Hình 3.1: Quy trình nghiên cứu
Bài nghiên cứu này được thực hiện qua các bước sau:
Thang đo chính thức
Cơ sở lý thuyết Thang đo sơ bộ Phỏng trực tiếp vấn
Điều chỉnh Nghiên cứu định
lượng
Cronbach alpha
Phân tích nhân tố Loại các biến có trọng số EFA nhỏ Kiểm tra yếu tố trích được
Kiểm tra phương sai trích được Kiểm tra độ thích hợp mô hình, Kiểm định giả thuyết Vấn đề nghiên cứu
Loại các biến có hệ số tương quan biến tổng nhỏ.
Kiểm tra hệ số anpha.
Phân tích tương quan, Hồi quy đa biến
Báo cáo kết quả, kiến nghị
Bước 1: Từ cơ sở lý thuyết hình thành nên thang đo sơ bộ, thang đo sơ bộ này được tham khảo và hiệu chỉnh từ các thang đo đã được sử dụng trong các nghiên cứu trước. Kỹ thuật phỏng vấn trực tiếp (phỏng vấn tay đôi) được thực hiện với các chuyên gia và người sử dụng nhằm đảm bảo các đối tượng được phỏng vấn hiểu đúng và chính xác nội dung phát biểu của các thang đo. Sau khi đã được hiệu chỉnh, thang đo này trở thành thang đo chính thức cho nghiên cứu định lượng.
Bước 2: Đánh giá thang đo
Độ tin cậy của thang đo được đánh giá bằng phương pháp nội tại thông qua hệ số Cronbach’s Alpha nhằm loại bỏ các biến không phù hợp
Theo Hoàng Trọng[2], mức ý nghĩa của hệ số Cronbach’s Alpha như sau: <0.6 và Cronbach’s Alpha >=0.95 : không chấp nhận
0.6 <= Cronbach’s Alpha <0.7: chấp nhận 0.7<= Cronbach’s Alpha <0.8: tin cậy đáng kể 0.8<= Cronbach’s Alpha <0.95: rất tốt
Sau khi đánh giá độ tin cậy của các thang đo, các biến phù hợp được sử dụng để phân tích nhân tố khám phá nhằm xác định phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tố cơ sở, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở
Phân tích nhân tố:
Phân tích nhân tố được thực hiện với phép trích Principle Component với phép xoay Varimax với các tiêu chuẩn Communality >= 0.5, hệ số chuyển tải (factor loading) > 0.4, eigenvalue>=1 và tổng phương sai trích >=0.5(50%). Tuy nhiên hệ số KMO (Maiser-Meyer-Olkin) phải >0.5 để đảm bảo tập dữ liệu đưa vào là có ý nghĩa cho phân tích nhân tố[2].
Các biến có factor loading gần tương đương nhau ở hai nhân tố tạo nên cross loading, các biến đó phải được loại bỏ
Các thang đo được đánh giá đạt yêu cầu sẽ được phân tích tương quan và hồi quy để kiểm định giả thiết.
Phân tích tương quan:
Nghiên cứu này sử dung phân tích tương quan Pearson để xác định các mối quan hệ tuyến tính giữa các biến trước khi phân tích hồi quy tuyến tính tiếp theo. Phân tích tương quan được thực hiện giữa các biến độc lập và biến phụ thuộc để xác định mối quan hệ tuyến tính giữa các biến này
Phân tích hồi quy:
Nghiên cứu này dùng phương pháp hồi quy tuyến tính bội và sử dụng phương pháp Enter: tất cả các biến được đưa vào 1 lần để xem xét kết quả thống kê.
Công thức tổng quát được sử dụng:
Y = 0 + 1X1 + 2X2 + … + nXn + ε Trong đó :
0 : Hằng số, giá trị của Y khi tất cả giá trị X bằng 0
i : độ dốc của bề mặt hồi quy hay sự phản ứng. được xem như một hệ số hồi quy tương ứng với mỗi Xi. (adsbygoogle = window.adsbygoogle || []).push({});
ε : giới hạn sai số, thông thường bằng 0 Y là biến phụ thuộc chỉ chất lượng ước tính.
Hệ số tương quan R dùng để nhận biết mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến định lượng: -1≤ R ≤1. Khi trị tuyệt đối của R càng gần 1 thì mức độ chặt chẽ càng mạnh (|R| > 0.8 : mạnh). Hệ số xác định bội (coefficient of determination) được xác định bằng công thức:
∑ ̂ ∑ ̅
Hệ số này có giá trị từ 0 đến 1, nếu giá trị càng cao thì mối quan hệ giữa các biến càng chặt chẽ. Ngoài ra, hệ số điều chỉnh xác định bội (Adjusted R-squared)
cho biết mức độ cải tiến của phương sai phần dư và hệ số này cũng không khác mấy với hệ số xác định bội
Kiểm định các giả thuyết:
Đánh giá độ phù hợp của mô hình hồi qui qua R2
hiệu chỉnh Kiểm định giả thuyết về sự phù hợp của mô hình:
Kiểm định T trong bảng ANOVA của kết quả hồi quy SPSS được xem xét. Giá trị tại cột Sig <= 0.05 thì có thể bác bỏ giả thuyết H0 của kiểm định F. Điều đó nói lên sự phù hợp của các yếu trong mô hình hồi quy.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy:
Kiểm định T trong bảng Coefficients của kết quả hồi quy SPSS được xem xét. Kiểm định T được thực hiện nhằm kiểm định ý nghĩa của các hệ số hồi quy (tức kiểm định giả thiết hệ số hồi quy bằng 0). Các giá trị Sig có Sig <= 0.05 thì có thể bác bỏ giả thuyết H0 của kiểm định T: hệ số hồi quy của thành phần đang xét bằng 0. Từ đó kết luận hệ số hồi quy đang xét có ý nghĩa khi H0 bị bác bỏ và ngược lại.
Kiểm định giả thuyết không có mối tương quan giữa biến độc lập:
Khi VIF > 10, đó là dấu hiệu của hiện tượng đa cộng tuyến. Qua bảng Coefficients của kết quả hồi quy SPSS, nếu giá trị VIF < 10 thì đã xác định không có dấu hiệu của đa cộng tuyến. Như vậy có thể không xuất hiện mối tương quan giữa các biến độc lập khi VIF<10 và ngược lại.
Xác định độ ảnh hưởng của các yếu tố ảnh hưởng đến việc chấp nhận sử dụng ERP của người dùng cuối