CHƯƠNG 2: PHƯƠNG PHÁP VÀ THIẾT KẾ NGHIÊN CỨU
2.3. Các phương pháp nghiên cứu
2.3.1. Phương pháp nghiên cứu định tính
Mục tiêu của nghiên cứu định tính là nhằm sàng lọc và xác định mối quan hệ giữa các nhân tố (biến số) trong mô hình nghiên cứu lý thuyết ban đầu được hình thành trên cơ sở nghiên cứu tổng quan lý thuyết. Các nhân tố của TNXHDN và các
60
biến quan sát của mỗi nhân tố đều được tổng hợp từ các nghiên cứu trước đây trong các bối cảnh nghiên cứu khác nhau nên khi áp dụng vào bối cảnh nghiên cứu mới là Việt Nam thì cần có những hiệu chỉnh nhất định. Do vậy, tác giả sử dụng phương pháp phỏng vấn chuyên gia (10 chuyên gia) và người tiêu dùng (10 người) để lấy ý kiến đóng góp cho việc xây dựng bảng khảo sát nháp. Các chuyên gia đều đang hoạt động trong lĩnh vực liên quan đến TNXHDN trong các tổ chức phi chính phủ và liên hợp quốc tại Việt Nam như Trung tâm phát triển và hội nhập (CDI), Tổ chức phát triển công nghiệp Liên hợp quốc (UNIDO), Phòng Thương mại và công nghiệp Việt Nam (VCCI), các hiệp hội như Hiệp hội Dệt may Việt Nam (Vinatex), Hiệp hội da giầy Việt Nam (Lefaso), Hiệp hội bảo vệ người tiêu dùng.
Ngoài ra, phỏng vấn sâu với người tiêu dùng cũng được tác giả sử dụng sau khi có kết quả nghiên cứu định lượng nhằm có thêm thông tin giải thích cho các kết quả nghiên cứu và là căn cứ đưa ra những đề xuất cho các bên liên quan nhằm thực hiện tốt hơn TNXHDN trong ngành sản xuất và chế biến thực phẩm tại Việt Nam.
2.3.2. Phương pháp nghiên cứu định lượng 2.3.2.1. Công cụ nghiên cứu -bảng khảo sát
Để thực hiện nghiên cứu định lượng nhằm khám phá và kiểm chứng các giả thuyết nghiên cứu, công cụ được tác giả sử dụng cho nghiên cứu này là bảng khảo sát đối với người tiêu dùng. Ngoài phần giới thiệu về mục đích của cuộc khảo sát, bảng khảo sát này gồm 3 phần chính.
Phần 1: Thông tin cá nhân
Phần này gồm 7 câu hỏi về các đặc điểm nhân khẩu học của người tiêu dùng như nơi sinh sống hiện tại, giới tính, độ tuổi, trình độ học vấn, mức thu nhập bình quân tháng, tần suất mua hoặc sử dụng các sản phẩm thực phẩm đã qua chế biến.
Phần 2: Nhận thức về TNXHDN
Phần này gồm 3 câu hỏi tìm hiểu nhận thức chung của người tiêu dùng về TNXHDN gắn với bối cảnh nghiên cứu là ngành sản xuất và chế biến thực phẩm tại Việt Nam. Các câu hỏi được thiết kế theo các thang đo TNXHDN với 5 nhân tố như đã trình bày trong phần 2.2.1. Người được hỏi sẽ đưa ra đánh giá của bản thân về
61
mức độ quan trọng của các hoạt động thể hiện TNXHDN theo thang đo Likert từ 1 đến 5 với 1 là “Rất không quan trọng” đến 5 là “Rất quan trọng” mà doanh nghiệp sản xuất và chế biến thực phẩm nên thực hiện.
Phần 3: Thái độ và ý định hành vi của người tiêu dùng
Phần này tìm hiểu thái độ và ý định hành vi của người tiêu dùng đối với sản phẩm của các công ty sản xuất và chế biến thực phẩm tại Việt Nam. Các thang đo thái độ và ý định hành vi được kế thừa và bổ sung từ các nghiên cứu trước đây về TNXHDN và hành vi người tiêu dùng.
Chi tiết nội dung của bảng khảo sát được trình bày trong phụ lục 3.
2.3.2.2. Kích thước và phương pháp chọn mẫu
Kích thước mẫu tối ưu của nghiên cứu phụ thuộc vào kỳ vọng về độ tin cậy của dữ liệu và phương pháp phân tích dữ liệu.Phương pháp phân tích dữ liệu chính được sử dụng cho nghiên cứu này là phân tích mô hình cấu trúc tuyến tính (SEM).
