CHƯƠNG 3:MÔ HÌNH ĐỀ XUẤT VÀ THIẾT KẾ NGHIÊN CỨU
3.9 Phương pháp phân tích dữ liệu
Phương pháp phân tích dữ liệu được sử dụng là các phương pháp phân tích thống kê đa biến với sự hỗ trợ của phần mềm SPSS. Cụ thể như sau:
- Phân tích độ tin cậy bằng Cronbach’s Alpha: hệ số Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ giữa các mục hỏi trong thang đo tương quan.
- Phân tích nhân tố khám phá EFA là phép rút gọn dữ liệu và biến bằng cách nhóm chúng lại với các nhân tố đại diện.
- Phân tích hồi quy đa biến: đo lường tác động các nhân tố đến sự hài lòng khách hàng.
3.9.1 Thống kê mô tả
Đầu tiên tác giả sẽ tiến hành tính toán các giá trị tần suất của các biến phân loại như: kênh thông tin, nhóm tuổi, nghề nghiệp, đối tượng khách, trình độ học vấn, giới tính, quốc tịch.
3.9.2 Kiểm định sự tin cậy của thang đo nhân tố
Để kiểm tra sự tin cậy của các nhân tố trong mô hình nghiên cứu xem chúng có thực sự thuộc về một khái niệm nghiên cứu hay không, tác giả sử dụng hệ số Cronbach’s Alpha để kiểm định và hệ số tương quan biến tổng (Corrected Item- Total Correlation). Các biến không đảm bảo tin cậy sẽ bị loại khỏi mô hình nghiên cứu và không xuất hiện khi phân tích khám phá nhân tố (EFA).Tiêu chuẩn lựa chọn Cronbach’s Alpha tối thiểu là 0,6 (Hair và cộng sự, 2006), hệ số tương quan biến tổng nhỏ hơn 0,3 được xem là biến rác và loại khỏi thang đo(Nunally và Burstein, 1994).
3.9.3 Phân tích khám phá nhân tố
Sau khi các khái niệm (nhân tố) được kiểm định thang đo bằng Cronbach’s Alpha sẽ tiếp tục được đưa vào phân tích khám phá nhân tố (EFA). Phân tích nhân tố sẽ giúp nhà nghiên cứu rút ra được những nhân tố tiềm ẩn từ một tập hợp các biến quan sát nhỏ hơn, có ý nghĩa hơn. Một số tiêu chuẩn khi phân tích EFA trong nghiên cứu như sau:
Kiểm định sự thích hợp của phân tích nhân tố: Với dữ liệu của mẫu thông qua giá trị thống kê Keiser-Meyer-Olkin (KMO). Theo đó, trị số của KMO lớn hơn 0,5 thì phân tích nhân tố là thích hợp (Garson, 2002), ngược lại nếu trị số KMO nhỏ hơn 0,5 thì áp dụng phương pháp phân tích nhân tố không thích hợp với dữ liệu đang có.
Số lượng nhân tố: Số lượng nhân tố được xác định dựa vào chỉ số eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có eigenvalue >1 sẽ được giữ lại trong mô hình nghiên cứu (Garson, 2002) vì những nhân tố này có tác dụng tóm tắt thông tin tốt hơn so với những nhân tố Eigenvalue nhỏ hơn 1.
Phương sai trích (variance explained criteria): Tổng phương sai trích phải lớn hơn 50% (Hair và cộng sự, 1998).
Độ giá trị hội tụ: Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các hệ số chuyển tải nhân tố (factor loading) phải lớn hơn hoặc bằng 0.5 trong một nhân tố (Gerbing & Anderson, 1988)
Phương pháp trích hệ số yếu tố Principal component với phép xoay Varimax để đảm bảo số lượng nhân tố là bé nhất (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Sau khi tiến hành phân tích EFA, căn cứ trên dữ liệu thực tế chúng ta cần kiểm định lại độ tin cậy của các nhân tố này. Tiêu chuẩn để đánh giá độ tin cậy là hệ số tin cậy Alpha phải lớn hơn 0.6 và đồng thời hệ số tương quan biến tổng của các biến phải lớn hơn 0.3. (Hoàng Trọng, 2008)
3.9.4 Phân tích tương quan và hồi quy
Để tìm hiểu mối quan hệ giữa các nhân tố và biến phụ thuộc trên dữ liệu điều tra thực tế tác giả sử dụng phân tích tương quan và hồi quy tuyến tính bội.Phương pháp xây dựng phương trình hồi quy được lựa chọn là phương pháp tổng bình phương nhỏ nhất (OLS). Khi chạy hồi quy cần chú ý đến những thông số:
Hệ số Beta: Hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Hệ số R2 điều chỉnh: Vì hệ số khẳng định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, chúng ta càng đưa thêm biến độc lập vào mô hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng không phải phương trình càng nhiều biến sẽ càng phù hợp.
3.9.5 Kiểm định các giả thuyết nghiên cứu
Các giả thuyết nghiên cứu sẽ được tiến hành kiểm định thông qua dữ liệu nghiên cứu của phương trình hồi quy được xây dựng. Tiêu chuẩn kiểm định sử dụng thống kê t và giá trị p-value (sig) tương ứng, độ tin cậy lấy theo chuẩn 95%, giá trị p-value sẽ được so sánh trực tiếp với giá trị 0.05 để kết luận hay bác bỏ giả thuyết nghiên cứu. Việc xem xét tính phù hợp và khả năng giải thích của mô hình ta sử dung hệ số Adjusted R-Square, kiểm định F của phân tích phương sai. Để đánh giá sự quan trọng của các nhân tố trong mô hình ảnh hưởng đến biến phụ thuộc như thế nào ta xem xét thông qua hệ số Beta tương ứng từ phương trình hồi quy xây dựng được từ dữ liệu nghiên cứu.