Trong nghiên cứu này, phương pháp lấy mẫu được chọn là lấy mẫu thuận tiện, dữ liệu được thu thập thông qua các hình thức phỏng vấn trực tiếp và trả lời qua email.
4.2. Cỡ mẫu
Đối với phân tích nhân tố khám phá (EFA), cỡ mẫu tối thiểu là N ≥ 5*x (x: tổng số biến quan sát) (Hair & đtg, 1998). Trong nghiên cứu này, tổng số biến quan sát là 22, như vậy số mẫu tối thiểu cần đạt được là 110. Tác giả đã gửi đi 260 bảng câu hỏi và nhận được 231 hồi đáp, trong đó có 220 bảng thỏa
mãn yêu cầu và được sử dụng để phân tích. Tỷ lệ hồi đáp chủ yếu là từ các bảng phỏng vấn trực tiếp, tỷ lệ hồi đáp qua email tương đối thấp chỉ với 22 bảng câu hỏi.
4.3. Xử lý và phân tích dữ liệu
Dữ liệu sau khi được thu thập sẽ được mã hóa và thực hiện quá trình phân tích như sau:
4.3.1. Phân tích mô tả
Trong bước đầu tiên, tác giả sử dụng phân tích mô tả để phân tích các thuộc tính của mẫu nghiên cứu: đã biết hay chưa biết về dịch vụ nội dung số, qua kênh thông tin nào, các thông tin cá nhân của người trả lời như độ tuổi, giới tính, thu nhập, nghề nghiệp …
4.3.2. Kiểm định và đánh giá thang đo
Để đánh giá thang đo các khái niệm trong nghiên cứu cần kiểm tra độ tin cậy, độ giá trị của thang đo. Dựa trên các hệ số độ tin cậy Cronbach’s Alpha, hệ số tương quan biến tổng (item-to-total correlation) giúp loại ra những biến quan sát không đóng góp vào việc mô tả khái niệm cần đo, hệ số Cronbach’s Alpha if Item Deleted để giúp đánh giá loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm cần đo và phương pháp phân tích nhân tố khám phá (EFA) nhằm kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu.
Phân tích Cronbach’s Alpha: trong nghiên cứu này, Cronbach’s Alpha phải được thực hiện trước để loại bỏ các biến rác (garbage items) trước khi thực hiện phân tích nhân tố khám phá (EFA), quá trình này giúp chúng ta tránh được các biến rác vì các biến rác này tạo nên các nhân tố giả (artifical factors) khi phân tích nhân tố khám phá (EFA) (Churchill, 1979). Kỹ thuật Cronbach’s Alpha phát hiện loại bỏ một số biến đo lường với tương quan biến tổng (item-to-total correlation) thấp (< 0,3), lựa chọn hệ số Cronbach’s Alpha trong khoảng [0,8 và 1] là thang đo tốt, Cronbach’s Alpha trong khoảng [0,7 và 0,8] sử dụng được và Cronbach’s Alpha từ 0,6 trở lên sử dụng được cho khái niệm trong bối cảnh nghiên cứu mới (Peterson, 1994).
Phân tích nhân tố khám phá (EFA): bước tiếp theo sau khi phân tích Cronbach’s Alpha, phương pháp phân tích nhân tố khám phá (EFA) được sử dụng để xác định: (1) độ giá trị hội tụ (convergent validity), (2) giá trị phân biệt (discriminant validity), (3) đồng thời gom các tham số ước lượng theo từng nhóm biến (các câu hỏi được sắp xếp phù hợp theo nhóm nhân tố). Một số tiêu chuẩn đo lường như sau: để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải đảm bảo lớn hơn hoặc bằng 0,4; để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn hoặc bằng 0,3; số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue - đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố - theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mô hình; tiêu chuẩn phương sai trích (Variance explained criteria): Tổng phương sai trích phải lớn hơn 50%. Xem xét giá trị KMO: 0,5 < KMO < 1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Gerbing & Anderson, 1988).
Sử dụng phương pháp trích yếu tố Pricipal axis factoring với phép xoay Promax (kappa = 4) và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn 1 đối với các biến quan sát đo lường 7 khái niệm thành phần tác động lên sự hài lòng của khách hàng sử dụng DVHCC. Theo phương pháp này phát hiện ra các thứ nguyên (thành phần) tiềm ẩn trong dữ liệu gốc (phát hiện cấu trúc).
Việc chọn phép xoay Promax sẽ phản ảnh chính xác cấu trúc dữ liệu tiềm ẩn hơn. Sử dụng phương pháp trích nhân tố Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn 1 với các biến quan sát đo lường khái niệm sự hài lòng khách hàng.
Phân tích hồi quy đa biến: sau khi hoàn tất việc phân tích đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA), các biến không bảo đảm độ giá trị hội tụ tiếp tục bị loại khỏi mô hình cho đến khi các tham số được nhóm theo các nhóm biến. Việc xác định mối quan hệ giữa các nhóm biến này cũng như xác định mối quan hệ giữa các nhóm biến độc lập (yếu tố
thành phần) và nhóm biến phụ thuộc (sự hài lòng của khách hàng) trong mô hình nghiên cứu được thực hiện bằng phương pháp phân tích hồi quy bội.
Giá trị của biến mới trong mô hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của biến đó, giá trị của các thành phần được phần mềm SPSS tính một cách tự động từ giá trị trung bình có trọng số của các biến quan sát đã được chuẩn hóa. Tuy nhiên, trước khi tiến hành phân tích hồi quy, một phân tích quan trọng cần được thực hiện đầu tiên là phân tích tương quan nhằm kiểm định mối tương quan tuyến tính giữa các biến trong mô hình.
Phân tích tương quan: kiểm định mối tương quan tuyến tính giữa các biến trong mô hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này mối tương quan tuyến tính càng chặt chẽ (Gerbing & Anderson, 1988). Trong mô hình nghiên cứu này, để đạt được mục tiêu nghiên cứu thì kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập. Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan đến các biến được đưa vào trong mô hình.
Tóm tắt chương ba
Chương ba trình bày phương pháp thực hiện nghiên cứu nhằm đạt được các mục tiêu đề ra. Quá trình này gồm hai bước: Bước một, nghiên cứu định tính với kỹ thuật phỏng vấn sâu nhằm bổ sung và hiệu chỉnh các thang đo các biến trong mô hình; Bước 2, nghiên cứu định lượng thực hiện phỏng vấn bằng bảng câu hỏi qua email và trực tiếp. Sau đó dữ liệu sẽ được xử lý và phân tích bằng phần mềm SPSS 20.0 để kiểm định các thang đo và sự phù hợp của mô hình lý thuyết. Trong chương tiếp theo, tác giả sẽ trình bày kết quả phân tích dữ liệu, kết quả nghiên cứu bao gồm đánh giá thang đo, phân tích nhân tố khám phá, hồi quy đa biến và kiểm định giả thuyết.
Chương bốn - Kết quả nghiên cứu Giới thiệu
Chương ba đã trình bày phương pháp nghiên cứu gồm thiết kế nghiên cứu, hiệu chỉnh thang đo và các bước phân tích. Trong chương bốn này sẽ trình bày các kết quả phân tích gồm: (1) mô tả mẫu; (2) kiểm định độ tin cậy của thang đo; (3) phân tích nhân tố; (4) kiểm định độ giá trị của thang đo; (5) phân tích hồi quy đa biến; (6) kiểm định giả thuyết nghiên cứu.