Theo nhiều nhà nghiên cứu, phương pháp này đòi hỏi phải có kích cỡ mẫu lớn vì nó dựa vào lý thuyết phân phối mẫu lớn (Raykov và Widama trích trong Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). Tuy nhiên, kích cỡ mẫu bao nhiêu là lớn thì lại chưa được xác định rõ ràng, mà còn phụ thuộc vào phương pháp ước lượng sử dụng. Có nhà nghiên cứu cho rằng nếu dùng phương pháp ước lượng ML thì kích thước mẫu tối thiểu phải từ 100 đến 150 (Hair và các cộng sự, 1998). Còn theo Comrey và Lee (1992), Tabachnick và Fidell (2001), kích thước mẫu 300 là tốt, 500 là rất tốt và 1000 trở lên là tuyệt vời. Cũng có nhà nghiên cứu cho rằng kích cỡ mẫu tối thiểu phải là 200 (Hoelter, 1983).
Theo Hair và cộng sự (2006), kích thước mẫu có thể được xác định là theo tỷ lệ số quan sát/biến đo lường là 5:1 (cứ 1 biến thì cần 5 quan sát). Trong nghiên cứu này có 37 biến, do vậy, kích thước mẫu tối thiểu có thể được tính là n = 5 x 37 = 185.
Mặc dù quy mô mẫu tối thiểu chỉ cần là 185 nhưng tác giả quyết định gửi đi 1000 bảng khảo sát trực tiếp đối với người tiêu dùng trên địa bàn một số thành phố của miền Bắc nhằm đảm bảo tính đa dạng và đại diện của mẫu.
62
Phương pháp chọn mẫu ở đây là sự phối hợp giữa phương pháp lấy mẫu thuận tiện (theo khả năng tiếp cận của người điều tra) và phương pháp phát triển mầm cỡ mẫu (Nguyễn Đình Thọ, 2011), tức là dựa trên mạng quan hệ của các cá nhân tham gia trả lời họ sẽ giới thiệu cho những người tiếp theo tham gia nghiên cứu.
2.3.2.3. Phương pháp thu thập và phân tích số liệu
Bảng khảo sát được thực hiện thông qua hai hình thức: khảo sát qua email và khảo sát trực tiếp với tỷ lệ dự kiến của việc phân bố các phiếu khảo sát theo hai hình thức này là 50% cho mỗi loại. Đối tượng khảo sát là những người tiêu dùng sản phẩm thực phẩm chế biến tại các tỉnh, thành phố của miền Bắc có độ tuổi từ 18 trở lên vì đây là những người tiêu dùng trưởng thành, có nhận thức và tư duy tương đối độc lập cũng như đã có thu nhập. Vì vậy, họ là những người tiêu dùng có đủ khả năng trả lời các câu hỏi liên quan đến nhận thức về TNXHDN, thể hiện được thái độ cá nhân cũng như ý định hành vi của họ. Ngoài các đối tượng khảo sát qua email, các đối tượng khảo sát trực tiếp được tiếp cận tại các siêu thị, chợ, trường đại học, công viên, v.v tùy theo khả năng tiếp cận của tác giả.
Số liệu sau khi thu về được nhập và làm sạch trong phần mềm SPSS phiên bản 20.0. Các phương pháp thống kê được áp dụng cho việc phân tích số liệu gồm phân tích thống kê mô tả, kiểm định độ tin cậy thang đo, tính đơn hướng, giá trị hội tụ và giá trị phân biệt của thang đo qua phân tích khám phá nhân tố (EFA) và phân tích khẳng định nhân tố (CFA). Bên cạnh đó, phân tích SEM, phân tích đa nhóm và ANOVA sẽ được thực hiện nhằm kiểm chứng các giả thuyết nghiên cứu.
Đối với thang đo nghiên cứu, độ tin cậy được kiểm định bằng hệ số Crobach’s Alpha với mức tiêu chuẩn từ 0.6 trở lên (Hair và cộng sự, 1998) và độ phù hợp của thang đo bằng phân tích khám phá nhân tố (EFA). Phân tích khám phá nhân tố là phương pháp phân tích nhằm rút ra các biến tiếm ẩn ít hơn từ một tập hợp nhiều biến quan sát mà vẫn phản ánh được ý nghĩa của chúng (Hair và cộng sự, 2006). Phân tích EFA thường được dùng trong quá trình xây dựng các thang đo của các khái niệm nghiên cứu và dùng để kiểm tra tính đơn hướng của thang đo bằng việc rút trích các nhân tố trong toàn bộ các biến quan sát (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Một số tiêu chuẩn khi phân tích khám phá nhân tố là hệ
63
số KMO tối thiểu bằng 0.5, kiểm định Bartlett có p-value nhỏ hơn 0.05, hệ số eigenvalue tối thiểu bằng 1, phương sai giải thích tối thiểu là 50% (Gerbing và Anderson, 1988), hệ số tải nhân tố (factor loading) lớn hơn 0.45, hệ số tương quan biến tổng (inter-item total correlation) > 0.30 (Hair và cộng sự, 2006). Phương pháp rút trích nhân tố được sử dụng là phương pháp thành phần chính (principal component) với phép xoay varimax để thu được số nhân tố là bé nhất (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Sau phân tích khám phá nhân tố dựa trên dữ liệu thực tế tác giả (có thể) tiến hành đặt lại tên cho các nhân tố hình thành, điều chỉnh mô hình và giả thuyết nghiên cứu ban đầu cho phù hợp với dữ liệu thực tế.
