Thống kê mô tả được dùng đề trình bày một cách tóm tắt các đữ liệu mà tác gia đã thu thập được bằng việc khảo sát và mô tả chúng đưới dạng một biêu đề trực
quan. Thống kê mô tả để nhằm phục vụ mục đích chuyên đổi các dữ liệu định lượng phức tạp từ các tập dữ liệu lớn thành các mô tả đơn giản.
3.6.2. Kiếm dinh Cronbach’s Alpha.
Chúng ta có thể đo lường độ tương quan giữa các biến quan sát của một nhân tố thông qua việc kiêm định độ tin cậy (Nguyễn Đình Thọ, 201 1). Trong nghiên cứu này, tác giả thực hiện kiểm định Cronbach's Alpha nhằm đo lường tính nhất quán giữa các yếu tố ảnh hưởng đến ý định mua hàng của khách hàng cá nhân tại tổng công ty cô phần đệt may Hòa Thọ
Những biến quan sát có độ tin cậy được đánh giá không đảm bảo sẽ bị loại khỏi thang đo. Thang đo tiêu chuân đòi hỏi phải đáp ứng được 2 điều sau: hệ số tương quan biến tông (Corrected Item-Total Correlation) phải lớn hơn 0.3 và hệ số Cronbach’s Alpha téng thé phải lớn hơn 0.6. Mức giá trị hệ s6 Cronbach’s Alpha cu thể:
* Tir 0,8 dén gan bang 1: Thang do str dung rat tốt
* Ti 0.7 dén gan bang 0.8: Thang đo sử dụng tốt
* Tir 0.6 dén gan bang 0.7: Thang do có thé str dụng được (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) 3.6.3. Phân tích nhân tổ khám pha (EFA).
Trong nghiên cứu định lượng người ta thường sử dụng phân tích nhân tố khám phá đề rút gọn một tập hợp nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa. Mỗi biến quan sát được tính một tỷ số gọi là hệ số nhân tô tải, hệ số này cho biết mỗi biến đo lường sẽ thuộc về nhân tổ nào.
52
Hệ số tải nhân tố được xem là trọng số thể hiện mức độ tương quan giữa các biến quan sát so với các nhân tố. Hệ số này càng thấp cho thấy mực đô tương quan càng nhỏ và ngược lại.
Tông phương sai trích (Total Variance Explained) đạt giá trị từ 50% trở lên thì thang đo được chấp nhận.
Hệ số Eigenvalue (đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 thì nhân tố rút ra có ý nghĩa tóm tat thông tin tốt nhất
Theo Hair và cộng sư (1998) hệ số tải có mức ý nghĩa phải đảm bảo các chỉ tiêu sau:
* Mức tôi thiểu ma Factor loading can phai đạt là lớn hơn 0.3
® Factor loading có mức quan trọng khi lớn hơn 0.4
s Ý nghĩa thực tiễn của Factor loading có được khi có giá trị lớn hơn 0.5 Kiểm định Bartlett: dùng để đánh giá sự tương quan giữa giả thuyết của biến va tong thé. Cac biến trong nghiên cứu tương quan với nhau khi Sig<0.05.
Hệ số KMO: đánh giá sự phù hợp của các nhân tố được phân tích. Nhân tố có trị số KMO năm trong khoảng 0.5 lên đến 1 được xem phù hợp và ngược lại. Cụ
thể như
Sau:
* 0.90<=KMO: Rat tot.
* 0.80<=KMO<0.90: Tot.
* 0.70<=KMO <0. 80: On.
© 0.60 <=KMO <0. 70: Trung bình.
© 0.50 <=KMO <0. 60: Té.
* KMO<0, 50: Khéng chap nhan.
3.6.4. Phân tich trong quan Pearson.
Phân tích này dùng để kiểm định mức độ tương quan giữa biến phụ thuộc so với các biến độc lập. Đồng thời, cũng có thể xác định vấn đề đa cộng tuyến khi có sự tương quan rất cao giữa các biến độc lập và xem xét khi phân tích hỗồi quy.
