CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.3 Phương pháp phân tích dữ liệu
3.3.1 Kiểm định độ tin cậy thang đo
Độ tin cậy của thang đo đƣợc kiểm định thông qua phân tích Cronbach’s Alpha.
Phân tích này cho phép kiểm tra sự chặt chẽ và tương quan giữa các biến quan sát. Hệ số Cronbach’s Alpha cao thể hiện tính đồng nhất của các biến đo lường,
cùng đo lường một thuộc tính. Các nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0.60 trở lên là có thể sử dụng được trong trường hợp khái niệm nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995). Trong nghiên cứu này, thang đo sẽ đƣợc chấp nhận khi hệ số Cronbach Alpha không dưới 0.6.
Mặt khác, để nâng cao hệ số Cronbach Alpha của thang đo, các biến có hệ số tương quan biến – tổng nhỏ sẽ bị loại. Hệ số tương quan biến – tổng (item – total correclation) là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo. Các biến trong thang đo này dùng để đo lường một thuộc tính của khái niệm cần đo. Do đó, hệ số này càng cao, sự tương quan của biến đối với các biến khác trong nhóm càng cao, độ tin cậy của biến càng cao (Hair Anderson, Tatham & Black, 1998; Nunnally, 1978; Leedy, 1997). Các biến có hệ số tương quan biến – tổng nhỏ hơn 0.3 được coi là biến
“rác” và sẽ bị loại ra khỏi thang đo. (DeVellis, R.F.,1991).
Tóm lại, tiêu chuẩn để kiểm định độ tin cậy của thang đo khi phân tích Cronbach’s Alpha bao gồm:
1) Cronbach’s Alpha tổng của thang đo ≥ 0.60 2) Hệ số tương quan biến – tổng ≥ 0.30
3) Cronbach’s Alpha nếu loại biến < Cronbach’s Alpha tổng của thang đo. (tiêu chí này xem xét khi loại bỏ biến mà không vi phạm nội dung của khái niệm nghiên cứu)
3.3.2 Kiểm định giá trị thang đo
Phân tích nhân tố EFA là tên chung của một nhóm các thủ tục đƣợc sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Phân tích nhân tố nhằm xác định các nhân tố từ các phát biểu của từng thuộc tính và nhóm các phát biểu này thành các nhân tố mới. Phân tích nhân tố nhằm gom các biến có mối tương quan lại với nhau thành những nhóm biến mới.
Các tiêu chuẩn phân tích EFA đƣợc áp dụng trong nghiên cứu này:
1) Hệ số KMO (Kaiser – Mayer – Olkin) ≥ 0.50, mức ý nghĩa kiểm định Bartlett
≤ 0.05. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau (các biến đo lường phản ảnh những khía cạnh khác nhau của cùng một yếu tố chung), 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. Hệ số Kaiser – Mayer – Olkin là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) là một trong những điều kiện cho thấy phân tích EFA là thích hợp (Trong & Ngoc, 2008).
2) Tiêu chuẩn Kaiser (Kaiser Criterion): loại bỏ những nhân tố kém quan trọng.
Chỉ giữ lại những nhân tố quan trọng có Eigenvalue không nhỏ hơn 1.0 (Kaiser, 1960), Eigenvalue đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố.
3) Tiêu chuẩn phương sai trích (Varance explained criteria): tổng phương sai trích không nhỏ hơn 50% (Gerbing & Anderson, 1988).
4) Hệ số tải nhân tố (factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA; hệ số tải > 0.30 đƣợc xem là đạt mức tối thiểu; >0.40 đƣợc xem là quan trọng; >0.50 đƣợc xem là có ý nghĩa thực tiễn (Hair & ctg, 2010).
Nghiên cứu này sử dụng phân tích EFA để loại dần các biến có hệ số tải nhân tố nhỏ hơn 0.50. Ngoài ra, cũng có nhà nghiên cứu quan tâm đến tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003).
Phương pháp phân tích nhân tố đối với các biến trong các thang đo của đề tài được tiến hành phân tích qua 2 bước:
Bước 1: phân tích EFA riêng từng thang đo để đánh giá tính đơn hướng của thang đo. Bước này sẽ được thực hiện với phép trích Principal component để kiểm định từng thang đo đơn hướng. Phép quay sử dụng là Varimax
Bước 2: Phân tích EFA chung cho các thang đo của các khái niệm trong mô hình nghiên cứu để đánh giá sơ bộ giá trị hội tụ và giá trị phân biệt nội bộ. Bước này sẽ đƣợc thực hiện với phép trích Principal axis factoring vì tính chất đa hướng của các thang đo và phép trích này cũng được cho rằng đem đến hiệu quả tốt hơn trong việc xây dựng các nhân tố. Phép quay sử dụng là Promax.
3.3.3 Kiểm định mô hình và các giả thuyết
Sau khi hoàn tất việc phân tích nhân tố, các biến không đảm bảo độ giá trị hội tụ tiếp tục bị loại bỏ khỏi mô hình cho đến khi các biến quan sát đƣợc nhóm theo các nhóm biến (factor). Phân tích tương quan Pearson được sử dụng để xem xét sự phù hợp khi đƣa các thành phần vào mô hình hồi quy.
Xây dựng mô hình hồi quy tuyến tính đa biến để đánh giá mức độ ảnh hưởng của các nguồn lực phi vật chất lên sự hài lòng và lòng trung thành của khách hàng. Đánh giá mô hình thông qua hệ số R2 và kiểm định mức ý nghĩa của các hệ số trong phương trình hồi quy.
Tóm tắt Chương 3
Phương pháp nghiên cứu trình bày quy trình thực hiện nghiên cứu. Sau khi lập mục tiêu và phạm vi nghiên cứu, phương pháp nghiên cứu định tính và định lƣợng đƣợc sử dụng. Dữ liệu sơ cấp đƣợc thu thập từ các đối tƣợng là khách hàng (bệnh nhân) đã hoặc đang khám chữa bệnh ngoại trú tại các bệnh viện/phòng khám trên địa bàn thành phố Hồ Chí Minh. Công cụ thu thập là bảng câu hỏi có cấu trúc. Trong đó, các khái niệm đƣợc đo bằng thang đo Likert đa biến được tham khảo từ các nghiên cứu trước và được bổ sung, hiệu chỉnh cho phù hợp với bối cảnh nghiên cứu cũng nhƣ điều kiện ở Việt Nam. Kết quả kiểm định sơ bộ cho thấy các thang đo đều đạt yêu cầu về độ tin cậy, và độ giá trị. Cuối cùng mô tả quá trình phân tích dữ liệu cho đề tài. Phần kết quả nghiên cứu sẽ được trình bày trong chương tiếp theo.