2.3.3.1. Phương pháp phân tắch ựộ tin cậy của thang ựo
Những mục hỏi ựo lường cùng một khái niệm tiềm ẩn thì phải có mối liên quan với những cái còn lại trong nhóm ựó. Hệ số α của Cronbach là một phép kiểm ựịnh thống kê về mức ựộ chặt chẽ mà các mục hỏi trong thang ựo tương quan với nhaụ
Công thức của hệ số Cronbach Alpha là: α = Nρ/[1 + ρ(N Ờ 1)]
Trong ựó: ρ là hệ số tương quan trung bình giữa các mục hỏị
Phương pháp này cho phép người phân tắch loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và ựánh giá ựộ tin cậy của thang ựo bằng hệ số thông qua hệ số Cronbach alphạ Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loạị Thang ựo có hệ số Cronbach alpha
từ 0.6 trở lên là có thể sử dụng ựược trong trường hợp khái niệm ựang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang ựo có Cronbach alpha từ 0.7 ựến 0.8 là sử dụng ựược. Nhiều nhà nghiên cứu cho rằng khi thang ựo có
ựộ tin cậy từ 0.8 trở lên ựến gần 1 là thang ựo lường tốt.
2.3.3.2. Phương pháp thống kê mô tả
ạ Khái niệm thống kê mô tả
Thống kê mô tảựược sử dụng ựể mô tả những ựặc tắnh cơ bản của dữ liệu thu thập
ựược từ nghiên cứu thực nghiệm qua các cách thức khác nhaụ Thống kê mô tả cung cấp những tóm tắt ựơn giản về mẫu và các thước ựọ Cùng với phân tắch ựồ họa ựơn giản, chúng tạo ra nền tảng của mọi phân tắch ựịnh lượng về số liệụ Bước ựầu tiên ựể
mô tả và tìm hiểu vềựặc tắnh phân phối của một bảng số liệu thô là lập bảng phân phối tần số. Sau ựó, sử dụng một số hàm ựể làm rõ ựặc tắnh của mẫu phân tắch. để hiểu
ựược các hiện tượng và ra quyết ựịnh ựúng ựắn, cần nắm ựược các phương pháp cơ
bản của mô tả dữ liệụ Có rất nhiều kỹ thuật hay ựược sử dụng, có thể phân loại các kỹ
thuật này như sau:
- Biểu diễn dữ liệu bằng ựồ họa trong ựó các ựồ thị mô tả dữ liệu hoặc giúp so sánh dữ liệu;
- Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu;
- Thống kê tóm tắt (dưới dạng các giá trị thống kê ựơn nhất) mô tả dữ liệụ
b. Các ựại lượng thống kê mô tả
- Mean: Số trung bình cộng. - Sum: Tổng cộng.
- Std.deviation: độ lệch chuẩn.
- Minimum, maximum: Giá trị nhỏ nhất, giá trị lớn nhất. - df: Tần số.
- Std error: Sai số chuẩn.
- Median: Là lượng biến của tiêu thức của ựơn vị ựứng ở vị trắ giữa trong dãy số
lượng biến, chia số lượng biến thành hai phần (phần trên và phần dưới) mỗi phần có cùng một sốựơn vị bằng nhaụ
- Mode: Là biểu hiện của tiêu thức ựược gặp nhiều nhất trong tổng thể hay trong dãy phân phốị Trong dãy lượng biến, mode là lượng biến có tần số lớn nhất.
2.3.3.3. Phương pháp phân tắch nhân tố khám phá EFA
ạ. Khái niệm
Phân tắch nhân tố khám phá là kỹ thuật ựược sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu sau khi ựã ựánh giá ựộ tin cậy của thang ựo bằng hệ số Cronbach alpha và loại
ựi các biến không ựảm bảo ựộ tin cậỵ Trong nghiên cứu, chúng ta có thể thu thập ựược một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải ựược giảm bớt xuống ựến một số lượng mà chúng ta có thể sử dụng ựược. Liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau ựược xem xét và trình bày dưới dạng một số ắt các nhân tố cơ bản. Vì vậy, phương pháp này rất có ắch cho việc xác
ựịnh các tập hợp biến cần thiết cho vấn ựề nghiên cứu và ựược sử dụng ựể tìm mối quan hệ giữa các biến với nhaụ
b. Mô hình phân tắch nhân tố
Về mặt tắnh toán, phân tắch nhân tố hơi giống phân tắch hồi quy bội ở chỗ mỗi biến ựược biểu diễn như là một kết hợp tuyến tắnh của các nhân tố cơ bản. Lượng biến thiên của một biến ựược giải thắch bởi những nhân tố chung trong phân tắch gọi là communalitỵ Biến thiên chung của các biến ựược mô tả bằng một số ắt các nhân tố
chung cộng với một nhân tố ựặc trưng cho mỗi biến. Những nhân tố này không bộc lộ
rõ ràng.
