CHƯƠNG 3: MÔ HÌNH, CÁC GIẢ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Phương pháp nghiên cứu
Nhóm nghiên cứu đã kết hợp phương pháp nghiên cứu định tính và định lượng để nghiên cứu đề tài.
Phương pháp nghiên cứu định tính: Đây là phương pháp được dùng ở giai đoạn đầu để xác định mô hình, các biến trong mô hình, sự phù hợp giữa thang đo và các biến.
Với phương pháp này, người tiêu dùng được phỏng vấn trực tiếp về những trải nghiệm trong quá trình MSTT của họ. Kết quả của nghiên cứu định tính sẽ được sử dụng để làm cơ sở cho việc điều chỉnh thang đo và thiết kế bảng hỏi nghiên cứu. Ngoài ra, nhóm tác giả cũng thực hiện thu thập và nghiên cứu dữ liệu thứ cấp để tìm ra khoảng trống nghiên cứu và chỉ ra yếu tố cần bổ sung trong mô hình.
42
Phương pháp nghiên cứu định lượng: Đây là phương thức tiếp cận chính của bài nghiên cứu. Nhóm nghiên cứu đã thu thập dữ liệu bằng hình thức phỏng vấn web-based.
Bảng câu hỏi nghiên cứu được thiết kế trên Google Docs và gửi đến người tiêu dùng ở thủ đô Hà Nội với mục tiêu thu thập được dữ liệu thực tế để phân tích về thực trạng MSTT, những nhân tố tác động đến ý định MSTT từ đó xác định được đâu là nhân tố chính ảnh hưởng tới hành vi của họ. Nhóm nghiên cứu đã chuẩn bị những câu hỏi trắc nghiệm với đa số các đáp án gợi ý sẵn cùng một đáp án “khác” để người tham gia khảo sát có thể nêu ý kiến cá nhân về vấn đề được hỏi. Các câu hỏi đã được tóm gọn một cách dễ hiểu nhất để người làm khảo sát dễ dàng hiểu được ý tưởng của nhóm nhằm có được kết quả chính xác nhất. Bảng khảo sát trực tuyến này được đăng tải trên các diễn đàn và các nhóm trên Facebook có số lượng thành viên lớn, đa dạng, thuộc nhiều độ tuổi và có lượt tương tác cao.
Phương pháp chọn mẫu:
Để xác định cỡ mẫu phù hợp cho việc phân tích hồi quy đa biến: công thức để tính cỡ mẫu tối thiểu là: n = 50+ 8m (m là số biến độc lập) (Tabachnick & Fidell, 1996).
Nghiên cứu của Hair và cộng sự (1998) cũng đưa ra tham khảo cho kích thước mẫu dự kiến để phân tích nhân tố EFA. Dựa theo đó thì kích thước mẫu tối thiểu cần có là gấp 5 lần tổng số biến quan sát. Trong nghiên cứu này có 28 biến cần phân tích nhân tố, vì vậy cỡ mẫu tối thiểu cần là 28 x 5 = 140 mẫu. Dù kích thước mẫu tối thiểu là 140 mẫu nhưng để bảo đảm tính tin cậy của khảo sát, nhóm nghiên cứu xây dựng mẫu dự kiến là khoảng 500 mẫu.
Dựa vào cơ sở đó, nhóm nghiên cứu chọn tổng thể là người tiêu dùng từ 18 đến 45 tuổi bởi đây là nhóm tuổi có tần suất mua sắm lớn, đặc biệt quen thuộc với hình thức MSTT.
Ngoài ra, nhóm nghiên cứu cũng tiến hành khảo sát người tiêu dùng với những tiêu chí về tình trạng hôn nhân, nghề nghiệp, mức chi tiêu hàng tháng để chỉ ra những sự khác biệt trong ý định MSTT.
43
Thời gian khảo sát: Sau ba tháng khảo sát (từ tháng 03/2020 đến tháng 06/2020), có tất cả là 457 phiếu được thu về. Sau quá trình loại bỏ những phiếu không đạt tiêu chuẩn (không điền đủ đáp án, thông tin không đảm bảo tính khách quan,...) nhóm nghiên cứu sử dụng 378 phiếu hợp lệ làm dữ liệu trong phân tích chính thức.
Lưu trữ và xử lý: Dữ liệu mà nhóm nghiên cứu thu thập được tổng hợp thành biểu mẫu số liệu trong file Excel. Từ đó nhóm đã áp dụng các kĩ thuật phân tích thống kê của phần mềm SPSS 26 để phân tích Cronbach’s Alpha và nhân tố khám phá EFA để loại trừ các biến không đủ điều kiện. Sau đó, nhóm áp dụng phần mềm SEM-AMOS 26 tiến hành phân tích CFA để kiểm tra ảnh hưởng của các biến chính xác còn lại đến ý định MSTT của người tiêu dùng tại Hà Nội.
Phương pháp phân tích dữ liệu
Phương pháp phân tích được thực hiện dựa vào các bước: kiểm tra độ tin cậy và đánh giá thang đo và phân tích mô hình cấu trúc SEM.
