Chương 3 Phương pháp nghiên cứu
3.5Nghiên cứu định lượng
3.5.1 Phương pháp và quy trình chọn mẫu
Quy trình chọn mẫu được thực hiện theo phương pháp thuận tiện. Việc phỏng vấn trực tiếp sử dụng bảng câu hỏi sẽ được thực hiện tại nơi khám chữa bệnh sau khi bệnh nhân
đã được khám xong, chuẩn bị ra về.
Mục đích của việc khảo sát ngay tại nơi khám chữa bệnh là để tiếp thu ý kiến bệnh nhân khi họ vẫn còn ấn tượng rất rõ về dịch vụ khám chữa bệnh vừa thực hiện. Nếu không khảo sát tại những nơi khám chữa bệnh, sẽ rất khó chọn và tiếp cận đúng người
đã khám chữa bệnh tại phòng khám tư nhân trong thời gian gần đây. Bên cạnh đó, cũng có nhiều khả năng người được phỏng vấn quên đi một số ấn tượng của họ về dịch vụ
Theo diadiem.com, có 514 phòng khám và bệnh viện tư nhân trên địa bàn TPHCM, bao gồm các loại hình: phòng khám đa khoa, phòng khám chuyên khoa, phòng khám bác sĩ tư nhân, phòng khám Trung y, Đông y, Y học dân tộc… Như đã đề cập trong phần phạm vi nghiên cứu chương 1, nghiên cứu định lượng được thực hiện khảo sát tại các phòng khám / bệnh viện đa khoa tư nhân tại 6 quận trong thành phố: 1, 3, Phú Nhuận, Tân Bình, Gò Vấp, Bình Thạnh. Do đa số các phòng khám đa khoa tập trung tại quận 1 và quận Bình Thạnh, và do sự giới hạn nguồn lực, nên tác giả chọn khảo sát 2 phòng khám tại mỗi quận 1, Bình Thạnh và 1 phòng khám tại mỗi quận 3, Phú Nhuận, Tân Bình, Gò Vấp. Danh sách các phòng khám triển khai khảo sát được đề cập trong phụ lục 3 của luận văn.
Việc khảo sát thu thập thông tin được thực hiện bởi các sinh viên hỗ trợ, được thực hành kỹ lưỡng các tình huống phỏng vấn và nắm rõ yêu cầu về thông tin của đề tài. Các sinh viên cũng sẽ giúp giải đáp những điểm còn thắc mắc của người được phỏng vấn, giúp họ hoàn tất trả lời bảng câu hỏi.
3.5.2 Xác định cỡ mẫu
Việc tính toán xác định cỡ mẫu dựa vào nhu cầu về phân tích dữ liệu.
Đối với phân tích nhân tố, Gorsuch cho rằng cỡ mẫu nên ít nhất là 200, bất chấp tỷ lệ
số lượng mẫu trên số biến quan sát là bao nhiêu (Beavers, Lounsbury, Richards, Huck, Skolits và Esquivel, 2013). Hachter cho rằng cỡ mẫu bằng ít nhất 5 lần số biến quan sát hoặc ít nhất là 100 (Garson, 2006). Những quy tắc kinh nghiệm khác trong xác định cỡ
mẫu cho phân tích nhân tố EFA là kích thước mẫu ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Trong nghiên cứu này, tác giả thực hiện phân tích nhân tố khám phá EFA, trong đó bao gồm 22 biến quan sát chất lượng dịch vụ và 12 biến quan sát giá trị cá nhân. Theo đó, kích thước mẫu tối thiểu là : 34x5=170.
Đối với phân tích hồi quy tuyến tính đa biến, Tabachnick & Fidell đưa ra công thức tính kích cỡ mẫu: N ≥ 8m + 50; trong đó N là kích cỡ mẫu, m là số biến độc lập của mô hình (Boduszek, 2013). Trong nghiên cứu này, tác giả muốn tìm hiểu mối quan hệ giữa sự hài lòng và 8 biến độc lập (5 yếu tố chất lượng dịch vụ và 3 giá trị cá nhân). Theo
đó, kích thước mẫu tối thiểu là: 8x5+50=90.