Nếu các biến ựược chuẩn hóa thì mô hình nhân tố ựược thể hiện bằng phương trình:
Xi = Ai1F1 + Ai2F2 + Ai3F3 + Ầ + AimFm+ViUi
Trong ựó:
Xi: biến thứ i ựược chuẩn hóạ
Aim: Hệ số hồi quy bội chuẩn hóa của nhân tố m ựối với biến ị Fi: Nhân tố chung.
Vi: Các hệ số hồi quy chuẩn hóa của nhân tốựặc trưng i ựối với biến ị Ui : Nhân tốựặc trưng của biến ị
m: Số nhân tố chung.
Các nhân tốựặc trưng có tương quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng có thể diễn tả như những kết hợp tuyến tắnh của các biến quan sát:
Trong ựó:
Fi: Ước lượng trị số của nhân tố thứ ị Wi : Quyền số hay trọng số nhân tố. k: Số biến.
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thắch ựược phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau ựó ta chọn một tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thắch ựược phần lớn biến thiên còn lại và không có tương quan với nhân tố thứ nhất.
Nguyên tắc này ựược áp dụng như vậy ựể tiếp tục chọn quyền số cho các nhân tố
tiếp theọ Do vậy, các nhân tốựược ước lượng sao cho các quyền số của chúng, không giống như các giá trị của các biến gốc, là không tương quan với nhaụ Hơn nữa, nhân tố thứ nhất giải thắch ựược nhiều nhất biến thiên của dữ liệu, nhân tố thứ hai giải thắch
ựược nhiều thứ nhìẦ
c. Các tham số trong phân tắch nhân tố:
- Barlett' test of sphericity: đại lượng Bartlett là một ựại lượng thống kê dùng ựể
xem xét giả thiết các biến không có tương quan trong tổng thể. Nói cách khác, ma trận tương quan tổng thể là một ma trận ựồng nhất, mỗi biến tương quan hoàn toàn với chắnh nó nhưng không tương quan với các biến khác.
- Correlation matrix: Cho biết hệ số tương quan giữa tất cả các cặp biến trong phân tắch.
- Communality: Là lượng biến thiên của một biến ựược giải thắch chung với các biến khác ựược xem xét trong phân tắch.
- Eigenvalue: đại diện cho phần biến thiên ựược giải thắch bởi mỗi nhân tố. Chỉ
những nhân tố có eigenvalue lớn hơn 1 thì mới ựược giữ lại trong mô hình. đại lượng eigenvalue ựại diện cho lượng biến thiên ựược giải thắch bởi nhân tố .Những nhân tố
có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
- Factorloading: Là những hệ số tương quan ựơn giữa các biến và các nhân tố.
- Factor matrix: Chứa các hệ số tải nhân tố của tất cả các biến ựối với các nhân tố ựược rút rạ
- Kaiser- Meyer-Olkin (KMO): Trong phân tắch nhân tố, trị số KMO là chỉ số
dùng ựể xem xét sự thắch hợp của phân tắch nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 ựến 1 thì phân tắch này mới thắch hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tắch nhân tố có khả năng không thắch hợp với các dữ liệụ
- Percentage of variance: phần trăm phương sai toàn bộ ựược giải thắch bởi từng nhân tố. Nghĩa là coi biến thiên là 100% thì giá trị trị này cho biết phân tắch nhân tố cô
ựọng ựược bao nhiêu phần trăm.
2.3.3.4. Phân tắch hồi quy ạ định nghĩa
Phân tắch hồi quy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc hay biến ựược giải thắch) vào một hay nhiều biến khác (biến ựộc lập hay biến giải thắch) với ý tưởng cơ bản là ước lượng hay dự ựoán giá trị trung bình của biến phụ thuộc trên cơ sởựã biết của biến ựộc lập.
b. Các giảựịnh khi xây dựng mô hình hồi quy
Mô hình hồi quy có dạng:
Yi = B0+ B1 X1i+ B2 X2i+Ầ+ Bn Xni + ei
Các giảựịnh quan trọng khi phân tắch hồi quy tuyến tắnh
- Giả thiết 1: Giảựịnh liên hệ tuyến tắnh.