Đánh giá độ tin cậy của các tiêu chí trong từng biến số bằng hệ số Cronbach’s Alpha: Phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha được dùng để đánh giá độ tin cậy của thang đo. Mục đích của việc phân tích nhân tố EFA sau khi sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha là để bỏ đi các biến không phù hợp bởi chúng có thể tạo ra các nhân tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha cho biết về mối liên kết giữa các đo lường chứ không cho biết cần giữ lại hay loại trừ biến quan sát nào. Vì vậy, ta có thể xóa những biến quan sát không có đóng góp nhiều đối với sự mô tả khái niệm cần đo bằng cách tính hệ số tương quan giữa biến-tổng (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Để đánh giá độ tin cậy thang đo cần có những tiêu chí sau:
Các biến quan sát có hệ số tương quan biến - tổng < 0,3 sẽ bị loại bỏ; độ tin cậy Alpha > 0,6 đáp ứng tiêu chuẩn chọn thang đo (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein, 1994).
Giá trị của Alpha đạt trong khoảng từ 0,7 đến 0,8 là có thể sử dụng được; Alpha >
0,8 thể hiện thang đo lường tốt. Nếu khái niệm nghiên cứu mới về bối cảnh nghiên
44
cứu hoặc chưa từng xuất hiện thì Alpha > 0,6 là có thể sử dụng (Nunally, 1978;
Peterson, 1994; Slater, 1995).
Các biến quan sát có tương quan biến - tổng < 0,4 sẽ bị loại trừ và khi hệ số tin cậy Alpha > 0,7 thì thang đo sẽ được chấp nhận.
Loại bỏ các biến quan sát có hệ số tương quan biến - tổng < 0,4 (đây là những biến được dùng trong nhiều nghiên cứu trước đó và không có nhiều đóng góp cho sự mô tả của khái niệm cần đo).
Từ những thông tin trên, nghiên cứu được đánh giá thang đo qua các tiêu chí:
Các biến quan sát có hệ số tương quan biến - tổng < 0,4 sẽ bị xóa bởi những biến này đã được dùng trong nhiều nghiên cứu trước đó và không có nhiều tính đóng góp.
Thang đo có độ tin cậy Alpha > 0,6 sẽ được chấp nhận bởi các khái niệm trong đề tài này còn khá mới lạ với các đối tượng nghiên cứu.
Giá trị hội tụ và giá trị phân biệt là những yếu tố có ý nghĩa của một thang đo được đánh giá bằng phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis). Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), tức là dựa vào mối tương quan giữa các biến với nhau mà không có biến phụ thuộc lẫn biến độc lập (interrelationships). Một tập F (F<k) các nhân tố mang nhiều ý nghĩa hơn được thu gọn từ một tập k biến quan sát bằng EFA.
Việc thu gọn này dựa trên mối liên hệ tuyến tính của các nhân tố và các biến quan sát (biến nguyên thủy). Theo Mayers và cộng sự (2000) thì phép xoay Varimax và phương pháp trích Principal Components Analysis được áp dụng nhiều nhất. Hair và cộng sự (1998) thì cho rằng hệ số tải nhân tố (Factor loading) nhằm thể hiện ý nghĩa của EFA:
Hệ số tải nhân tố > 0.3 là đạt mức tối thiểu
Hệ số tải nhân tố > 0.4 là quan trọng
Hệ số tải nhân tố > 0.5 là có ý nghĩa thực tiễn
Vậy muốn phân tích nhân tố khám phá EFA cần đáp ứng những điều kiện sau:
45
Hệ số tải nhân tố > 0.5
0.5 ≤ KMO ≤ 1: Sự thích hợp của phân tích nhân tố sẽ được kiểm tra bằng hệ số KMO (Kaiser-Meyer-Olkin) và chỉ thích hợp khi trị số KMO lớn.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05) để kiểm tra giả thuyết các biến mà không có sự tương quan trong tổng thể. Các biến quan sát có mối tương quan với nhau trong tổng thể khi kiểm định này có ý nghĩa thống kê (Sig. < 0.05).
Phần trăm phương sai trích (Percentage of variance) > 50% cho biết phần trăm biến thiên của các biến quan sát. Tức là giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu % khi coi biến thiên là 100%.
Phân tích cấu trúc tuyến tính SEM giúp kiểm định mô hình và giả thuyết nghiên cứu. Với mục tiêu kiểm định các giả thuyết thống kê, mối quan hệ giữa các biến tiềm ẩn (latent variables) và các biến quan sát được (observed variables) được mô tả thông qua mô hình cấu trúc tuyến tính (SEM). Biến quan sát được là các biến được dùng nhằm xác định các biến tiềm ẩn-những biến không thể quan sát được hay đo lường. Mối quan hệ giữa các khái niệm (constructs) có thể được kiểm định bởi SEM. Để kiểm tra mối liên hệ phức hợp trong mô hình, SEM có thể kết hợp được tất cả các kỹ thuật như phân tích nhân tố, phân tích mối quan hệ hỗ tương (giữa các phần tử của sơ đồ mạng), hồi quy đa biến. SEM ước lượng được đồng thời mối quan hệ nhân quả giữa các khái niệm tiềm ẩn (Latent Constructs) và các phần tử trong tổng thể mô hình thông. Sự ước lượng đó thông qua các chỉ số kết hợp giữa đo lường và cấu trúc mô hình lý thuyết, đo lường các mối quan hệ ổn định (recursive) và không ổn định (non-recursive) hay đo lường các ảnh hưởng trực tiếp và gián tiếp, kể cả cả sự sai số đo và tương quan phần dư, trong khi đó, các kỹ thuật thống kê khác chỉ cho phép ước lượng mối quan hệ riêng của từng cặp phần tử trong mô hình đo lường (mô hình cổ điển).
46