CHƯƠNG 3: ĐẶC ĐIỂM ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Thiết kế nghiên cứu điều tra chính thức
Đối tượng nghiên cứu chính của đề tài là người bệnh đến khám và điều trị tại Bệnh viện Ung bướu Nghệ An. Đề tài lựa chọn các bệnh nhân có tuổi đời từ 18 tuổi trở lên, có đủ năng lực để trả lời các câu hỏi điều tra.
Thời gian nghiên cứu tiến hành nghiên cứu (thu mẫu điều tra) diễn ra trong tháng 01/2017.
Địa điểm nghiên cứu diễn ra tại tất cả các khoa có cung ứng dịch vụ khám, chữa bệnh của Bệnh viện.
3.4.2. Xác định cỡ mẫu, quy cách chọn mẫu
Đề tài dùng tiêu chí xác định cỡ mẫu theo quy tắc kinh nghiệm là 5 mẫu/1 biến quan sát. Tổng số biến quan sát trong mô hình bao gồm 36 mục hỏi, trong đó 31 mục hỏi cho thang đo SERQUAL và 5 mục hỏi cho sự hài lòng. Vì vậy, tối thiểu số lượng mẫu cần thu là 36 x 5 = 180 mẫu. Thực tế, tổng số mẫu điều tra của đề tài này là 198 mẫu, vì vậy đáp ứng đầy đủ cả 2 tiêu chí trên.
3.4.3. Phương pháp chọn mẫu và thu thập thông tin
Đề tài thực hiện việc chọn mẫu ngẫu nhiên theo danh sách đăng ký nhập viện tại Bệnh viện Ung bướu Nghệ An từ 01/01/2017 đến 20/01/2017. Do tính chất cấp thiết của người bệnh, đề tài này loại bỏ danh sách các bệnh nhân ở Khoa cấp cứu. Mỗi ngày, tác giả căn cứ vào danh sách nhập viện hai ngày trước đó để lựa chọn ra 10 bệnh nhân đáp ứng tiểu chuẩn phỏng vấn, tức từ 18 tuổi trở lên. Tức nhiên, trong trường hợp sau 2 ngày, bệnh nhân đã xuất viện thì họ bị loại khỏi mẫu nghiên cứu và người kế tiếp trong danh sách sẽ được lựa chọn để thay thế. Để đảm bảo tính đại diện của mẫu, tác giả căn cứ vào tổng số bệnh nhân trong danh sách đăng ký chia cho 10 để tạo ra bước nhảy trong chọn mẫu. Ví dụ, nếu danh sách đăng ký là 70, thì bước nhảy là 7.
Như vậy, số bệnh nhân được phỏng vấn mỗi ngày trong thời gian điều tra là 10 người.
Việc phỏng vấn người bệnh được thực hiện trực tiếp bởi tác giả, có sự đồng ý và tạo thuận lợi của Bệnh viện Ung bướu Nghệ An bằng một bảng đề nghị phỏng vấn gởi đến cho bệnh nhân được chọn. Các bệnh nhân được chọn sẽ được phát một bộ câu hỏi điều tra và yêu cầu họ tự trả lời các mục hỏi. Sau mỗi cuộc phỏng vấn, tác giả thực hiện kiểm tra lại toàn bộ bảng câu hỏi và nếu thấy có sự thiếu sót hoặc không phù hợp của số liệu, tác giả sẽ hỏi lại những mục đó để bổ khuyết.
3.4.4. Các phương pháp phân tích dữ liệu
3.4.4.1. Phương pháp phân tích độ tin cậy của thang - Hệ số Cronbach’s Alpha Những mục hỏi đo lường cùng một khái niệm tiềm ẩn thì phải có mối liên quan với những cái còn lại trong nhóm đó. Hệ số của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau.
Công thức của hệ số Cronbach là: = N/[1 + (N – 1)]
Trong đó là hệ số tương quan trung bình giữa các mục hỏi. Ký tự Hy Lạp (đọc là prô) trong công thức tượng trưng cho tương quan trung bình giữa tất cả các cặp mục hỏi được kiểm tra.
Vì hệ số Cronbach chỉ là giới hạn dưới của độ tin cậy của thang đo (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007), và còn nhiều đại lượng đo lường độ tin cậy, độ giá trị của thang đo, nên ở giai đoạn khám phá khi xây dựng bảng câu hỏi, hệ số này nằm trong phạm vi từ 0,6 đến 0,8 là chấp nhận được.
