một số lượng lớn đối tượng trong khoảng thời gian cụ thể nhằm phục vụ cho công tác nghiên cứu. [1]

Phỏng vấn những người đã từng tham gia thực hiện các DA bằng nhiều cách:

Tham khảo, phỏng vấn những chuyên gia, những người có liên quan trong lĩnh

vực giao thông cảng biển Xác định các nhân tố rủi ro ảnh hưởng chất lượng

thi công dự án Tham khảo sách, báo-tài

liệu, các công trình nghiên cứu trong và ngoài nước

Tham khảo các Nghị định, thông tư, luật XD liên

quan

Thiết kế bảng câu hỏi

Khảo sát thử nghiệm và hoàn thiện bảng câu hỏi Khảo sát thu thập số liệu

chính thức

Phân tích dữ liệu bằng Sử dụng SPSS phân tích thống

kê, nhântố…

Xác lập sơ đồ mạng xây dựng các mối quan hệ nhân quả của các nhân tố.

Xây dựng mô hình BBNs đánh giá rủi ro chất lượng của các nhân tố

trong giai đoạn thi công

Kết luận và kiến nghị

- Phỏng vấn trực tiếp.

- Phỏng vấn qua điện thoại.

- Gửi bảng câu hỏi trực tiếp hoặc qua email.

- Xác định các nhân tố khảo sát từ việc tổng quan các nghiên cứu trước đây và phỏng vấn xin ý kiến chuyên gia, những người có kinh nghiệm lâu năm.

- Xác định hình thức câu hỏi và thang đo: sử dụng thang đo có 5 mức độ [11], từ mức độ (1) không ảnh hưởng đến mức độ (5) rất ảnh hưởng

- Xây dựng bảng khảo sát dựa trên các yếu tố và thang đo đã chọn.

- Tiến hành khảo sát sơ bộ: Khảo sát sơ bộ dựa trên 20 chuyên gia đã và đang làm việc tại các DA của CĐT để hoàn thiện bảng câu hỏi và thăm dò ý kiến của người được khảo sát nhằm bổ sung những rủi ro cần thiết và loại bỏ những rủi ro không cần thiết.

- Tiến hành khảo sát chính thức và Thu thập số liệu chính thức.

- Phân tích số liệu.

3.3. Các công cụ cho nghiên cứu

NỘI DUNG CÔNG CỤ NGHIÊN CỨU

Xác định các nhân tố ảnh hưởng đến rủi ro tác động đến CLTC công trình cầu cảng.

- Thống kê số liệu cũ.

- Bảng câu hỏi.

- Phỏng vấn chuyên gia.

- Microsoft office, Edraw Mind map, SPSS (hổ trợ về thống kê, chuyên xử lý các thông tin thứ cấp,phần mềm hổ trợ người dùng phân tích thống kê, mô tả trung bình, trung vị, phân tích thành tố chính (EFA) để tìm ra các nhân tố c ảnh hưởng chính đến vấn đề

nghiên cứu và phân nhóm các nhân tố.

Xác lập sơ đồ mạng xây dựng các mối quan hệ nhân quả của các nhân tố.

Tính toán kết quả xác suất của mô hình BBNs

Xây dựng mô hình BBNs đánh giá rủi ro chất lượng của các nhân tố trong giai đoạn thi công

- Microsoft Belief Networks (MSBNX)

3.3.1. Xác định kích thước mẫu

Trong nghiên cứu nếu thực hiện với một kích thước mẫu càng lớn thì sẽ càng thể hiện được tính chất của tổng thể nhưng kích thước mẫu càng lớn thì lại càng tốn nhiều thời gian và chi phí, do đó việc chọn một kích thước mẫu phù hợp là rất quan trọng.

Có các phương pháp xác định kích thước mẫu như sau:

- Theo Gorsuch (1983) [13], phân tích nhân tố cần có ít nhất 200 quan sát.

