Kỹ thuật phân tích trong bài được trình bày trong bảng 2.2.
Bảng 2.2: Các kỹ thuật phân tích dữ liệu
Kỹ thuật Chức năng Thông số yêu cầu
Cronbach alpha
- Kiểm tra độ tin cậy của thang đo, độ giá trị hội tụ - Loại bỏ biến rác có thể gây ra các nhân tố khác trong phân tích nhân tố
- Hệ số Cronbach tối thiểu hơn 0.6, trên 0.8 là thang đo lường tốt (nếu lớn hơn 0.95 không tốt vì các biến đo lường hầu như là một).
- Hệ số tương quan với biến tổng phải lớn hơn 0.3 (nếu nhỏ hơn 0.3 được xem là biến rác, cần loại bỏ ra khỏi thang đo) (Nguyễn Đình Thọ, 2007)
Phân tích nhân tố
EFA
- Rút gọn nhân tố - Điều chỉnh thang đo Cụ thể là:
Loại các biến có hệ số tải nhân tố nhỏ
Kiểm tra yếu tố trích được
Kiểm tra phương sai
- Loại các biến có hệ số tải nhân tố nhỏ
(Factor loading > 0.3 được xem đạt mức tối thiểu, > 0.4 được xem là quan trọng, ≥ 0.5 được xem là có ý nghĩa thực tiễn, độ lớn của hệ số này còn phù hợp với kích thước mẫu)
- Chênh lệch hệ số tải của một biến ở các nhân tố phải lớn hơn 0.3.
trích được
Kiểm tra giá trị phân biệt của thang đo.
kê (có nghĩa các biến có tương quan khác 0) - Hệ số KMO: phải lớn hơn 0.5 (có nghĩa việc sử dụng phân tích nhân tố là phù hợp) - Phương sai trích được phải lớn hơn 0.5 - Nên dùng phương pháp quay Varimax
Phân tích tương quan
- Mức độ chặt chẽ của mối quan hệ giữa các biến - Mối quan hệ đó là thuận chiều hay ngược chiều - Mối quan hệ đó có ý nghĩa thống kê hay chỉ ngẫu nhiên
- r € [-1,+1]. Nếu r nằm trong khoảng từ 0.75 – 1.00: Quan hệ dương rất mạnh; 0.50 – 0.74: Quan hệ dương mạnh; 0.25 – 0.49: Quan hệ dương trung bình; 0.00 – 0.24: Quan hệ dương yếu; 0.00 – -0.24: Quan hệ âm yếu; -0.25 – -0.49: Quan hệ âm trung bình; -0.50 – -0.74: Quan hệ âm mạnh và -0.75 – -1.00: Quan hệ âm rất mạnh
- Hệ số tương quan r phải khác không có ý nghĩa thống kê ở mức 5% (sig.t < 0.05)
Phân tích hồi quy
- Thiết lập quan hệ giữa biến độc lập và biến phụ thuộc
- Xác định mức độ ảnh hưởng của từng nhân tố lên biến phụ thuộc
- Kiểm tra R2, kiểm định ANOVA, kiểm tra hệ số hồi qui, kết quả kiểm định
- Kiểm tra giả thuyết của phân tích hồi qui: + Đa cộng tuyến
+ Tự tương quan trong phần dư: đại lượng thống kê DW xấp xỉ 2
+ Phần dư có phân phối chuẩn: kiểm tra biểu đồ phân phối phần dư, biểu đồ P-P plot.
+ Phương sai không đổi: vẽ mối liên hệ giữa biến phụ thuộc và phần dư, thực hiện phân tích hồi qui biến dự báo và phần dư (Hoàng Trọng & ctg, 2008). Phân tích phương sai (ANOVA) Đánh giá sự khác biệt về mức độ hài lòng giữa các nhóm khách hàng
- phân tích Anova có .sig < 0.10: Có sự khác biệt
- phân tích Anova có .sig > 0.05: Không có sự khác biệt
Nguồn: tổng hợp từ tác giả