Đề tài sử dụng các phương pháp phân tích thống kê mô tả, kiểm định thang đo, phân tích nhân tố khám phá, phân tích hồi quy với công cụ phân tích là phần mềm SPSS 20.0 nhằm phân tích những yếu tố đưa ra.
2.3.3.1. Phương pháp phân tích thống kê mô tả
Trên cơ sở những số liệu sơ cấp đã thu thập được, đề tài nghiên cứu sử dụng phương pháp phân tích, thống kê, mô tả và trình bày số liệu dé thay rõ
đặc diém của mâu điêu tra.
71
2.3.3.2. Kiểm tra độ tin cậy của thang do
Đề tài sử dụng Cronbach’s Alpha trong SPSS 20.0 để kiểm tra mức độ tin cậy của các tham số ước lượng trong các nhóm yếu tố thuộc mô hình đã dé xuất. Kiểm định hệ số Cronbach’s Alpha là một trong những phương pháp phổ
biến dé kiểm định độ tin cậy của thang đo. Vì mức độ nhất quán của các biến
quan sát càng cao, độ tin cậy của thang đo càng cao thì hệ số Cronbach’s Alpha sẽ được chạy riêng cho từng nhân tổ độc lập, sau đó đo lường tính nhất quán giữa các biến trong cùng một nhân tố. Mỗi nhân tố trong nghiên cứu được xem là chấp nhận được khi thực hiện kiểm định dat chỉ số Cronbach’s Alpha từ 0.6 trở lên. Các chỉ số Cronbach’s Alpha của nhân tố được cho là sử dụng được nếu dat mức từ 0.7 đến 0.8, còn nếu chỉ số này nằm trong khoảng từ 0.8 đến 1 thì độ tin cậy tốt (Hair, 1998). Tuy nhiên có khả năng xuất hiện biến quan sát
thừa ở trong thang đo nếu Cronbach’s Alpha quá cao (>0.95). Biến đo lường một khái niệm hầu như trùng với biến đo lường khác được gọi là biến quan sát thừa, tương tự giống như trường hợp cộng tuyến trong hồi quy, khi đó biến thừa
nên được loại bỏ.
Trong khi đó, để có thể được đưa vào phân tích tiếp (Nunnally và Bernstein, 1994) thì hệ số tương quan biến tổng của từng biến phải đạt mức từ 0,3 trở lên, các biến sẽ được coi là biến rác nếu có hệ số này thấp hơn mức 0.3 và bị loại bỏ trước khi đi vào giai đoạn phân tích nhân tố.
Thông thường chỉ cần dùng Cronbach’s Alpha dé tinh độ tin cậy là đủ, tuy nhiên cần xác định thêm 2 chỉ tiêu nữa đó là: Độ tin cậy tổng hợp (Composite
Reliability — CR) và Phuong sai trích (Average Variance Extracted — AVE) khi
thực hiện phân tích khang định trong AMOS. Theo Hair (1998), dé đảm bảo độ tin cậy thì “Độ tin cậy tổng hợp và Phương sai trích của mỗi khái niệm nên
vượt quá 0.5”.
72
2.3.3.3. Phân tích nhân tổ khám phá (EFA)
Trong nghiên cứu, chúng ta có thê thu thập được một sô lượng biên khá
lớn và hầu hết các biến này có liên hệ với nhau và số lượng chúng phải được giảm bớt xuống một lượng mà chúng ta có thể phân tích. Theo Gerbing và Anderson (1998) các biến quan sát có trọng số (factor loading) nhỏ hơn 0.5 trong EFA sẽ tiếp tục bị loại bỏ và kiểm tra tổng phương sai trích được (>=50%). Các biến quan sát còn lại (thang đo hoàn chỉnh) sẽ được đưa vào phân tích hồi quy. Các tham số thống kê sử dụng trong phân tích nhân tổ là:
Correlation matrix: cho biết hệ số tương quan giữa tất cả các cặp biến
trong phân tích.
Eigenvalue: Là đại diện cho phần biến thiên được giải thích bởi mỗi nhân
Factor loading (hệ số tải nhân tố): là những hệ số tương quan đơn giữa các biến và các nhân tố.
