CHƯƠNG III QUY TRÌNH VÀ PHƯƠNG PHÁP THỰC HIỆN
3.4 Phân tích k ết quả
Xử lý dữ liệu bằng phần mềm SPSS ver. 21.0 để tiến hành phân tích:
o Kiểm định độ tin cậy Cronbach Alpha o Phân tích hồi quy đa biến
Do phạm vi của đề tài không tập trung quá nhiều vào phần nghiên cứu mà chỉ chú trọng hơn vào phần kết quả đạt được để tiếp tục xử lý, giải quyết vấn đề và mô hình này đã được nghiên cứu trước đây nên để rút gọn, chỉ thực hiện hai phân tích như trên.
3.4.2 Kích thước mẫu
Đối với phân tích hồi quy đa biến, cỡ mẫu tối thiểu cần đạt được tính theo công thức N ≥ 50 + 8p (p: là biến độc lập). Theo Green (1991) cho rằng công thức trên tương đối phù hợp nếu p <7, khi p >7 công thức trên hơi quá khắt khe. (Trích từ N.Đ.Thọ, 2011).
Trong mô hình thực hiện, có 5 biến độc lập. Vậy kích thước mẫu tối thiểu là:
N ≥ 90
Số lượng khảo sát hợp lệ là 151 mẫu, thỏa điều kiện chọn mẫu như trên để tiến hành phân tích
3.4.3 Kiểm định độ tin cậy Cronbach Alpha
Hệ số Cronbach alpha chỉ đo lường độ tin cậy của thang đo chứ không tính được độ tin cậy cho từng biến quan sát. Với các khái niệm đa hướng, khi tính hệ số Cronbach alpha, ta phải tính cho từng thành phần chứ không tính cho tất cả các thành phần của khái niệm đa hướng hay cho nhiều khái niệm đơn hướng (N.Đ.Thọ, 2011).
Các tiêu chí để kiểm định độ tin cậy của thang đo:
Nếu Hệ số tương quan giữa biến quan sát và biến tổng (Corrected Item to Total Correlation) ≥ 0.3 thì biến đó đạt yêu cầu. Trường hợp các biến đo lường có Hệ số tương quan biến – tổng < 0.3 thì loại bỏ các biến này đi.
Nếu giá trị Cronbach Alpha if Item Deleted < hệ số Cronbach Alpha thì ta loại biến đó. Trong trường hợp chênh lệch không đáng kể, ta có thể giữ biến đó lại để tiến hành phân tích sau này.
Một thang đo có độ tin cậy tốt khi hệ số Cronbach Alpha biến thiên [0.7- 0.8], nếu Cronbach Alpha ≥ 0.6 là thang đo có thể chấp nhận được về mặt độ tin cậy. Trường hợp các biến nhóm đo lường có α < 0.6 thì được xem là thang đo không phù hợp, khi đó ta loại bỏ các biến có liên quan đến nhóm đo lường này đi.
3.4.4 Phân tích hồi quy đa biến Phân tích tương quan
Phân tích tương quan là để kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập. Vì điều kiện để hồi quy là trước nhất phải tương quan.
Đánh giá mức độ tương quan bằng kiểm định Pearson.
Hệ số tương quan r:
– r <0.2: không tương quan
– r từ 0.2 đến 0.4: tương quan yếu
– r từ 0.4 đến 0.6: tương quan trung bình – r từ 0.6 đến 0.8: tương quan mạnh – r từ 0.8 đến <1: tương quan rất mạnh Phân tích hồi quy đa biến
Mô hình hồi quy đa biến biểu diễn mối quan hệ giữa hai hay nhiều biến độc lập với một biến phụ thuộc .
Trong phân tích hồi quy có các tiêu chí sau:
Hệ số R2 điều chỉnh (adjusted R square) để đánh giá mức độ phù hợp mô hình, dùng nó để đánh giá độ phù hợp sẽ an toàn vì không thổi phồng mức độ phù hợp so với hệ số R2. R2 điều chỉnh càng gần 1 thì mô hình càng thích hợp, càng gần 0 thì mô hình càng kém phù hợp với tập dữ liệu mẫu (H.Trọng và C.N.M.Ngọc, 2008).
Kiểm định F (bảng ANOVA) với Sig < 0.05, bác bỏ giả thuyết H0: R2 = 0
→ mô hình hồi quy tuyến tính tổng thể phù hợp.
Hệ số hồi quy chuẩn hóa (β – Standardized regression coefficient) để trả lời biến độc lập nào tác động mạnh hơn vào biến phụ thuộc. Hệ số hồi quy chuẩn hóa phản ánh được thứ tự mức độ tác động của biến độc lập tới biến phụ thuộc bởi vì đơn vị của các biến đã đồng nhất trong khi đó hệ số β chưa chuẩn hóa ko làm được điều đó.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy H0: β1= β2=… βk=0 . Bác bỏ giả thuyết với Sig < 0.05.
Kiểm tra hiện tượng đa cộng tuyến, hệ số phóng đại phương sai VIF >10 thì có hiện tượng đa cộng tuyến. VIF <2 hoặc độ chấp nhận của biến Tolerance
> 0.1 thì không có đa cộng tuyến.