Dựa theo những phương pháp ước tính cỡ mẫu nói trên, tác giả nhận thấy kích thước 170 là thỏa mãn những quy tắc đề xuất bởi Hatcher, quy tắc kinh nghiệm đề cập bởi Hoàng Trọng và Chu Nguyễn Mộng Ngọc, quy tắc đề xuất bởi Tabachnick & Fidell. Do đó, đối với nghiên cứu này, Tác giả chọn kích thước mẫu tối thiểu cần thiết để thực hiện các phân tích là: N=170. Cỡ mẫu này sẽ được chia đều khảo sát tại 8 phòng khám nhưđã đề cập ở trên.
3.5.3 Phương pháp phân tích dữ liệu
Dữ liệu thu thập được sẽ được tác giả xử lý trên phần mềm SPSS, theo các phương pháp phân tích sau đây.
3.5.3.1 Đánh giá thang đo bằng Cronbach Alpha
Tác giả sẽ thực hiện phân tích Cronbach Alpha nhằm mục đích đánh giá độ tin cậy của thang đo. Lee Cronbach đã đề xuất việc đánh giá độ tin cậy của dữ liệu định lượng thông qua một hệ sốđộ tin cậy alpha, dựa trên cơ sởước lượng so sánh tỷ lệ biến động, thay đổi của mỗi biến. Hệ số này được gọi là hệ số Cronbach’s Alpha. Ngoài ra, phân tích Cronbach Alpha còn cho phép đo lường sự tương quan nội tại giữa các biến quan sát và biến tổng trong cùng 1 thang đo, cho phép đánh giá tính nhất quán của câu trả lời nhận được từ người được phỏng vấn khảo sát. Phân tích này giúp người nghiên cứu có thể nhận biết và loại bỏ những biến quan sát không liên quan, không đóng góp vào mô tả khái niệm cần đo, nhằm tránh dẫn đến sai lệch khi phân tích dữ liệu.
Điều kiện để thực hiện phân tích Cronbach Alpha là phải có tối thiểu 3 biến quan sát cho mỗi thang đo. Nunally và Benstein cho rằng nếu hệ số Cronbach’s Alpha ≥ 0.6 thì thang đo có thể chấp nhận được về độ tin cậy. Họ cũng cho rằng nếu một biến đo lường có hệ số tương quan biến-tổng (hiệu chỉnh) ≥ 0.3 thì biến đó đạt yêu cầu (Nguyễn Đình Thọ, 2011).
Trên thực tế, khi hệ số Cronbach’s Alpha quá lớn (Cronbach’s Alpha > 0.95), điều đó cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau, đó là hiện tượng trùng lắp trong đo lường (Nguyễn Đình Thọ, 2011).
Do đó, tác giả sẽ loại bỏ những thang đo có Cronbach’s Alpha <0.6 hoặc >0.95. Đồng thời tác giả cũng sẽ loại bỏ những biến quan sát có hệ số tương quan với biến tổng <0.30
3.5.3.2 Phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis)
Tác giả thực hiện phân tích nhân tố khám phá nhằm mục đích thu gọn và nhóm các biến quan sát có liên quan với nhau thành những nhân tố độc lập có ý nghĩa, tách rời chúng khỏi những biến khác ít liên quan. Việc này giúp tác giả có cơ sởđể duy trì hoặc
điều chỉnh mô hình nghiên cứu đề xuất ban đầu.
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Nguyễn Đình Thọ, 2011). Phân tích EFA dựa trên cơ sở đo lường mối quan hệ giữa các biến quan sát. Tác giả sẽ thực hiện các bước phân tích nhân tố khám phá như sau:
1) Kiểm định sự phù hợp khi sử dụng phân tích nhân tố khám phá EFA.