- Theo Hair & ctg (1998) [14], để phục vụ cho phân tích khám phá EFA tỷ lệ số quan sát/số đo lường là 5 :1, với 1 biến đo lường cần tối thiểu 5 quan sát, kích thước mẫu tối thiểu là 50.

- Theo Tabachnick & fidel (2007) [15], kích thước mẫu tối thiểu cho mô hình hồi quy đa biến được tính theo công thức:

N=8*var+50 (3.1), Trong đó : + var là số biến độc lập đưa vào mô hình hồi quy.

- Theo Bollen, 1989 mẫu phải là 4 đến 5 lần biến khảo sát tương ứng.

- Theo tài liệu sách Hoàng Trọng và Chu Nguyễn Mông Ngọc (2011) [16], kích thước mẫu được xác định theo công thức:

2 / 2

2

. .(1 )

Z p p

N e

 

 (3.2)

Trong đó :

+ Z2/2: là giá trị của bảng phân phối chuẫn căn cứ trên độ tin cậy 1-;

+ e : là sai số cho phép;

+ p : ước tính tỷ lệ phần trăm của tổng thể.

Chọn độ tin cậy 1- là 95%, tra bảng được Z/2=1.96 Chọn e=0.05, p=0.3 cho bảng câu hỏi khảo sát

→ Số lượng mẫu tối thiểu thu được

2 2

1.96 0.3 (1 0.3) 0.05 164

x x

N    mẫu.

3.3.2. Kỹ thuật lấy mẫu

Các kỹ thuật lấy mẫu đưa ra một loạt các phương pháp cho phép người nghiên cứu có thể giảm bớt số lượng dữ liệu cần thu thập, bằng việc chỉ xem xét những dữ liệu từ một tiểu nhóm thay vì tất cả các đối tượng quan sát. Việc lấy mẫu hiệu quả sẽ giúp cho người nghiên cứu rút ngắn được thời gian cũng nhưng ngân sách cho việc nghiên cứu.

Có hai nhóm kỹ thuật lấy mẫu phổ biến đó là kỹ thuật lấy mẫu xác xuất và lấy mẫu phi xác xuất. Trong đó kỹ thuật lấy mẫu xác suất gồm các phương pháp chọn mẫu ngẫu nhiên đơn giản, chọn mẫu hệ thống, chọn mẫu phân tầng, chọn mẫu cả khối hay nhiều giai đoạn. Còn nhóm kỹ thuật lấy mẫu phi xác suất bao gồm các phương pháp lấy mẫu thuận tiện. lấy mẫu định mức, lấy mẫu phán đoán.

Kỹ thuật lấy mẫu theo xác suất được chia thành có 5 kỹ thuật:

- Kỹ thuật lấy mẫu ngẫu nhiên đơn giản;

- Kỹ thuật lấy mẫu hệ thống;

- Kỹ thuật lấy mẫu ngẫu nhiên phân tầng;

- Kỹ thuật lấy mẫu theo cụm;

- Kỹ thuật lấy mẫu đa tầng.

Quá trình lấy mẫu theo xác suất được chia thành bốn giai đoạn:

1. Xác định một khuôn khổ lấy mẫu phù hợp dựa trên những câu hỏi hay mục tiêu nghiên cứu.

2. Quyết định kích cỡ lấy mẫu phù hợp.

3. Lựa chon kỹ thuật lấy mẫu phù hợp nhất và lựa chọn mẫu.

4. Kiểm tra xem mẫu đó có đại điện cho tổng thể hay không Kỹ thuật lấy mẫu phi xác suất gồm có các kỹ thuật:

- Kỹ thuật lấy mẫu thuận tiện;

- Kỹ thuật lấy mẫu theo định mức;

- Kỹ thuật lấy mẫu phán đoán.

Trong thực tế công tác lấy mẫu ngẫu nhiên sẽ tốn nhiều về thời gian, thông tin (số lượng đơn vị tổng thể, cơ cấu tổng thể và khung lấy mẫu) và cả chi phí trong khi các điều kiện về thời gian và chi phí của nghiên cứu không đáp ứng được. Khi đó ta có thể áp dụng kỹ thuật lấy mẫu phi xác suất, mặc dù mẫu phi xác xuất không đại diện để ước lượng cho toàn bộ tổng thể, nhưng có thể chấp nhận được trong nghiêm cứu khám phá và kiểm định giả thuyết.