- Giả thiết 2: Phương sai có ựiều kiện không ựổi của các phần dư. - Giả thiết 3: Không có sự tương quan giữa các phần dư.
- Giả thiết 4: Không xảy ra hiện tượng ựa cộng tuyến. - Giả thiết 5: Giả thiết về phân phối chuẩn của phần dư.
c. Xây dựng mô hình hồi quy
Các bước xây dựng mô hình:
Bước 1: Xem xét ma trận hệ số tương quan
để xem xét mối quan hệ giữa biến phụ thuộc và các biến ựộc lập thông qua xây dựng ma trận tương quan. đồng thời ma trận tương quan là công cụ xem xét mối quan hệ giữa các biến ựộc lập với nhau nếu các biến này có tương quan chặt thì nguy cơ xảy ra hiện tượng ựa cộng tuyến cao dẫn ựến việc vi phạm giảựịnh của mô hình.
Bước 2: đánh giá ựộ phù hợp của mô hình
Thông qua hệ số R2 ta ựánh giá ựộ phù hợp của mô hình xem mô hình trên giải thắch bao nhiêu % sự biến thiên của biến phụ thuộc.
TSS
R2 =
Trong ựó:
ESS: tổng bình phương tất cả các sai lệch giữa giá trị dự ựoán của Yi và giá trị
trung bình của chúng.
TSS: tổng bình phương sai lệch giữa giá trị Yi và giá trị trung bình của chúng. Khi ựưa càng nhiều biến vào mô hình thì hệ số này càng caọ Tuy nhiên, R2 ở hồi quy bội không phản ánh ựúng sự phù hợp của mô hình như trong mô hình hồi quy ựơn. Lúc này, ta phải sử dụng R2 ựiều chỉnh ựểựánh giá sự phù hợp của mô hình.
Bước 3: Kiểm ựịnh sự phù hợp của mô hình
Sử dụng kiểm ựịnh F ựể kiểm ựịnh với giả thiết Ho: B1 = B2 = Bn = 0
Nếu giả thiết này bị bác bỏ thì ta có thể kết luận mô hình ta xây dựng phù hợp với tập dữ liệụ
Bước 4: Xác ựịnh tầm quan trọng của các biến
Ý tưởng ựánh giá tầm quan trọng tương ựối của các biến ựộc lập trong mô hình thông qua xem xét mức ựộ tăng của R2 khi một biến giải thắch ựược ựưa thêm vào mô hình. Nếu mức ựộ thay ựổi này mà lớn thì chứng tỏ biến này cung cấp thông tin ựộc nhất về sự phụ thuộc mà các biến khác trong phương trình không có ựược. Ta ựánh giá tầm quan trọng của một biến thông qua hai hệ số:
Hệ số tương quan từng phần: căn bậc hai của R2 changẹ Thể hiện mối tương quan giữa biến Y và X mới ựưa vàọ Tuy nhiên, sự thay ựổi của R2 không thể hiện tỉ lệ phần biến thiên mà một mình biến ựó có thể giải thắch. Lúc này, ta sử dụng hệ số tương quan riêng bằng căn bậc 2 của , với:
Bước 5: Lựa chọn biến cho mô hình
đưa nhiều biến ựộc lập vào mô hình hồi quy không phải lúc nào cũng tốt vì những lý do sau (trừ khi chúng có tương quan chặt với biến phụ thuộc):
- Mức ựộ tăng R2 quan sát không hẳn phản ảnh mô hình hồi quy càng phù hợp hơn với tổng thể.
- đưa vào các biến không thắch ựáng sẽ làm tăng sai số chuẩn của tất cả các ước lượng mà không cải thiện ựược khả năng dựựoán.
- Mô hình nhiều biến thì khó giải thắch và khó hiểu hơn mô hình ắt biến. Ta sử dụng SPSS ựể giải quyết vấn ựề trên. Các thủ tục chọn biến trên SPSS: Phương pháp ựưa vào dần, phương pháp loại trừ dần, phương pháp từng bước (là sự kết hợp của hai phương pháp loại trừ dần và ựưa vào dần).
Bước 6: Dò tìm sự vi phạm các giả các giả thiết (ựã nêu ở trên bằng các xử lý của SPSS).
Ngoài ra, sử dụng phân tắch chi bình phương một mẫu ựể tìm ra quy luật phân phối của mẫu và ựánh giá ựộ tin cậy của thang ựo thông qua hệ số Cronbach Alphạ
CHƯƠNG 3. PHÂN TÍCH VÀ KẾT QUẢ NGHIÊN CỨU