CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.5. Phân tích tương quan Pearson
Hệ số tương quan Pearson, hay còn được biết đến với tên gọi đầy đủ là Hệ số Pearson (Pearson Correlation Coefficient), là một công cụ quan trọng trong thống kê, giúp đo lường mối quan hệ tuyến tính giữa hai biến và mức độ liên kết của chúng. Theo Gayen (1951) , các nhà nghiên cứu sử dụng hệ số tương quan Pearson (ký hiệu r) trong thống kê để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.
Nếu một trong hai hoặc cả hai biến không phải là biến định lượng (biến định tính, biến nhị phân,…) chúng ta sẽ không thực hiện phân tích tương quan Pearson cho các biến này. Hệ số này cũng cung cấp thông tin quan trọng về sự tương quan, hướng phát triển của mối quan hệ, và mức độ chặt chẽ của sự liên kết giữa các biến.
Theo định nghĩa, hệ số tương quan Pearson có giá trị dao động từ -1 đến 1
Khi giá trị của "r" tiến gần về 1 hoặc -1, điều này chỉ ra rằng mối quan hệ tuyến tính giữa hai biến là càng mạnh, càng chặt chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
Khi "r" tiến gần 0, mối quan hệ tuyến tính giữa chúng là yếu.
Nếu “r” = 1: tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồ thị phân tán Scatter, các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng.
101
Trong trường hợp "r" bằng 0, không có mối tương quan tuyến tính, có thể xuất phát từ hai tình huống: không có mối liên hệ nào giữa hai biến hoặc có mối liên hệ phi tuyến.
Andy Field (2009) cho rằng để đánh giá ý nghĩa thống kê của hệ số tương quan Pearson, chúng ta cần thực hiện kiểm định giả thuyết. Kết quả của kiểm định được biểu thị qua "sig", và nếu "sig" nhỏ hơn 0.05 (mức ý nghĩa 5%), chúng ta có thể kết luận rằng có sự tương quan tuyến tính giữa hai biến. Nếu sig lớn hơn 0.05, cặp biến không có tương quan tuyến tính
Theo Andy Field (2009), sau khi xác định được tương quan tuyến tính, chúng ta cần xem xét độ mạnh hay yếu của mối quan hệ này. Theo hướng dẫn của ông, giá trị tuyệt đối của "r" có thể được phân loại như sau:
|r| < 0.1: Mối tương quan rất yếu.
|r| < 0.3: Mối tương quan yếu.
|r| < 0.5: Mối tương quan trung bình.
|r| ≥ 0.5: Mối tương quan mạnh.
Do đó, không chỉ là một phương pháp để đo lường mối quan hệ giữa các biến, hệ số tương quan Pearson còn là một công cụ đa dạng, cung cấp thông tin chi tiết và ý nghĩa thống kê để hiểu rõ hơn về sự liên kết giữa các biến trong nghiên cứu thống kê.
4.5.2. Phân tích tương quan
Sau khi bàn bạc và thảo luận với nhau, nhóm đã xác định được đâu là biến phụ thuộc và biến độc lập, từ đó tiến hành phân tích hệ số tương quan Pearson để kiểm tra mối quan hệ thống kê giữa hai biến phụ thuộc Y và các biến độc lập X . Kết quả thu đượci
cụ thể như sau:
Bảng 4.18. Bảng thể hiện kết quả phân tích tương quan Pearson Correlations
y x1 x2 x3 x4 x5
y
Pearson
Correlation 1 .632** .518** .602** .453** .563**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 483 483 483 483 483 483
x1 Pearson
Correlation .632** 1 .465** .550** .316** .552**
Sig. (2-tailed) .000 .000 .000 .000 .000
102
N 483 483 483 483 483 483
x2
Pearson
Correlation .518** .465** 1 .401** .144** .362**
Sig. (2-tailed) .000 .000 .000 .001 .000
N 483 483 483 483 483 483
x3
Pearson
Correlation .602** .550** .401** 1 .217** .435**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 483 483 483 483 483 483
x4
Pearson
Correlation .453** .316** .144** .217** 1 .276**
Sig. (2-tailed) .000 .000 .001 .000 .000
N 483 483 483 483 483 483
x5
Pearson
Correlation .563** .552** .362** .435** .276** 1
Sig. (2-tailed) .000 .000 .000 .000 .000
N 483 483 483 483 483 483
**. Correlation is significant at the 0.01 level (2-tailed).
(Nguồn: Kết quả thu được từ phân tích dữ liệu) a. Chú thích:
Y: Sự hài lòng của người chơi tại thành phố Hồ Chí Minh đối với các tựa game của Riot Games.
X1: Nhóm nhân tố THIẾT KẾ (TK6= “Dễ hiểu và dễ tiếp cận game”; TK7= “Cốt truyện đa dạng, thu hút”; TK2= “Mượt mà và ổn định”; TK5= “Tạo hình nhân vật lôi cuốn”; TK3= “Âm thanh và hiệu ứng sống động”; TK1= “Chất lượng đồ họa tốt”; TK4= “Trải nghiệm thú vị và hấp dẫn”)
X2: Nhóm nhân tố NHU CẦU (NC4= “Thể hiện bản thân, cạnh tranh với người khác”; NC2= “Kết nối với bạn bè và cộng đồng người chơi’; NC1= “Thư giãn, giải trí”; NC3= “Khám phá nhiều nội dung thú vị trong game”)
X3: Nhóm nhân tố CHÍNH SÁCH (CS2= “Chính sách xử phạt chính xác, công bằng”; CS1= “Cập nhật và sửa lỗi nhanh chóng”; CS4= “Công cụ thanh toán nhanh chóng, tiện lợi”; CS3= “Hỗ trợ lấy lại tài khoản, tiền, vật phẩm nhanh gọn”)
X4: Nhóm nhân tố GIÁ CẢ (GC1= “Các tựa game đều miễn phí”; GC2= “Vật phẩm trong game có mức giá hợp lí”; GC3= “Có nhiều chương trình giảm giá, khuyến mãi”)
103
X5: Nhóm nhân tố KÊNH TIẾP THỊ (KTT3= “Tương tác cộng đồng bằng nhiều website, fanpage”; KTT2= “Hợp tác với nhiều người nổi tiếng, streamer”; KTT1=
“Tổ chức nhiều sự kiện, giải đấu”) b. Phân tích
Từ bảng dữ liệu sau khi phân tích, ta có thể thấy rằng giá trị Sig. (2-tailed) của tất cả các nhóm nhân tố đều bằng 0.000 và 0.000 < 0.05. Điều đó cho thấy các biến có mối tương quan tuyến tính với nhau. Ngoài ra, hệ số tương quan Pearson “r” của đa số các nhóm nhân tố đều hướng về 1 và đều lớn hơn 0.5, chỉ có hệ số tương quan Pearson của biến X4 (Giá Cả) thấp hơn 0.5, tức là giữa các biến độc lập X có mối tương quan từi
trung bình đến mạnh. Cụ thể X1= 0.632, X2 = 0.518, X3 = 0.602, X4 = 0.453, X5 = 0.563. Điều này cho ta thấy các biến độc lập X có mối tương quan dương với biến phụi
thuộc Y, các nhóm nhân tố X1, X2, X3, X4, X5 càng có xu hướng tốt thì sự hài lòng của người chơi tại thành phố Hồ Chí Minh đối với các tựa game của Riot Games càng cao. Bên cạnh đó, ở cuối bảng có dòng **. Correlation is significant at the 0.01 level (2-tailed) có nghĩa là các mối tương quan có ý nghĩa tại 0.01, tức độ tin cậy đạt 99%.