Trong luận văn này tác giả lựa chọn kỹ thuật lấy mẫu phi xác suất với phương pháp lấy mẫu thuận tiện bằng cách gửi email hoặc đến những nơi có khả năng gặp những đối tượng ở những địa điểm, hoàn cảnh đã được chon lọc để thuận tiện thu thập những thông tin cần thiết.

3.3.3. Phương pháp phân tích dữ liệu

3.3.3.1. Kiểm định giả thuyết về trị trung bình của tham số tổng thể (One-Sample T-Test)

Kiểm định One-Sample T-Test được thực hiện nhằm so sánh trị trung bình của tổng thể với một giá trị cụ thể nào đó.

Trị số thống kê T-test thông qua giá trị trung bình của biến được dùng để kiểm tra các giả thiết của các biến liên tục, T-test là kiểm nghiệm thống kê đơn giản và tuân theo qui luật phân phối Student t với n bậc tự do (d.f). Trị số T-test được tính toán

theo tỷ số giữa hệ số hồi qui ước lượng trên sai số chuẩn và được gọi là trị thống kê t.

t 0

s

  

 (3.3)

- Trong đó: + là ước lượng trung bình của tham số β +slà sai số chuẩn ước lượng của β

+β0 là giá trị giả thuyết ban đầu

Nếu giá trị thống kê t lớn hơn giá trị tới hạn t*, thì giả thuyết bác bỏ có thể bị loại bỏ.

Theo [16], kiểm định một giả thuyết thống kê ta có thể phạm phải những sai lầm như sau : dựa trên thông tin từ mẫu ta có thể bác bỏ một giả thuyế mà thực ra giả thuyết này đúng hoặc không bác bỏ một giả thuyết trong khi thực tế nó sai. Người ta định nghĩa xác suất sai lầm như sau :

- Xác suất mắc sai lầm loại I ký hiệu là , là xác suất để chúng ta bác bỏ giả thuyết Ho trong khi thật sự nó đúng.

- Xác suất mắc sai lầm loại II, ký hiệu là β là xác suất để chúng ta không bác bỏ Ho khi nó sai.

Trong nghiên cứu này học viên sử dụng kiểm định One-Sample T-Test cho từng nhân tố với xác suất 95% tức =5%.

3.3.3.2. Kiểm định thang đo (Cronbach’s alpha)

Trong nghiên cứu định lượng, phép kiểm định Cronbach’s alpha phản ánh mức độ tương quan chặt chẽ giữa các nhân tố trong cùng một nhóm.

Theo [16], hệ số tin cậy Cronbach’s Alpha chỉ cho đo lường các nhân tố có liên kết với nhau hay không; nhưng không cho biết nhân tố nào cần bỏ đi và nhân tố nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của nhóm.

Công thức tính hệ số Cronbach’S Alpha:

𝛼 = 𝑁

𝑁−1×1−∑𝑆𝑖2

𝑆𝑡 (3.4) Trong đó:

- N: số mẫu khảo sát;

- 𝑆𝑖 : phương sai của lần đo thứ i;

- 𝑆𝑖 : phương sai của tổng các lần đo.

Cronbach (1951) đưa ra hệ số tin cậy cho thang đo. Chú ý, hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo (bao gồm từ 3 biến quan sát trở lên ) chứ không tính được độ tin cậy cho từng biến quan sát, [17].

Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]. Về lý thuyết, hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này không hoàn toàn chính xác. Hệ số Cronbach’s Alpha quá lớn (khoảng từ 0.95 trở lên) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang đo, [17].