Kiểm định Bartlett với giả thuyết Ho là: tương quan giữa các biến quan sát trong tổng thể = 0. 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 & Chu Nguyễn Mộng Ngọc, 2005)
Kiểm định KMO (Kaiser-Meyer-Olkin): đây là một kiểm định thống kê cho phép xác định hệ số KMO. Theo Norusis (1994), KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với hệ số tương quan riêng phần của chúng. Kaiser (1974) đề nghị rằng: KMO ≥ 0.90 : RẤT TỐT; 0.80 ≤ KMO < 0.90 : TỐT; 0.70 ≤ KMO ≤ 0.80 : ĐƯỢC; 0.60 ≤ KMO < 0. 70 : TẠM ĐƯỢC; 0.50 ≤ KMO < 0. 60 : XẤU;
KMO <0. 50 : KHÔNG CHẤP NHẬN ĐƯỢC
(Nguồn: Nguyễn Đình Thọ, 2011) Tác giả chọn thực hiện theo các tiêu chí: kiểm định Barlett phải có kết quả bác bỏ Ho và KMO ≥ 0.6. (adsbygoogle = window.adsbygoogle || []).push({});
2) Xác định các nhân tố
Bước này có mục đích xác định các nhân tố quan trọng có khả năng giải thích cao về sự biến thiên của các biến quan sát trong tập dữ liệu. Tác giả chọn sử
dụng phép trích nhân tố là PCA (principal components analysis).
Trên lý thuyết, có các tiêu chí để xác định các nhân tố như: tiêu chí eigen value, tiêu chí điểm gãy (dựa trên đánh giá biểu đồ Scree Plot), tiêu chí phương sai trích (variance explained), hoặc xác định trước số lượng nhân tố (dựa vào cơ sở
lý thuyết đã có để phân tích nhân tố khẳng định CFA). Các nhà nghiên cứu không sử dụng một tiêu chí riêng biệt nào đó trong xác định số lượng các nhân tố mà họ thường kết hợp nhiều tiêu chí khác nhau. Đối với eigen value, đây là tiêu chí được sử dụng phổ biến: giá trị eigen value ≥ 1 (Nguyễn Đình Thọ, 2011). Đối với tiêu chí phương sai trích, Hair & cộng sự yêu cầu rằng phương sai trích phải đạt từ 50% trở lên (Nguyễn Khánh Duy, 2007).
Để xác định các nhân tố, tác giả dựa vào 2 cơ sở: eigen values > 1 và phương sai trích ≥ 50%.
3) Quay nhân tố
Việc quay nhân tố giúp cho các nhân tố có ý nghĩa hơn trong việc diễn giải kết quả. Tác giả kết hợp phép quay vuông góc Varimax với việc sử dụng phép trích nhân tố PCA như trên. Trong ma trận nhân tố đã quay, các trọng số nhân tố
(Factor loading) là chỉ tiêu đểđánh giá. Trọng số nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA.
Trọng số nhân tố > 0.3 được xem là đạt được mức tối thiểu, Trọng số nhân tố > 0.4 được xem là quan trọng,
Trọng số nhân tố > 0.5 được xem là có ý nghĩa thực tiễn.
Họ cũng khuyên rằng: nếu chọn tiêu chuẩn trọng số nhân tố > 0.3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn trọng số nhân tố > 0.55, còn nếu cỡ mẫu khoảng 50 thì trọng số nhân tố phải > 0.75 (Nguyễn Khánh Duy, 2007). Tác giả chọn tiêu chí trọng số nhân tố > 0.5 làm chỉ tiêu
đánh giá.
Ngoài ra, có nhà nghiên cứu còn quan tâm đến tiêu chuẩn khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân
biệt giữa các nhân tố (Nguyễn Khánh Duy, 2007). Tuy nhiên, trước khi quyết
định loại bỏ hay không loại bỏ một biến đo lường, ta cần xem xét giá trị nội dung của nó (Nguyễn Đình Thọ, 2011). Tác giả sẽ cân nhắc về tiêu chí này trong phần phân tích kết quả.
