5. Kết cấu luận văn
2.2.3. Cỏc phương phỏp phõn tớch
2.2.3.1. Phương phỏp phõn tớch độ tin cậy của thang đo
Những mục hỏi đo lường cựng một khỏi niệm tiềm ẩn thỡ phải cú mối liờn quan với những cỏi cũn lại trong nhúm đú. Hệ số Cronbach’s Alpha là một phộp kiểm định thống kờ về mức độ chặc chẽ mà cỏc mục hỏi trong thang đo tương quan với nhau.
Như trờn đó trỡnh bày, hệ số Cronbach’s Alpha thường được dựng để đỏnh giỏ sơ bộ thang đo để loại cỏc biến rỏc trước, chứ khụng tớnh được độ tin cậy cho từng biến quan sỏt. Lưu ý rằng, khi hệ số α quỏ lớn (α > 0,95) cho thấy cú nhiều biến trong thang đo khụng cú gỡ khỏc biệt nhau (nghĩa là chỳng cựng đo lường một nội dung nào đú của khỏi niệm nghiờn cứu. Hiện tượng này được gọi là hiện tượng trựng lắp trong
đo lường. Một thang đo cú độ tin cậy tốt khi nú biến thiờn trong khoảng [0,7-0,8]. Tiờu chuẩn chọn thang đo này cú độ tin cậy Cronbach’s Alpha từ 0,6 trở lờn (Nunnally & Bunstein, 1994, trớch từ Nguyễn Đỡnh Thọ, “Phương phỏp nghiờn cứu khoa học trong kinh doanh”, 2011, tr 351). Tuy nhiờn, cũng cú ý kiến cho rằng một thang đo là tốt nếu hệ số Cronbach’s Alpha từ 0,8 đến gần 1 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Cụng thức của hệ số Cronbach’s Alpha là: = N/[1 + (N – 1)]
Trong đú là hệ số tương quan trung bỡnh giữa cỏc mục hỏi. trong cụng thức tượng trưng cho tương quan trung bỡnh giữa tất cả cỏc cặp mục hỏi được kiểm tra. (Trớch từ Hồ Huy Tựu, 2006).
2.2.3.2. Phương phỏp phõn tớch nhõn tố khỏm phỏ
Hệ số Cronbach alpha chỉ dựng để đỏnh giỏ độ tin cậy thang đo, vấn đề tiếp theo là thang đo phải được đỏnh giỏ giỏ trị của nú. Hai giỏ trị quan trọng của thang đo là giỏ trị hội tụ và giỏ trị phõn biệt. Phương phỏp EFA giỳp chỳng ta đỏnh giỏ hai giỏ trị này.
Sau khi loại cỏc biến cú độ tin cậy thấp, cỏc biến cũn lại sẽ tiếp tục được sử dụng để tiến hành phõn tớch nhõn tố. Phương phỏp EFA dựng để rỳt gọn một tập k biến quan sỏt thành một tập F ( F<k ) cỏc nhõn tố cú ý nghĩa hơn. Cơ sở của việc rỳt gọn này là dựa vào mối quan hệ tuyến tớnh của cỏc nhõn tố với cỏc biến nguyờn thủy (biến quan sỏt). Chỉ tiờu được dựng để xem xột sự thớch hợp của phương phỏp phõn tớch nhõn tố là kết quả phõn tớch KMO, là chỉ số dựng để so sỏnh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với độ lớn của hệ số tương quan riờng phần của chỳng (Norusis, 1994). Kaiser (1974) đề nghị KMO > 0,90: rất tốt; KMO > 0,80: tốt; KMO > 0,70: được; KMO > 0,60: tạm được; KMO > 0,50: xấu; và KMO < 0,5: khụng thể chấp nhận. (Trớch từ Nguyễn Đỡnh Thọ, “Phương phỏp nghiờn cứu khoa học trong kinh doanh”, 2011, tr 397). Sau đú sử dụng phương phỏp dựa vào Eigenvalue và chỉ cú nhõn tố nào lớn hơn 1 mới được giữ lại trong mụ hỡnh phõn tớch và thủ tục xoay nhõn tố Oblimin được sử dụng. Cỏc biến nào cú Factor loading nhỏ hơn 0,5 sẽ bị loại (Hair và cộng sự, 2006) vỡ biến này thật sự khụng đo lường khỏi niệm chỳng ta cần đo lường (Trớch từ Nguyễn Đỡnh Thọ, “Phương phỏp nghiờn cứu khoa học trong kinh doanh”, 2011, tr 402. Cỏc kết quả này sẽ được sử dụng để hiệu chỉnh mụ hỡnh và cỏc giả thuyết nghiờn cứu.
