CHƯƠNG 2. THIẾT KẾ NGHIÊN CỨU
2.6. PHÂN TÍCH DỮ LIỆU
Dữ liệu thu thập được sẽ được xử lý bằng phần mềm SPSS 20. Các bước phân tích chính nhƣ sau:
- Thống kê mô tả:
Tổng hợp các bản câu hỏi thu thập đƣợc, xem xét những bản câu hỏi hợp lệ và loại bỏ bản câu hỏi không hợp lệ. Mã hóa và làm sạch dữ liệu, sau đó sử dụng SPSS để biết đƣợc các thông số của mẫu về tần suất theo độ tuổi, giới tính, nơi sinh sống, nghề nghiệp và thu nhập.
- Phân tích độ tin cậy Cronbach’s Alpha:
Các thang đo đo lường phải được kiểm tra độ tin cậy trước khi kiểm định và thực chất của việc kiểm định độ tin cậy thang đo là việc kiểm ta xem biến quan sát nào đóng góp vào việc đo lường khái niệm nghiên cứu, biến nào không. Hệ số Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các biến quan sát trong thang đo tương quan với nhau. Tuy nhiên, hệ số tin cậy Cronbach’s Alpha chỉ cho biết các biến có liên kết với nhau hay
không, nhƣng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan biến tổng sẽ giúp loại ra những biến quan sát không đóng góp nhiều cho sự mô tả các khái niệm cần đo lường (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
- Phân tích nhân tố khám phá EFA:
Là kỹ thuật phân tích nhằm rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập hợp các biến (nhân tố) ít hơn để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết các thông tin của tập biến ban đầu (Hair & cộng sự, 1998). EFA dùng để kiểm tra xem có xảy ra trường hợp biến quan sát của thang đo này có mối quan hệ với thang đo khác hay không. Nếu có trường hợp này xảy ra, biến quan sát có thể bị loại nhằm đảm bảo các thang đo đạt đƣợc độ giá trị hội tụ và độ giá trị phân biệt.
- Phân tích hồi quy:
Phân tích hồi qui bội tuyến tính là một phương pháp được sử dụng dùng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập.
Phương trình hồi qui bội tuyến tính có dạng:
Yi= β0 + β1X1i +β2 X2i+... +βp Xpi +ei
Các tham số quan trọng trong phân tích hồi qui bội tuyến tính bao gồm:
Hệ số góc βi: là hệ số đo lường sự thay đổi trong giá trị trung bình Y khi Xi thay đổi một đơn vị, trong khi mọi yếu tố khác không đổi.
Hệ số xác định R2: là hệ số xác định tỷ lệ biến thiên của biến phụ thuộc đƣợc giải thích bởi biến độc lập trong mô hình hồi qui. R2 càng lớn thì mô hình hồi qui tuyến tính đã xây dựng đƣợc xem là càng thích hợp và càng có ý nghĩa trong việc giải thích sự biến thiên.
Hệ số R2 điều chỉnh: là chỉ tiêu để quyết định có nên thêm biến độc lập mới vào mô hình hồi qui không.
Giá trị Sig của kiểm định F trong phân tích phương sai ANOVA. Giá
trị này nhỏ hơn 0,05 thì có thể kết luận tồn tại mối quan hệ giữa biến phụ thuộc và biến độc lập.
Giá trị Sig của kiểm định t. Giá trị này nhỏ hơn 0,05 thì hệ số hồi qui có ý nghĩa thống kê.
Hệ số Durbin - Watson dùng để kiểm tra hiện tượng tự tương quan của mô hình.
Hệ số phóng đại phương sai VIF (Variance inslation factor) dùng để kiểm tra hiện tƣợng đa cộng tuyến. Hệ số VIF của các biến số nhỏ hơn 10 thì mô hình không có hiện tƣợng đa cộng tuyến.
KẾT LUẬN CHƯƠNG 2
Trong chương này, dựa trên hai giai đoạn nghiên cứu sơ bộ và chính thức tác giả đã đưa ra được phương pháp và quy trình nghiên cứu. Dựa trên yêu cầu kích thước mẫu nghiên cứu của Hair & cộng sự (1998) và tham khảo các mô hình nghiên cứu đi trước; tác giả chọn được kích thước mẫu cho nghiên cứu là 300 mẫu. Đồng thời đưa ra phương pháp phân tích dữ liệu thu thập được. Kết quả của nghiên cứu sẽ được trình bày ở chương tiếp theo.
CHƯƠNG 3