5. Ý nghĩa khoa học và thực tiễn:
2.2.4.Phân tích dữ liệu và diễn giải
Dữ liệu được xử lý bằng phần mềm SPSS 16.0, sau khi được mã hóa và làm sạch số liệu sẽ qua các phân tích sau:
Thống kê mô tả
Phân tích Cronbach’s Alpha (CA) cho các thang đo (kiểm định độ tin cậy thang đo các nhân tố): hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Công thức của hệ số Cronbach’s Alpha là:
α = Nρ/ [1+ ρ(N-1)]
Trong đó ρ là hệ số tương quan trung bình giữa các mục hỏi. N là số mục hỏi
Theo quy ước và nghiên cứu của nhiều người trong lĩnh vực thống kê thì một tập hợp các mục hỏi dùng để đo lường được đánh giá là tốt khi có hệ số α lớn hơn hoặc bằng 0.6 (càng tiến dần đến 1 càng tốt).
Sau khi tìm được hệ số tương quan giữa các mục hỏi, hệ số α, mục đích chính là loại bỏ các mục hỏi làm giảm sự tương quan giữa các mục hỏi và giữ cho hệ số α lớn hơn hoặc bằng 0.6.
Phân tích nhân tố.
Có nhiều phương pháp nhắm xác định số lượng nhân tố, tác giả sử dụng phương pháp dựa vào eigenvalue: chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích 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, vì sau khi chuẩn hóa mỗi biến gốc có phương sai là 1.
Xoay các nhân tố: một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố. Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố ( mỗi biến là một đa thức của các nhân tố). Những hệ số này (factor loading) biểu diễn tương quan giữa các nhân tố và các biến. Hệ số này lớn cho biết nhân tố và biến có liên hệ chặt chẽ với nhau. Các hệ số này được dùng để giải thích các nhân tố, để xác định mối quan hệ giữa các yếu tố với từng nhân tố. Có nhiều phương pháp xoay ma trận các nhân tố khác nhau, ở đây tác giả dùng phương pháp Varimax procedure là phương pháp thường dùng phổ biến nhất. Phương pháp này sẽ xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố.
Việc giải thích và đặt tên các nhân tố được thực hiện trên cơ sở nhận ra các biến có hệ số (factor loading) lớn hơn 0.6 ở cùng một nhân tố
Kiểm định sự phù hợp của mô hình bằng phân tích tương quan, hồi quy tuyến tính bội và phân tích phương sai (ANOVA)
Mô hình hồi quy bội mở rộng mô hình hồi quy hai biến bằng cách thêm vào một số biến độc lập để giải thích tốt hơn cho biến phụ thuộc. Mô hình có dạng như sau: Yi = ß0+ß1X1i+ ß2X2i+…+ ßpXpi+ ei
Ký hiệu Xpi biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i.
Các hệ số ßk được gọi là hệ số hối quy riêng phần (Partial regression coefficients) Thành phần ei là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi σ2
Thường so sánh R Square và Adjusted R Square để lựa chọn R Square nhỏ hơn dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Kiểm định độ phù hợp của mô hình (ANOVA)
Ta thực hiện xem giả thuyết Ho của kiểm định F có bị bác bỏ không, nếu giả thuyết H0 bị bác bỏ chúng ta kết luận là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của Y, điều này có nghĩa là mô hình ta xây dựng phù hợp với tập dữ liệu. Trị thống kê F được tính từ giá trị R Square của mô hình đầy đủ, giá trị sig. rất nhỏ cho thấy ta sẽ an toàn khi bác bỏ giả thuyết H0 cho rằng tất cả các hệ số hồi quy bằng 0 (ngoại trừ hằng số), mô hình hồi quy tuyến tính bội của ta phù hợp với tập dữ liệu và có thể sự dụng được.
Ý nghĩa các hệ số hồi quy riêng phần trong mô hình: ßk đo lường sự thay đổi trong giá trị trung bình Y khi Xk thay đổi một đơn vị, giữ các biến độc lập còn lại không đổi. Nói một cách khác, nó cho biết ảnh hưởng “thuần” của các thay đổi một đơn vị trong Xk đối với giá trị trung bình của biến phụ thuộc Y khi loại trừ ảnh hưởng của các biến độc lập khác. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005)
Chương 3
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Nội dung chính của chương này là tổng hợp các ý kiến phản hồi từ khách hàng cá nhân trong lĩnh vực nông nghiệp, tác giả tiến hành phân tích cơ sở dữ liệu và giải thích các kết quả nghiên cứu được. Phần thứ nhất của chương bắt đầu bằng những thông tin cá nhân của khách hàng được phỏng vấn. Phần thứ hai tiến hành kiểm định độ tin cậy các thang đo nhân tố, độ tin cậy của thang đo phụ thuộc độ tin cậy của từng biến đo, được tính bằng hệ số Cronbach Alpha; mức độ nhất quán của các mẫu quan sát biến càng cao thì độ tin cậy càng cao (càng gần 1). Phần thứ ba tiến hành phân tích nhân tố dựa vào giá trị P (p-value) mà trong SPSS viết tắt p-value là sig để kết luận là chấp nhận hay bác bỏ giả thuyết H0 (H0 không có mối quan hệ giữa các biến), bên cạnh đó một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận xoay nhân tố (Rotated Component Matrix) để tìm ra các nhân tố tác động đến sự hài lòng của khách hàng khi sử dụng một số dịch vụ ngân hàng. Phần tiếp theo tiến hành kiểm định sự phù hợp của mô hình. Cuối cùng, phân tích và đánh giá các nhân tố có ảnh hưởng lớn đến sự hài lòng của khách hàng để từ đó có những giải pháp thiết thực.
Với kết quả bảng phỏng vấn phản hồi từ phía khách hàng cá nhân trong lĩnh vực nông nghiệp có 268 phiếu điều tra được thu nhận với tỷ lệ phản hồi chuẩn 251 phiếu chiếm tỷ lệ là 93.66%, trong đó có 17 phiếu bị loại do không hợp lệ chiếm 6.34%. Do đó, số lượng mẫu còn lại để đưa vào phân tích là 251 phiếu.