7. Kết cấu của đề tài
2.3 Kỹ thuật phân tích số liệu
Sau khi thu thập và làm sạch dữ liệu bằng cách loại bỏ những phiếu trả lời ẩu, phiếu trả lời mâu thuẫn. Số liệu sau khi nhập vào máy tính được kiểm tra lỗi nhập dữ liệu (sai, sót, thừa), loại bỏ những quan sát có điểm số bất thường bằng các phép kiểm định thống kê mô tả (bảng tần số, bảng kết hợp).
Phân tích số liệu cho nghiên cứu “Các yếu tố ảnh hưởng tới quyết định mua điện thoại di động - Khu vực thành phố Tuy Hòa” gồm các bước sau:
Bước 1:Thống kê mô tả mẫu nghiên cứu
Đầu tiên, tác giả phân tích thống kê mô tả cho mẫu nghiên cứu. Mục đích nhằm phân tích sơ bộ dữ liệu, mô tả những đặc điểm của mẫu. Một số đại lượng sử dụng trong phương pháp thống kê mô tả : mean, mode, sum, (σ), range (R=xmax-xmin), max và min, … Trong nghiên cứu này, tác giả thống kê về nhóm tuổi, trình độ học vấn, tình trạng hôn nhân, mức thu nhập hàng tháng của cá nhân, nghề nghiệp, …
Ý nghĩa các đại lượng khi phân tích thống kê mô tả mẫu: - Mean: giá trị trung bình cộng của mẫu.
- Mode: giá trị xuất hiện thường xuyên nhất trong mẫu. - Sum: tổng số mẫu.
- St.Deviation: độ lệch chuẩn, đo mức độ phân tán của tập mẫu. Khi hai tập dữ liệu có cùng giá trị trung bình cộng, tập nào có độ lệch chuẩn lớn hơn là tập có dữ liệu biến thiên nhiều hơn. Trong trường hợp hai tập dữ liệu có giá trị trung bình cộng không bằng nhau, thì việc so sánh độ lệch chuẩn của chúng không có ý nghĩa.
- Range: là vùng dữ liệu, khoảng cách giữa giá trị min và giá trị max. - Min: giá trị nhỏ nhất trong mẫu.
- Max: giá trị lớn nhất trong mẫu.
- S.E mean: là sai số chuẩn khi dùng giá trị trung bình mẫu để ước lượng giá trị trung bình tổng thể.
- Frequency: tần số của từng biểu hiện, tính bằng cách đếm và cộng dồn. - Percent: tần suất tính theo tỷ lệ %.
- Valid Percent: phần trăm hợp lệ, tính trên số quan sát có thông tin trả lời.
- Cumulative Percent: phần trăm tích luỹ do cộng dồn từ trên xuống, cho biết có bao nhiêu % đối tượng đang khảo sát đang ở mức độ nào đó trở xuống hay trở lên.
Bước 2: Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s alpha
Sau khi phân tích thống kê mô tả cho mẫu nghiên cứu, tác giả đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’S alpha để đánh giá độ tin cậy của các thang đo: “thiết kế”, “thương hiệu”, “giá”, “tâm lý”, “độ bền”, “dịch vụ sau bán hàng”, và thang đo “quyết định mua hàng”.
Hệ số Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau ( Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005), hệ số này đánh giá độ tin cậy của phép đo dựa trên sự tính toán phương sai của từng mục hỏi và tính tương quan điểm của từng mục hỏi với điểm tổng các mục hỏi còn lại của phép đo. Hệ số Cronbach’s Alpha (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007) được tính theo công thức sau:
2 1 2 1 ( 1 T k i i k k ) Trong đó: : Hệ số Cronbach’s Alpha k : Số mục hỏi trong thang đo
2
T
: Phương sai của tổng thang đo
2
i
: Phương sai của mục hỏi thứ i
Ý nghĩa của hệ số Cronbach Alpha: Cronbach alpha là hệ số đánh giá độ tin cậy của thang đo tổng, cho phép kiểm định xem các mục hỏi, câu hỏi có liên kết, đo lường rõ ràng một tiêu chuẩn nào đó hay không.
Ý nghĩa của hệ số tương quan biến – tổng: là hệ số để xem xét tương quan của một biến đo lường nào đó với tổng các biến còn lại của thang đo.