Các tiêu chuẩn trong kiểm định độ tin cậy thang đo Cronbach’S Alpha:

- Nếu một biến đo lường có hệ số tương quan biến tổng Corrected Item – Total Correlation ≥ 0.3 thì biến đó đạt yêu cầu, Nunnally, J. (1978) [18]

- Mức giá trị hệ số Cronbach’s Alpha theo [16]:

+ Từ 0.8 đến gần bằng 1: thang đo lường rất tốt;

+ Từ 0.7 đến gần bằng 0.8: thang đo lường sử dụng tốt;

+ Từ 0.6 trở lên: thang đo lường đủ điều kiện.

Dựa theo các thông tin trên, trong nghiên cứu này tác giả chọn tiêu chí để đánh giá trong kiểm tra Cronbach’s alpha:

- Hệ số Cronbach’s alpha tổng trong từng nhóm ≥ 0.7 do các khái niệm trong nghiên cứu này là tương đối quen thuộc trong bối cảnh ;

- Hệ số tương quan biến tổng của từng nhân tố trong nhóm (Corrected item – total correlation) ≥ 0.3;

3.3.3.3 Phân tích nhân tố khám phá EFA.

Phân tích nhân tố khám phá EFA là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát thành một nhóm nhưng vẫn chứa đựng hầu hết các nội dung và thông tin của biến ban đầu (Hair và cộng sự, 2009).

Hai mục tiêu chính của EFA là phải xác định:

- Số lượng các nhân tố ảnh hưởng đến một tập các biến đo lường.

- Cường độ về mối quan hệ giữa mỗi nhân tố với từng biến đo lường.

EFA thường được sử dụng nhiều trong các lĩnh vực quản trị, kinh tế, tâm lý, xã hội học,… khi đã có được mô hình khái niệm (Conceptual Framework) từ các lý thuyết hay các nghiên cứu trước. Trong các nghiên cứu về kinh tế, người ta thường sử dụng thang đo (scale) chỉ mục bao gồm rất nhiều câu hỏi (biến đo lường) nhằm đo lường các khái niệm trong mô hình khái niệm và EFA sẽ góp phần rút gọn một tập gồm rất nhiều biến đo lường thành một số nhân tố. Khi có được một số ít các nhân tố, nếu chúng ta sử dụng các nhân tố này với tư cách là các biến độc lập trong hàm hồi quy bội thì khi đó, mô hình sẽ giảm khả năng vi phạm hiện tượng đa cộng tuyến.

Ngoài ra, các nhân tố được rút ra sau khi thực hiện EFA sẽ có thể được thực hiện trong phân tích hồi quy đa biến (Multivariate Regression Analysis), mô hình Logit, sau đó có thể tiếp tục thực hiện phân tích nhân tố khẳng định (CFA) để đánh giá độ tin cậy của mô hình hay thực hiện mô hình cấu trúc tuyến tính (Structural Equation Modeling, SEM) để kiểm định về mối quan hệ phức tạp giữa các khái niệm.(Joseph F Hair et al (2009), “Multivariate data analysis”, Prentice Hall) Có 2 phương pháp phổ biến để kiểm định giá trị của thang đo bằng EFA là: (i) sử dụng phép trích nhân tố là Principal Component Analysis (PCA) với phép quay vuông góc Varimax; (ii) sử dụng phép trích nhân tố là Principal Axis Factoring (PAF) với phép quay không vuông góc Promax. Trong bài nghiên cứu này, tác giả sử dụng phép trích nhân tố PCA với phép quay vuông góc Trong EFA, mỗi biến đo lường được biễu diễn như là một tổ hợp tuyến tính của các nhân tố cơ bản, còn lượng biến thiên của mỗi biến đo lường được giải thích bởi những nhân tố chung (common factor). Biến thiên chung của các biến đo lường được mô tả bằng một số ít các nhân tố chung cộng với một số nhân tố đặc trong (unique factor) cho mỗi biến.

Trước khi thực hiện phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis), chúng ta cần kiểm định điều kiện thực hiện phân tích EFA. Thông thường, các nhà nghiên cứu sử dụng hệ số KMO (Kaiser-Meyer-Olkin) và Bartlett. Hệ số KMO ≥ 0.5 và mức ý nghĩa của kiểm định Bartlett < 5% là chấp nhận.

