Quy trình nghiên cứu của đề tài được trình bày trong hình 2.1 và tiến độ nghiên cứu thực hiện được trình bày trong bảng 2.1:
Bảng 2.1: Tiến độ thực hiện nghiên cứu
Bước Dạng nghiên cứu
Phương pháp
Kỹ thuật Thời gian Địa điểm
1 Sơ bộ Định tính Thảo luận nhóm 05/2012 Nha Trang
Hình 2.1: Quy trình nghiên cứu
Nguồn: Dựa theo quy trình nghiên cứu của Nguyễn Đình Thọ, Nguyễn Thị Mai Trang, nghiên cứu khoa học Marketing, 2008
Bước 1: Xây dựng thang đo
Để thực hiện bước này, nghiên cứu này xem xét đến qui trình xây dựng thang đo dựa vào qui trình do Churchill (1979) đưa ra. Thang đo được xây dựng trên cơ sở lý thuyết (sơ đồ 2.1). Trên cơ sở này một tập biến quan sát (thang đo nháp 1) được xây dựng để đo lường các khái niệm tiềm ẩn (Thọ và Trang, 2008).
Thảo luận nhóm Thang đo
Nghiên cứu định lượng
Cronbach alpha Loại biến có hệ số tương quan với biến
tổng nhỏ, kiểm tra hệ số Cronbach alpha
EFA
Loại biến có trọng số nhỏ;
Kiểm tra yếu tố trích được;
Kiểm tra phương sai trích được.
CFA
SEM
Loại biến có trọng số CFA nhỏ;
Kiểm tra độ thích hợp của mô hình;
Kiểm tra giá trị hội tụ, giá trị phân biệt, tính đơn hướng;
Tính hệ số tin cậy tổng hợp, phương sai trích được.
Kiểm tra độ thích hợp của mô hình và giá trị liên hệ lý thuyết
Cơ sở lý thuyết Điều chỉnh
Bước 2: Nghiên cứu định tính
Nghiên cứu định tính thông qua thảo luận nhóm để thực hiện điều chỉnh và kiểm tra xem người trả lời có hiểu được các câu hỏi không. Thông qua kết quả của nghiên cứu này thang đo nháp 1 được điều chỉnh thành thang đo chính thức.
Bước 3: Nghiên cứu định lượng chính thức
Nghiên cứu này được thực hiện bằng phương pháp định lượng, thông qua phương pháp phỏng vấn trực tiếp, chọn mẫu thuận tiện, với cỡ mẫu 300. Bước này được thực hiện thông qua nhiều phương pháp phân tích bao gồm:
Thứ nhất, phân tích Cronbach alpha nhằm kiểm tra độ tin cậy của thang đo, giá trị hội tụ và loại bỏ biến rác có thể gây ra các nhân tố khác trong phân tích nhân tố. Theo tác giả Thọ và Trang (2007) hệ số Cronbach alpha 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). Trong khi đó, hệ số tương quan giữa biến và tổng phải lớn hơn 0.3 (nếu nhỏ hơn 0.3 được xem là biến rác, cần loại bỏ ra khỏi thang đo).
Thứ hai, phương pháp phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA). Cũng theo tác giả Thọ và Trang (2007) thì việc loại các biến có hệ số tải nhân tố nhỏ (Factor loading - FL) (FL>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) và kiểm tra tổng phương sai trích được (≥ 50%). Ngoài
ra, chênh lệch hệ số tải của một biến ở các nhân tố phải lớn hơn 0.3 và hệ số KMO phải lớn hơn 0.5 (có nghĩa việc sử dụng phân tích nhân tố là phù hợp). Các biến còn lại (thang đo hoàn chỉnh) sẽ được đưa vào phân tích CFA.
Thứ ba, phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA) được sử dụng để đánh giá thang đo trước khi đưa vào phân tích mô hình cân bằng cấu trúc (Structural Equation Modeling - SEM). Theo tác giả Thọ và Trang (2007), trong kiểm định thang đo phương pháp CFA trong phân tích mô hình cầu trúc tuyến tính có nhiều ưu điểm hơn so với phương pháp truyền thống như phương pháp hệ số tương quan, phương pháp phân tích nhân tố khám phá EFA. Lý do là CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường. Hơn nữa chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không
cần dùng nhiều nghiên cứu như phương pháp truyền thống MTMM (Multitrait -
Multimethod). Một số chỉ tiêu để đánh giá trong phân tích CFA là: trọng số nhân tố
phải lớn hơn 0.5 (1); độ tin cậy tổng hợp lớn hơn 0.7 (2) và phương sai trích phải lớn hơn 0.5 (3).
Thêm nữa, để đo lường mức độ phù hợp của mô hình với thông tin điều tra, nghiên cứu này sử dụng các chỉ tiêu Chi - bình phương, Chi - bình phương hiệu chỉnh theo bậc tự do (CMIN/df), chỉ số thích hợp so sánh CFI (comparative fit index); chỉ số TLI (Tucker & Lewis Index) và chỉ số RMSEA (root mean square error approximation). Mô hình được gọi là thích hợp khi phép kiểm định Chi - bình phương có giá trị p> 5%. Tuy nhiên, do giá trị Chi - bình phương có nhược điểm là phụ thuộc vào kích thước mẫu (Chi - bình phương = (n-1) Fml: trong đó Fml là hàm tương thích khi dùng phép ước lượng ml và n là kích thước mẫu. Như vậy khi n càng lớn thì giá trị thống kê Chi – bình phương càng lớn. Điều này làm giảm mức độ phù hợp của mô hình. Nghĩa là nó không phản ánh đúng mức độ phù hợp thực sự của mô hình khi kích thước mẫu lớn (Thọ và Trang, 2007). Vì thế, nếu một mô hình nhận được giá trị GFI,
TLI và CFI từ 0.9 đến 1, CMIN/df có giá trị < 2. Tuy nhiên, khi xét giá trị CMIN/df
trong một số nghiên cứu thực tế người ta phân biệt ra 2 trường hợp : CMIN/df < 5(với mẫu N > 200) ; hay < 3 (khi cỡ mẫu N < 200) thì mô hình được xem là phù hợp tốt (Kettinger và Lee 1995). Cuối cùng chỉ số RMSEA có giá trị <0.80 thì mô hình này được xem là phù hợp (tương thích) với dữ liệu điều tra.