2.2.3.3. Phõn tớch thống kờ mụ tả a. Khỏi niệm thống kờ mụ tả
Thống kờ mụ tả được sử dụng để mụ tả những đặc tớnh cơ bản của dữ liệu thu thập được từ nghiờn cứu thực nghiệm qua cỏc cỏch thức khỏc nhau. Thống kờ mụ tả cung cấp những túm tắt đơn giản về mẫu và cỏc thước đo. Cựng với phõn tớch đồ họa đơn giản, chỳng tạo ra nền tảng của mọi phõn tớch định lượng về số liệu. Bước đầu tiờn để mụ tả và tỡm hiểu về đặc tớnh phõn phối của một bảng số liệu thụ là lập bảng phõn phối tần số. Sau đú, sử dụng một số hàm để làm rừ đặc tớnh của mẫu phõn tớch. Để hiểu được cỏc hiện tượng và ra quyết định đỳng đắn, cần nắm được cỏc phương phỏp cơ bản của mụ tả dữ liệu. Cú rất nhiều kỹ thuật hay được sử dụng, cú thể phõn loại cỏc kỹ thuật này như sau:
- Biểu diễn dữ liệu bằng đồ họa trong đú cỏc đồ thị mụ tả dữ liệu hoặc giỳp so sỏnh dữ liệu;
- Biểu diễn dữ liệu thành cỏc bảng số liệu túm tắt về dữ liệu;
- Thống kờ túm tắt (dưới dạng cỏc giỏ trị thống kờ đơn nhất) mụ tả dữ liệu.
b. Cỏc đại lượng thống kờ mụ tả
- Mean: Số trung bỡnh cộng. - Sum: Tổng cộng.
- Std.deviation: Độ lệch chuẩn.
- Minimum, maximum: Giỏ trị nhỏ nhất, giỏ trị lớn nhất. - df: Tần số.
- Std error: Sai số chuẩn.
- Median: Là lượng biến của tiờu thức của đơn vị đứng ở vị trớ giữa trong dóy số lượng biến, chia số lượng biến thành hai phần (phần trờn và phần dưới) mỗi phần cú cựng một số đơn vị bằng nhau.
- Mode: Là biểu hiện của tiờu thức được gặp nhiều nhất trong tổng thể hay trong dóy phõn phối. Trong dóy lượng biến, mode là lượng biến cú tần số lớn nhất.
2.2.3.4. Phõn tớch hồi quy a. Khỏi niệm.
Phõn tớch hồi quy nghiờn cứu mối liờn hệ phụ thuộc của một biến (gọi là biến phụ thuộc hay biến được giải thớch) với một hay nhiều biến khỏc (được gọi là biến độc lập
hay giải thớch) nhằm ước lượng và/ hoặc dự bỏo giỏ trị trung bỡnh của biến phụ thuộc với cỏc giỏ trị đó biết của (cỏc) biến độc lập.
Cỏc ký hiệu: Y – biến phụ thuộc Xi – biến độc lập thứ i.
Trong đú, biến phụ thuộc là đại lượng ngẫu nhiờn, cú quy luật phõn bố xỏc suất, cỏc biến độc lập Xi khụng phải là biến ngẫu nhiờn, giỏ trị của chỳng được cho trước.
b. Cỏc hàm hồi quy
* Hàm hồi quy tổng thể (PRF)
Phương trỡnh E(Y/Xi) = f (Xi) (1.1) gọi là hàm hồi quy tổng thể (PRF) cho chỳng ta biết giỏ trị trung bỡnh của biến Y sẽ thay đổi như thế nào theo X.
Nếu hàm hồi quy tổng thể cú một biến độc lập gọi là hàm hồi quy đơn, cú nhiều hơn một biến độc lập gọi là hồi quy bội.