Với Cronbach’s Alpha sẽ giúp loại đi những biến quan sát không đạt yêu cầu hay các thang đo chưa đạt yêu cầu cho quá trình nghiên cứu. Các biến quan sát có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn để thang đo đạt yêu cầu khi Cronbach’s Alpha lớn hơn 0,6 trở lên (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2004). Các nhà nghiên cứu cho rằng Cronbach’s Alpha từ 0,8 đến 1 thì thang đo lường này tốt, từ 0,7 đến 0,8 là sử dụng được. Tuy nhiên nhiều tác giả cho rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp các khái niệm nghiên cứu là mới hoặc mới đối với người trả lời (Theo Hoàng Trọng và Chu Mộng Ngọc, 2005).
Bước 3: Phân tích khám phá (EFA)
Phương pháp phân tích nhân tố khám phá EFA ( Exploratory Factor Analysis) được sử dụng để kiểm tra tính đơn hướng của các thang đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) và độ giá trị cấu trúc của phép đo (Nguyễn Công Khanh, 2004).
Bằng kỹ thuật đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s alpha, tác giả sẽ loại đi các biến quan sát không phù hợp trong từng thang đo và các biến quan sát tốt sẽ được đưa vào để tiếp tục phân tích nhân tố EFA. Phân tích nhân tố được thực hiện với các biến quan sát của biến độc lập và các biến quan sát của biến phụ thuộc để rút ra được các nhân tố tiếp tục được đưa vào để phân tích tương quan và phân tích hồi qui ở phần sau.
Khi phân tích yếu tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn như sau:
Hệ số KMO (Kaiser-Meyer-Olkin): là một chỉ tiêu dùng để xem xét độ thích hợp của EFA, 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng không trong tổng
thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005)
Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Do mỗi biến riêng biệt có Eigenvalue là 1 nên chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được xem là có ý nghĩa và được giữ lại (Anderson & Gerbing, 1988 dẫn theo Trần Thị Kim Loan, 2009).
Chỉ số phần trăm phương sai trích (Percentage of Variance Criterion: đại diện cho phần trăm lượng biến thiên được giải thích bởi các nhân tố. Tổng phương sai trích của tất cả các nhân tố phải lớn hơn 50% thì phân tích nhân tố mới đảm bảo giải thích được hầu hết ý nghĩa của các biến quan sát (Anderson & Gerbing, 1988 dẫn theo Trần Thị Kim Loan, 2009).
Hệ số tải nhân tố (Factor loading): hệ số tương quan giữa mỗi biến quan sát và nhân tố, trong đó biến có hệ số tải nhân tố cao hơn sẽ mang ý nghĩa đại diện cao cho nhân tố. Tiêu chuẩn chọn thang đo là các biến quan sát có hệ số tải nhân tố ≥ 0,4 (Anderson & Gerbing, 1988 dẫn theo Trần Thị Kim Loan, 2009), vì vậy các biến có hệ số tải nhân tố < 0,4 sẽ bị loại và mỗi lần chỉ loại một biến. Biến bị loại theo nguyên tắc dựa trên trọng số nhân tố lớn nhất của từng biến quan sát không đạt, biến nào có trọng số nhân tố này không đạt nhất sẽ bị loại trước và sau đó tiến hành chạy phân tích nhân tố với các biến còn lại.
Khi phân tích EFA đối với thang đo về các yếu tố ảnh hưởng đến hành vi tiêu dùng, tác giả sử dụng phương pháp trích Principal Component Analysis với phép xoay Varimax và điểm dừng khi trích các yếu tố có Engenvalue lớn hơn 1.
Bước 4: Phân tích tương quan và hồi quy
Hệ số tương quan Pearson (Pearson Correlation Coefficient):
Hệ số tương quan Pearson (ký hiệu r) là loại đo lường tương quan được sử dụng nhiều nhất trong khoa học xã hội khi phân tích mối quan hệ giữa hai biến khoảng cách/tỷ lệ (Lê Minh Tiến, 2003). Trong nghiên cứu này, hệ số tương quan Pearson được sử dụng r có giá trị từ [-1,+1] để xác định các yếu tố ảnh hưởng quan trọng đến ý định mua hàng qua mạng của người tiêu dùng.