3.5.3.3 Phân tích tương quan hồi quy và kiểm định giả thuyết
Phân tích hồi quy đa biến là phân tích giúp khám phá mối quan hệ giữa các biến độc lập và biến phụ thuộc (biến kết quả). Phân tích này sẽ giúp trả lời các câu hỏi sau:
• Các biến độc lập có khả năng giải thích biến kết quả như thế nào?
• Biến độc lập nào có khả năng giải thích cao nhất?
• Liệu một biến độc lập thay đổi sẽ có ảnh hưởng như thế nào đến biến kết quả
nếu các biến độc lập còn lại không thay đổi
• Tỷ lệ bao nhiêu của Phương sai của biến kết quả có thể được giải thích bởi phương sai của các biến độc lập?
Khi đã xác định được các nhân tố độc lập có ý nghĩa từ kết quả phân tích nhân tố khám phá EFA, tác giả sẽ thực hiện phân tích tương quan hồi quy đa biến để xác định các
ảnh hưởng của các nhân tố trên đối với biến kết quả là sự hài lòng của bệnh nhân. Việc kiểm định sẽ dựa trên mức ý nghĩa 5%.
Việc sử dụng các nhân tố này với tư cách là các biến độc lập trong hàm hồi quy đa biến sẽ giúp giảm khả năng vi phạm hiện tượng đa cộng tuyến. Đa cộng tuyến là hiện tượng tồn tại mối quan hệ tuyến tính giữa một biến giải thích nào đó với một hoặc tất cả các biến khác trong mô hình, khiến cho mô hình hồi quy bị sai lệch về hệ số hồi quy hoặc sai số chuẩn… Khi thực hiện hồi quy đa biến, 2 thông số về Tolerance và VIF sẽ giúp xác định xem có hay không xảy ra hiện tượng đa cộng tuyến.
Khi Tolerance < 0.10 hoặc VIF > 10 thì có khả năng xảy ra hiện tượng đa cộng tuyến (Daniel Boduszek, 2011). Tác giả sẽ thực hiện kiểm tra hiện tượng đa cộng tuyến theo tiêu chuẩn này.
3.5.3.4 Phân tích sự khác biệt ý kiến giữa các nhóm khách hàng (One way ANOVA) Việc phân tích One way ANOVA sẽ cho thấy liệu có sự khác nhau rõ rệt về giá trị
trung bình của biến định lượng ở những nhóm người khác nhau được phỏng vấn không? Trong nghiên cứu này tác giả muốn tìm hiểu xem có sự khác nhau về sự hài lòng giữa các nhóm bệnh nhân ở độ tuổi khác nhau, hoặc nơi ở khác nhau, hoặc mức thu nhập khác nhau. Tác giả chọn kiểm định với mức ý nghĩa 5%.
3.6 Tóm tắt chương 3 (adsbygoogle = window.adsbygoogle || []).push({});
Trong chương 3 tác giảđã trình bày về quy trình nghiên cứu, bao gồm nghiên cứu định tính và nghiên cứu định lượng. Nghiên cứu định tính được thực hiện theo phương pháp thảo luận nhóm, nhằm mục tiêu điều chỉnh nội dung của biến quan sát cho phù hợp với bối cảnh khám chữa bệnh và dễ hiểu đối với mọi người.
Sau khi nghiên cứu định tính, tác giả đã lập kế hoạch phân tích định lượng thông qua việc xác định quy trình chọn mẫu, tính toán cỡ mẫu và các phương pháp sẽ sử dụng để
phân tích dữ liệu sẽ thu thập được. Đó là các phương pháp thống kê mô tả mẫu, phân tích Cronbach Alpha, phân tích nhân tố khám phá EFA, phân tích tương quan hồi quy và phân tích One-way ANOVA.