Sau bước phân tích EFA, thang đo tiếp tục được kiểm định qua phương pháp phân tích phân tích khẳng định nhân tố (CFA). Phân tích CFA là phương pháp phân tích dựa trên sự hiểu biết nhất định về các nhân tố tiềm ẩn trong mô hình thông qua lý thuyết hoặc thực nghiệm (thông qua EFA). Phân tích CFA cho phép nhà nghiên cứu khẳng định sự tồn tại của các nhân tố trong mô hình, dữ liệu nghiên cứu có tương thích với dữ liệu thị trường hay không. Phương pháp ước lượng sử dụng là ước lượng bằng hàm hợp lý cực đại (maximum likelihood estimation). Mô hình được xem là phù hợp với dữ liệu thị trường khi các chỉ số: Chi-square hiệu chỉnh theo bậc tự do (Chi-square/df) nhỏ hơn 2, một số trường hợp nghiên cứu mới có thể nhỏ hơn 3 (Camines & Mcver, 1981), chỉ số thích hợp so sánh CFI (Comparative fit index), chỉ số Turker – Lewis TLI (Turker – Lewis index), lớn hơn 0.9 mô hình được xem là tốt, các chỉ số NFI, GFI có thể dưới 0.9 cũng có thể chấp nhận được (Hair và cộng sự, 2006), chỉ số RMSEA (Root Mean Square Error of Approximation) tốt ở mức dưới 0.05, tại Việt Nam các tác giả đề nghị RMSEA ở mức dưới 0.08 (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007)
Để kiểm định các giả thuyết trong mô hình nghiên cứu, phương pháp phân tích mô hình cấu trúc tuyến tính (SEM) để xem xét mối liên hệ giữa các biến độc lập và biến phụ thuộc trong mô hình nghiên cứu. Khác với thế hệ phân tích dữ liệu thứ nhất (tương quan, hồi quy), trong phân tích SEM sẽ xem xét đồng thời các ảnh hưởng các biến độc lập với nhau và biến phụ thuộc. Mô hình cấu trúc tuyến tính cũng cho phép giải quyết vấn đề đa cộng tuyến, sai số đo lường mà các phương pháp ước lượng bằng phân tích hồi quy không thực hiện được. Tiêu chuẩn kiểm định
64
được lựa chọn theo thông lệ ở mức ý nghĩa 5%. Về cơ bản CFA là một dạng của SEM (Hair và cộng sự, 2006), vì vậy các chỉ số phù hợp mô hình của SEM được xem như trong kiểm định bằng CFA.
Cuối cùng, để xem xét ảnh hưởng của các yếu tố nhân khẩu học đến ý định hành vi của người tiêu dùng, tác giả cũng sẽ sử dụng phương pháp phân tích đa nhóm và ANOVA một chiều để so sánh giá trị trung bình giữa các nhóm. Phân tích đa nhóm là một kỹ thuật mà dựa trên giả định là các hệ số ước lượng riêng cho từng nhóm có thể khác nhau phân nhóm theo các biến phân loại nào đó. Để làm được điều này người ta sẽ ước lượng riêng cho từng nhóm một và so sánh các tham số thống kê được với nhau giữa mô hình ước lượng riêng cho từng nhóm (gọi là mô hình khả biến, - nghĩa là mô hình có hệ số ước lượng thay đổi qua các nhóm) và mô hình cố định các tham số thống kê (mô hình bất biến – nghĩa là mô hình có hệ số ước lượng không thay đổi qua các nhóm). Dĩ nhiên là khi ước lượng theo các nhóm khác nhau thì bao giờ các hệ số thống kê cũng khác biệt, nhưng sự khác biệt ấy có ý nghĩa hay không thì người ta dựa vào một kiểm định Chi-square. Nếu kiểm định này có p-value lớn hơn 0.05 thì chọn mô hình bất biến. Hay nói cách khác là sự khác biệt (nếu có) giữa hai nhóm so sánh là không có ý nghĩa thống kê hay có thể xem hai nhóm có các hệ số ước lượng giống nhau. Nếu p-value < 0.05 thì chọn mô hình khả biến, hay nói cách khác là thực sự các hệ số ước lượng khác biệt giữa hai nhóm đem so sánh. Còn phân tích ANOVA một chiều sẽ được sử dụng để xem xét sự khác biệt về giá trị trung bình có thể có giữa các nhóm người tiêu dùng khác nhau khi tiêu chí phân loại tạo ra hơn hai nhóm so sánh.