Hàm hồi quy tổng thể (PRF) đơn biến cú dạng như sau: Yi = 1 + 2Xi + Ui Trong đú : Xi, Yi là quan sỏt thứ i của cỏc biến X và Y
X là Biến độc lập, Y là biến phụ thuộc. Ui, là sai số của mụ hỡnh.
β1, β2 hệ số hồi quy của mụ hỡnh.
í nghĩa cỏc hệ số hồi quy :
β1 : Tung độ gốc (Intercept) của đường hồi quy tổng thể, và là giỏ trị của trị trung bỡnh Y khi X bằng 0.
β2 : Độ dốc (Slope) của đường hồi quy tổng thể, là lượng thay đổi của Y, ở mức trung bỡnh, trờn một đơn vị thay đổi của X. Vỡ vậy β2 được diễn dịch là ảnh hưởng cận biờn của X lờn Y.
* Hàm hồi quy mẫu (SRF)
Vớ dụ : Để tỡm mối liờn hệ giữa giỏ bỏn của một ngụi nhà và diện tớch sử dụng của nú ta sẽ đi thu thập dữ liệu này của từng ngụi nhà. Dữ liệu về giỏ bỏn và diện tớch sử dụng của một căn nhà nào đú ta gọi là một quan sỏt.
Tập hợp tất cả cỏc quan sỏt cú thể cú mà ta quan tõm nghiờn cứu trong một vấn đề nào đú gọi là tổng thể. Số phần tử của tập hợp chớnh được ký hiệu là N.
Mẫu là tập hợp con của tổng thể. Số phần tử của mẫu đó ký hiệu là n (cỡ mẫu). Để tỡm được mụ hỡnh PRF ta phải cú dữ liệu của tổng thể về cỏc quan sỏt Xi và Yi.
Nhưng trong thực tế điều này rất khú khả thi vỡ khả năng và chi phớ. Do đú thụng thường ta chỉ cú dữ liệu về cỏc biến Xi và Yi của một mẫu lấy ra từ tổng thể. Hàm hồi quy được xõy dựng trờn cơ sở một mẫu ngẫu nhiờn đgl hàm hồi quy mẫu (Sample Regression Function – SRF)
Mụ hỡnh hồi quy mẫu SRF đơn biến cú dạng như sau : SRF : Yˆi ˆ1ˆ2Xiuˆi
Trong đú : uˆi là phần dư của mụ hỡnh.
1
ˆ
: ước lượng cho 1. ˆ2: ước lượng cho 2. Đối với quan sỏt thứ i :
Yi = ˆ1 + ˆ2Xi + ei
Trong đú, ei là phần dư hay chớnh là ước lượng của Ui. Sự tồn tại của ei giải thớch như sự tồn tại của Ui .
Chương 3: KẾT QUẢ NGHIấNCỨU
Với kết quả nghiờn cứu từ chương 2, bảng cõu hỏi được hỡnh thành, tỏc giả đó tiến hành khảo sỏt và thu nhập dữ liệu. Kết quả cú 330 mẫu hợp được thu về từ 380 mẫu được phỏt ra trong khoảng thời gian từ ngày 01/8/2012 đến ngày 25/11/2012. Số mẫu hợp lệ sẽ được tiến hành xử lý và phõn tớch với sự giỳp của phần mềm SPSS 18.0 và AMOS 18.0. Thủ tục thực hiện trước hết là làm sạch mẫu và xử lý cỏc giỏ trị “missing”. Lý do: sẽ cú những mẫu cú nội dung trả lời khụng phự hợp, hoặc khụng trả lời đầy đủ cỏc mục hỏi. Sai sút cũn cú thể xảy ra trong quỏ trỡnh nhập liệu: nhập sai nội dung, hoặc nhập thiếu mục trả lời. Thủ tục tiến hành: sử dụng bảng tần số để rà soỏt tất cả cỏc biến quan sỏt nhằm tỡm ra cỏc biến cú thụng tin bị sai lệch hay thiếu sút bằng cụng cụ phần mềm SPSS 18.0. Kết quả cho thấy, khụng tỡm thấy biến nào cú thụng tin sai lệch. Dữ liệu đó được làm sạch để tiếp tục đưa vào bước kiểm định thang đo.