Tương quan Pearson thường có giá trị nằm trong khoảng từ -1 đến +1 với mnức ý nghĩa là sig < 0.05.
Với r=0: Không có mối quan hệ tuyến tính giữa hai biến trong hệ số Với r=l hoặc r=-l: Tương quan tuyệt đối giữa hai biến trong hệ số Với r<0: Giá trị hai biến phụ thuộc trái ngược nhau và hệ số tương quan
mang giá trị âm. Điều này có nghĩa khi giá trị của biến x tăng thì biến y sẽ giảm.
Với r>0: Giá trị hai biến phụ thuộc đồng biến với nhau với hệ số tương quan dương. Điều này có nghĩa khi giá trị x tăng thì biến y cũng tăng theo và ngược lại.
Theo Harr và cộng sự (2009) Xác định mức độ tương quan với các giả trị như sau:
*® Irl>0,8: Rất mạnh.
s Irl=0,6-0,8: Mạnh.
® Ir|=0,4— 0,6: Trung bình.
*® Irl=0,2-0,4: Yếu.
® |r|<0,2: Không tương quan 3.6.5. Phân tích hồi quy đa biến.
Theo Fasveri và Belfiore (2019), phân tích hồi quy tuyến tính được dùng để nghiên cứu mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc. Các giá trị tiêu biểu trong phân tích hồi quy bao gồm:
Durbin-Watson (DW): kiểm tra sự tương quan với giá trị từ 0 đến 4. Nếu tương quan không xảy ra giữa các sai số liền ké thi tri số sẽ gần bằng 2. Ở mức trị số bằng 4 thì các sai số tương quan nghịch với nhau. Ngược lại, sai số trơng quan cùng chiều khi sai số gần bằng 0. Dẫn đến hiện tượng tự tương quan chuỗi bậc nhất khi DW nhỏ hơn 1 và DW lớn hơn 3.
Giá trị sig của kiêm định t: được dùng đề đánh giá mức ý nghĩa của hệ số hồi quy. Với mức tác động của biến độc lập lên biến phụ thuộc khi sig<0.05.
Variance inflation factor (VIF): Theo Hoang Trong va Chu Méng Ngoc (2005), hệ số phóng đại phương sai được sử dụng để xem xét mức độ đa cộng tuyến. Đối với VIF>10 thì đa cộng tuyến có tồn tại.
Mô hình hỏi quy có dạng:
Y =B0+~+BI*XI + B2*X2 + B3*X3 + B4*X4 + B5*XS Trong đó:
54
Y: Bién phụ thuộc 80: Hằng số hồi quy B1- B6: Trọng số hồi quy 3.6.6 Kiếm định sự khác biệt.
¢ Kiém dinh Independent Sample T-test
Kiém dinh nay la phép kiém dinh gia thuyét vé trung binh cua téng thé.
Được dùng trong trường hợp ta muốn kiểm định sự cân bằng của giả thuyết trên 2 mẫu độc lập trong 2 tông thê.
Nếu mức ý nghĩa lớn hơn 0.05 thì không có sự khác biệt có ý nghĩa về giá trị trung bình của hai tổng thê (Sig. > 0.05) và nêu mức ý nghĩa nhỏ hơn hoặc bằng 0.05 thì có sự khác biệt có ý nghĩa về giá trị trung bình của hai tong thé (Sig. 0.05).
* Kiém định ANOVA
Sử dụng kiêm định này để kiểm định sự khác biệt giữa các trung bình tổng thé của hơn 2 nhóm (The Ronald Fisher, 1918).
Dựa vào thống kê Levene's ta thấy giá trị Sig. > 0.05 vì vậy không có sự khác biệt trung bình nên ta sẽ sử dụng kết quả phân tích ở bảng ANOVA. Kết quả kiểm định ANOVA có Sig.> 0.05 thì ta chấp nhận giả thuyết H0 và kết luận không
có sự khác biệt nào. Ngược lại, ta bác bỏ giả thuyết Họ.