Factor matrix (ma trận nhân tố): chứa các hệ số tải nhân tố của tat cả các biến đối với các nhân tô được rút ra. Factor Scores: là các điểm số nhân tố tổng hợp được ước lượng cho từng biến quan sát trên các nhân tố được rút ra.
Kaiser — Meyer — Olkin (KMO): là một chỉ số dùng dé xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ dé phân tích nhân tổ là thích hợp còn trị số này nhỏ hơn 0.5 thì phân tích nhân tố
có khả năng không thích hợp với các dữ liệu.
2.3.3.4. Phân tích tương quan — hoi quy
Phân tích tương quan
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson và phân tích hồi quy để kiêm định các giả thuyết. Phân tích tương
quan Pearson được thực hiện giữa biến phụ thuộc và biến độc lập nhằm khăng
định có mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập, khi đó
73
việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Giá trị tuyệt đối của Pearson càng gần đến 1 thì hai bién này có mối tương quan tuyến tính càng chặt chẽ. Đồng thời cũng cần phân tích tương quan giữa các biến độc lập với nhau nhằm phát hiện những mỗi tương quan chặt chẽ giữa các biến độc lập. Vì 37 những tương quan như vậy có thé ảnh hưởng lớn đến kết quả phân tích hồi quy như gây ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng
Ngọc, 2005).
Phân tích hồi quy
Sau khi kết luận các biến độc lập và biến phụ thuộc có mối quan hệ tuyến tính với nhau có thể mô hình hóa quan hệ nhân quả này bằng hồi quy (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc và các biến độc lập. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biển độc lập. Phương pháp phân tích được
chọn lựa là phương pháp chọn từng bước Stepwise (từng bước) hoặc phương pháp Enter (đưa vào một lượt), đây là 2 phương pháp được sử dụng rộng rãi
nhất. Mức ý nghĩa được xác lập cho các kiểm định và phân tích là 5% (độ tin cậy 95%). Các kết luận dựa trên hàm hôi quy tuyến tinh thu được chỉ có ý nghĩa khi hàm hồi quy đó phù hợp với dữ liệu mẫu và các hệ số hồi quy khác 0 có ý nghĩa, đồng thời các giả định của hàm hồi quy tuyến tính cổ điển về phương
sai, tính độc lập của phần dư... được đảm bảo. Vì thế, trước khi phân tích kết quả hồi quy ta thực hiện các kiểm định về độ phù hợp của hàm hồi quy, kiểm định ý nghĩa của các hệ số hồi quy và đặc biệt là kiểm định các giả định của hàm hồi quy. Mô hình hồi quy bội mở rộng mô hình hồi quy tuyến tính hai biến bang cách thêm vào một số biến độc lập dé giải thích tốt hơn cho biến phụ
thuộc.
Tiêu chuẩn chấp nhận sự phù hợp của mô hình tương quan hồi quy là; -
74
Kiểm định F phải có giá trị sigœ < 0.05 - Tiêu chuẩn chấp nhận các biến có giá trị Tolerance > 0,0001 - Đại lượng chuẩn đoán hiện tượng đa cộng tuyến VỚI hệ số phóng đại phương sai VIF (Variance Inflation Factor) < 2.
2.4. Tóm tắt chương 2
Nội dung chương 2 tập trung đi sâu vào phương pháp nghiên cứu các yếu tố ảnh hưởng đến hành vi phân loại rác thải của hộ gia đình tại TP. Hà Nội.
Trước hết, bài nghiên cứu đi vào xây dựng quy trình nghiên cứu gồm 06 bước.
Tiếp đó, chương 2 tập trung xây dựng giả thuyết nghiên cứu và đề xuất mô hình nghiên cứu, các yếu tố thái độ, chuẩn chủ quan, kiểm soát nhận thức hành vi, kiến thức phân loại, tuyên truyền và giáo dục, các chính sách, quy định của nhà nước, tiêu chuẩn phân loại ảnh hưởng cùng chiều tới ý định phân loại rác thải
và hành vi phân loại rác thải. Cuối chương tác giả đưa ra 2 phương pháp nghiên
cứu: định tính và định lượng, trong đó dữ liệu nghiên cứu được phân tích từ
300 phiếu khảo sát từ các hộ gia đình. Từ đó, tác giả đi sâu vào phân tích và trình bày kết quả nghiên cứu ở chương 3.