CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU
3.2. Phương pháp phân tích dữ liệu
Xử lý số liệu được thực hiện trên chương trình SPSS 20.0 theo 4 giai đoạn.
3.2.1 Kiểm định độ tin cậy thang đo bằng hệ số Cronbach’s Alpha
Độ tin cậy của thang đo được đánh giá bằng phương pháp xác định hệ số Cronbach’s alpha. Hệ số này càng lớn thì độ tin cậy nhất quán càng cao. Sử dụng phương pháp hệ số tin cậy Cronbach’s alpha trước khi phân tích nhân tố khám phá
Đặt vấn đề
nghiên cứu Cơ sở lý thuyết
nghiên cứu Mục tiêu
nghiên cứu
Thiết kế nghiên cứu Nghiên cứu định tính
-Thảo luận nhóm -Thiết kế bảng câu hỏi -Hoàn thiện các thang đo
Nghiên cứu định lƣợng
-Kiểm định độ tin cậy Cronbach’s Alpha -Phân tích nhân tố khám phá (EFA) - Kiểm định mô hình hồi quy
-Kiểm định giả thuyết nghiên cứu -Hoàn thiện các thang đo
Xử lý dữ liệu và viết báo cáo
36
EFA để loại các biến không phù hợp vì các biến có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011).
Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy của thang đo bao gồm: Hệ số tin cậy Cronbach’s Alpha: lớn hơn 0.8 là thang đo lường tốt, từ 0.7 đến 0.8 là sử dụng được, từ 0.6 trở lên là có thể sử dụng cho trường hợp khái niệm nghiên cứu là mới hoặc mới trong hoàn cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tương quan biến tổng: các biến quan sát có tương quan biến tổng nhỏ hơn 0.3 được xem là biến rác nên sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Cronbach’s alpha đạt yêu cầu (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011).
Trong nghiên cứu này, tác giả chọn các tiêu chí:
Hệ số tương quan tổng (Corrected Item – Total Correlation) ≥ 0.3
Hệ số Cronbach’s Alpha ≥ 0.6
3.2.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố EFA (Exploratory Factor Analysis) là phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát có mối tương quan với nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết giá trị thông tin của tập biến ban đầu.
Điều kiện để sử dụng EFA với các biến quan sát đạt yêu cầu để được sử dụng trong phân tích nhân tố EFA:
Hệ số KMO >= 0,5 với mức ý nghĩa của kiểm định Bartlett <=0,05.
Hệ số tải nhân tố (fartorloading) >= 0,5.
Tổng phương sai trích >=50% và hệ số eigenvalue >1
Sự khác biệt về hệ số tải nhân tố của một biến quan sát giữa các nhân tố khác nhau phải >3 để đảm bảo giá trị phân biệt giữa các nhân tố.
Lưu ý:
37
Kiểm định KMO (Kaiser-Meyer-Olkin): Theo Norusis (1994) trích trong Nguyễn Đình Thọ (2001), KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến quan sát với độ lớn của hệ số tương quan riêng phần của chúng.
Kiểm định Bartlett: giả thuyết Ho là “Ma trân đơn vị có hệ số tương quan giữa các biến bằng 0”. Nếu sig < mức ý nghĩa thì bác bỏ giả thuyết Ho, tức là các biến có mối quan hệ với nhau.
Tác giả sử dụng phương pháp Principal Compoment với phép quay Varimax khi phân tích nhân tố EFA cho thang đó của các biến độc lập và biến phụ thuộc.
3.2.3 Phân tích hồi quy tuyến tính
Phân tích hồi quy tuyến tính để biết được cường độ tác động của các biến độc lập lên biến phụ thuộc. Từ đó, kiểm tra được độ thích hợp của mô hình, xây dựng mô hình hồi quy bội, kiểm định các giả thuyết. Để kiểm định mô hình, giả thuyết nghiên cứu và xác định mức độ tác động của các nhân tố đến thái độ của khách hàng đối với quảng cáo qua điện thoại thông minh, kỹ thuật hồi quy bội đã được sử dụng. Đồng thời, phân tích tương quan Pearson sẽ được sử dụng để xem xét sự phù hợp khi đưa các biến vào mô hình hồi quy.
Mô hình hồi quy gồm:
Biến độc lập: là các yếu tố được rút trích sau khi phân tích nhân tố EFA.
Biến phụ thuộc: Thái độ của khách hàng đối với quảng cáo qua điện thoại thông minh
Giá trị của một biến (biến độc lập hoặc biến phụ thuộc) là giá trị trung bình của các biến quan sát trong thang đo của biến đó.
3.2.4 Kiểm định sự khác biệt
Tiến hành kiểm định giả thuyết đặt ra cho nhóm giả thuyết H6, đây là mối liên hệ giữa các đặc điểm cá nhân với sự thỏa mãn trong công việc của nhân viên. Kiểm định được thực hiện thông qua phân tích ANOVA và T-test giữa các nhóm đối tượng nhằm tìm ra sự khác biệt có ý nghĩa của các nhóm phân tích. Tiêu chuẩn đánh giá cụ thể như sau:
38
Kiểm định Independent-samples T-test: Nếu giá trị sig. trong kiểm định Levene <
0,05 thì phương sai giữa 2 nhóm khác nhau và sử dụng kết quả tại mục Equal variances not assumed. Và ngược lại, giá trị sig. trong kiểm định Levene ≥ 0,05 thì phương sai 2 nhóm là như nhau và sử dụng kết quả tại mục Equal variance assumed.
Nếu sig. trong kiểm định t < 0,05 kết luận có sự khác biệt có ý nghĩa về trung bình của 2 nhóm, và t ≥ 0,05 kết luận chưa có sự khác biệt có ý nghĩa về trị trung bình giữa 2 nhóm.
Phân tích phương sai một yếu tố: với mức ý nghĩa đánh giá toàn bài là 0,05. Nếu kiểm định Homogeneity of Variances sig. ≥ 0,05 thì phương sai trung bình không khác nhau một cách có ý nghĩa thống kê do đó phân tích ANOVA có thể sử dụng tốt. Nếu trong phân tích ANOVA sig. < 0,05 kết luận có sự khác biệt có ý nghĩa thống kê về đánh giá tầm quan trọng giữa các nhóm kiểm định. Để xác định khác biệt tiếp tục với phân tích sâu ANOVA. Sử dụng phương pháp Dunnett, nếu sig. của nhóm kiểm định chênh lệch trung bình nhỏ hơn 0,05 kết luận có sự khác biệt giữa 2 nhóm trên.