3.4.4.2. Phương pháp phân tích nhân tố khám phá (EFA)
Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu, chúng ta có thể thu thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta có thể sử dụng được.
Liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét và trình bày dưới dạng một số ít các nhân tố cơ bản. Về mặt tính toán, phân tích nhân tố hơi giống với phân tích hồi quy bội ở chỗ mỗi biến được biểu diễn như là một kết hợp tuyến tính của các nhân tố cơ bản. Phân tích nhân tố được sử dụng trong nghiên cứu này nhằm nhận diện các khía cạnh hay nhân tố giải thích được các liên hệ tương quan trong các tập hợp biến, cũng như nhận diện một tập hợp gồm một số lượng biến mới tương đối ít không có tương quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau để thực hiện một phân tích đa biến tiếp theo sau.
3.4.4.3. Phương pháp mô hình hóa phương trình cấu trúc - Structural Equation Modelling (SEM)
Mô hình phương trình cấu trúc (SEM) xem xét một loạt các các mối quan hệ phụ thuộc lẫn nhau một cách đồng thời. Phương pháp này đặc biệt hữu dụng khi một biến phụ thuộc trở thành một biến độc lập trong một quan hệ phụ thuộc tiếp theo. Giá trị của SEM xuất phát từ các lợi ích đạt được trong việc sử dụng đồng thời các mô
hình đo lường và mô hình cấu trúc, mỗi mô hình giữ các vai trò khác nhau trong phân tích chung.
3.4.4.5. Các bước phân tích dữ liệu
Mục đích đầu tiên của nghiên cứu này là khẳng định rằng các thang đo lường đảm bảo về độ tin cậy, rằng mỗi chỉ báo tiếp cận tốt các miền giá trị của các khái niệm sử dụng trong mô hình hay đảm bảo độ giá trị hội tụ của các thang đo, và các khái niệm sử dụng là khác biệt nhau, tức đạt được độ giá trị phân biệt. Mục đích thứ hai là kiểm định các quan hệ cấu trúc giữa các khái niệm trong mô hình hạn chế được đề xuất của đề tài này.
Để đạt mục tiêu thứ nhất, đề tài thực hiện phân tích các thang đo lường qua ba bước: (1) Phân tích độ tin cậy bằng hệ số alpha của Cronbach (1951) với thủ tục loại bỏ chỉ báo được sử dụng cho 6 thang đo tương ứng với 6 cấu trúc sử dụng trong mô hình để phát hiện ra các chỉ báo không tốt; (2) Phân tích nhân tố khám phá (EFA) cho tất cả các chỉ báo để xác định xem các chỉ báo có tạo ra số nhân tố như dự định không, cũng như xem xét các chỉ báo có trọng số nhân tố lớn trên các khái niệm dự định không. Hai bước này được xử lý trên phần mềm SPSS 16.0; (3) Cuối cùng, một phân tích mô hình đo lường cho tất cả 6 thang đo bằng phương pháp phân tích nhân tố xác định (CFA) nhằm đánh giá các chỉ báo một cách nghiêm ngặt hơn, đặc biệt phân tích nhân tố xác định được sử dụng để kiểm tra tính đơn nghĩa của các khái niệm, tính đơn nghĩa là chứng cứ thể hiện có một khái niệm duy nhất ẩn dưới một tập các chỉ báo, cũng như độ giá trị phân biệt của các cấu trúc trong mô hình (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Tiếp theo, sau khi kiểm định mô hình đo lường, mô hình cấu trúc sẽ được phân tích nhằm kiểm định ý nghĩa thống kê của các hệ số cấu trúc (hệ số đường dẫn) theo như các giả thuyết đã đề xuất. Các chỉ số thống kê về sự phù hợp của mô hình: Chi–
bình phương, RMSEA (Root mean square error of approximation), GFI (Goodness of fit index); và CFI (Comparative fit index). Độ phù hợp của mô hình được chấp nhận được chỉ ra bởi hoặc là giá trị xác suất của thống kê Chi–bình phương lớn hơn 0.08, hoặc hai chỉ số GFI và CFI có giá trị lớn hơn 0.90 và chỉ số RMSEA dưới 0.08. Nếu RMSEA dưới 0.05 thì mô hình được xem là tốt (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).