Điều kiện để phân tích nhân tố khám phá là thỏa mãn các yêu cầu:

- 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.

- Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể.

Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.

- Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.

Phân tích nhân tố để kiểm định giá trị hội tụ, giá trị phân biệt của các biến thành phần: dùng phép trích nhân tố là Principal Component Analysis (PCA) với phép quay vuông góc Varimax (Nguyễn Đình Thọ, 2011), được sử dụng khi muốn trích được nhiều phương sai từ các biến đo lường với số lượng thành phần nhỏ nhất để phục vụ cho mục tiêu dự báo tiếp theo Nguyễn Đình Thọ (2011) và Hair (2009). Ở đề tài này mục đích của tác giả là rút gọn số lượng nhân tố và phân nhóm chúng lại để đề ra chiến lược ứng phó nên sẽ dừng lại sau khi phân tích EFA. Điều kiện thực hiện phân tích nhân tố: trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu nhưng trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Để đánh giá thang đo, chúng ta cần xem xét ba thuộc tính quan trọng trong kết quả EFA:

(1) Tiêu chí chọn số lượng nhân tố: số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có eigenvalue tối thiểu bằng 1 (≥1) (Nguyễn Đình Thọ, 2011) nghĩa là chỉ có những nhân tố nào có eigenvalue lớn hơn hoặc bằng 1 mới được giữ lại trong mô hình phân tích. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố.

(2) Trọng số nhân tố hay còn gọi là hệ số tải nhân tố (factor loadings): là những hệ số tương quan đơn giữa các biến và các nhân tố, nếu trọng số nhân tố nhỏ hơn 0.5 có thể loại biến đó vì nó thực sự không đo lường khái niệm chúng ta cần đo lường. Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố lớn hơn 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Nguyễn Đình Thọ, 2011).

(3) Kiểm định sự phù hợp mô hình EFA: xem xét tổng phương sai trích TVE Cummulative (%), tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường và tổng này phải đạt từ 50% trở lên (Nguyễn Đình Thọ, 2011).

Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA: factor loading

> 0.3 được xem là đạt mức tối thiểu, factor loading > 0.4 được xem là quan trọng, factor loading > 0.5 được xem là có ý nghĩa thực tiễn.

3.3.3.4 . Mô hình BBNs phân tích định lượng

Sau khi xác định được các nhân tố ảnh hưởng chính đến rủi ro tác động đến CLTC công trình cầu cảng. Tác giả tiến hành xây dựng mô hình BBNs định lượng rủi ro CLTC. Trước tiên tác giả tiến hành phân lớp mô hình rồi sau đó tìm mối quan hệ nhân-quả giữa các nhân tố này với nhau bằng cách phỏng vấn các chuyên gia và những người có nhiều kinh nghiệm trong lĩnh vực quản lý điểu hành thi công. Sau khi thu thập được mối quan hệ giữa các nhân tố tác giả tiến hành vẽ sơ đồ mô hình và gán các trạng thái xác suất tương ứng với các biến trong mô hình. Việc xây dựng mô hình được cụ thể hóa bằng các bước như sau:

- Phân lớp mô hình

- Lập bảng ma trận vuông (nxn) để khảo sát mối quan hệ nhân quả giữa các nhân tố, với n là các yếu tố ảnh hưởng đến rủi ro chất lượng trong thi công công trình.

- Tiến hành phỏng vấn các chuyên gia và kỹ sư xây dựng có nhiều kinh nghiệm trong lĩnh vực trong lĩnh vực thi công chuyên về giao thông để xác định các mối quan hệ nhân-quả giữa các nhân tố.

- Từ kết quả mối quan hệ giữa các nhân tố xây dựng sơ đồ thể hiện mối quan hệ nhân-quả giữa các yếu tố tác động.

- Gán các trạng thái xác suất tương ứng với các biến trong mô hình.