Theo hầu hết các nghiên cứu, kích cỡ tối thiểu có thể chấp nhận được đối với một nghiên cứu tương quan không được dưới 30. Trong nghiên cứu này, dữ liệu được thu
thập từ 230 mẫu (>30) vì vậy điều kiện ràng buộc về phân phối chuẩn của dữ liệu có thể bỏ qua khi thực hiện kiểm định ý nghĩa thống kê cho hệ số tương quan r (Lê Minh Tiến, 2005).
Phân tích hồi quy đa biến
Đề tài sử dụng phương pháp hồi quy đa biến để dự đoán cường độ tác động của các nhân tố đối với hành vi mua hàng ngẫu hứng của người tiêu dùng. Mô hình dự đoán có thể là:
u X X X X Y 01* 12* 23* 3...i* i Trong đó: Y : Biến phụ thuộc Xi : các biến độc lập 0
: Hằng số, giá rị của Y khi các biến độc lập X đều bằng 0.
i
: Các hệ số hồi quy U : Sai số
Biến phụ thuộc là nhân tố “Quyết định mua điện thoại” và biến độc lập là các nhân tố ảnh hưởng đến quyết định mua được rút ra từ quá trình phân tích EFA và có ý nghĩa trong phân tích tương quan Pearson.
Khi xây dựng mô hình hồi quy, phương pháp lựa chọn biến Enter được tiến hành. Hệ số xác định R2 điều chỉnh được dùng để xác định độ phù hợp của mô hình, kiểm định F dùng để khẳng định khả năng mở rộng mô hình này áp dụng cho tổng thể cũng như kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0.
Bước 5: Kiểm định sự phù hợp của mô hình
Sau khi có kết quả mô hình hồi qui đa biến, tác giả tiến hành kiểm định sự phù hợp của mô hình qua các phép kiểm định sau:
- Kiểm định liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc: để xem kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của biến phụ thuộc hay không.
- Kiểm định tự tương quan trong phần dư: Để xác định mô hình xây dựng được có khả năng dự báo tốt. Yêu cầu của kiểm định này là các phần dư phải độc lập, không có quan hệ với nhau. Tác giả dùng thống kê kiểm định d của Durbin-Watson
Trong thực tế, khi tiến hành kiểm định Durbin-Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau:
- Nếu 0 < d < 1 thì kết luận mô hình có tự tương quan dương. - Nếu 3 < d < 4 thì kết luận mô hình có tự tương quan âm.
- Kiểm định đa cộng tuyến: Đối với kiểm định này ta chỉ xét tương quan giữa các biến độc lập với nhau, để kiểm tra xem các biến độc lập có trùng nhau không hay xét tính độc lập giữa các biến độc lập. Dựa vào hệ số phóng đại phương sai (VIF) thể hiện trên bảng hệ số hồi quy ta có thể biết được hiện tượng đa cộng tuyến có xảy ra hay không. Nếu hệ số VIF <5 thì kết luận không có hiện tượng đa cộng tuyến còn nếu VIF >5 thì có đa cộng tuyến (Nguồn: Nghiên cứu định lượng với SPSS, Hoàng Trọng và Chu Nguyễn Mộng Ngọc)
- Kiểm định phương sai thay đổi: Kiểm định này nhằm đảm bảo các ước lượng OLS là vững thì các phần dư ei phải có phương sai phân bố đều tại mọi giá trị của các biến độc lập.
- Kiểm định phân phối chuẩn phần dư: Kiểm định này nhằm đảm bảo các ước lượng OLS là tuyến tính, không chệch thì các phần dư ei phải có phân phối chuẩn. Nếu các giá trị Mean 0 và Std.Dev 1 thì kết luận phần dư có phân phối chuẩn hay mô hình được xây dựng đã chuẩn hoá.
Bước 6: Phân tích ANOVA
Mục đích phân tích ANOVA: Phân tích phương sai (ANOVA- Analysis of Variance) là phương pháp kiểm định giả thuyết về sự bằng nhau của hai trung bình hay nhiều hơn dựa trên đại lượng thống kê F.
ANOVA một nhân tố (One-Way ANOVA) là phương pháp kiểm định ảnh hưởng của một biến độc lập (nhân tố) lên biến phụ thuộc.
Điều kiện áp dụng phương pháp: Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên. Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem xét như tiệm cận phân phối chuẩn. Các phương sai của các nhóm so sánh phải đồng nhất.