Professional Documents
Culture Documents
CHƯƠNG 3 Phương Pháp Nghiên C U
CHƯƠNG 3 Phương Pháp Nghiên C U
- Đại diện cho các nhóm tuổi: thanh niên, trung niên và người già
Nghiên cứu sẽ giải thích mục đích nghiên cứu và đảm bảo các thông tin của
khách hàng sẽ được giữ bí mật, chỉ phục vụ mục đích nghiên cứu.
Được thực hiện theo phương pháp chọn mẫu - lấy mẫu ngẫu nhiên đơn giản có kết hợp
phân tần không theo tỷ lệ, hỏi trực tiếp khách hàng nhưng vẫn đảm bảo các nguyên tắc cơ
bản, mẫu khảo sát đại diện cho tổng thể nói chung.
3.3.2. Kích thước mẫu
Theo Nguyễn Đình Thọ (2011), kích thước mẫu cần cho nghiên cứu phụ thuộc
vào nhiều yếu tố như phương pháp xử lý (hồi quy, phân tích nhân tố khám phá
EFA, mô hình cấu trúc tuyến tính SEM, ..), độ tin cậy cần thiết… Để sử dụng phân
tích nhân tố khám phá EFA chúng ta cần kích thước mẫu lớn. Trong EFA, kích
thước mẫu thường 34 được xác định dựa vào (1) kích thước tối thiểu và (2) số
lượng biến đo lường đưa vào phân tích. Theo Hair và cộng sự (2006) cho rằng để
sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát
(Observations)/ biến đo lường (items) là 5:1, nghĩa là 1 biến đo lường cần tối
thiểu là 5 quan sát, tốt nhất là 10:1 trở lên.
Như vậy, trong nghiên cứu này, các biến khảo sát tổng cộng có 31 biến. Nếu lấy tỉ lệ 5:1
thì kích thước của mẫu là 31 x 5= 155. Kích thước này lớn hơn kích thước tối thiểu (90) nên
kích thước mẫu tối thiểu của nghiên cứu là 155 quan sát. Dự kiến số bảng hỏi phát ra sẽ là
200 bảng. Nếu số mẫu thu về chưa đạt yêu cầu thì sẽ tiến hành phát tiếp cho đến khi đủ số
lượng mẫu thu thập.
3.4. Các kỹ thuật xử lý dữ liệu
Các kỹ thuật xử lý dữ liệu được thực hiện như sau:
- Chuẩn bị thông tin: Thu nhận bảng trả lời, tiến hành làm sạch thông tin, mã hóa
các thông tin cần thiết trong bảng trả lời và phân tích dữ liệu bằng phần mềm
SPSS phiên bảng 20.0.
Hệ số tin cậy Cronbach’s Anpha được sử dụng để đánh giá độ tin cậy của thang
đo. Theo quy ước thì một tập hợp các biến (mục hỏi) dùng để đo lường được
đánh giá là tốt phải có hệ số anpha lớn hơn hoặc bằng 0.8. Tuy nhiên, đối với
“trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời
trong bối cảnh nghiên cứu” thì hệ số Cronbach’s anpha từ 0.6 trở lên là phép đo
đảm bảo độ tin cậy và chấp nhận được (Nunnally, 1978; Peterson, 1994; Slater,
1995, dẫn theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Do vậy trong
nghiên cứu này, thang đo sẽ được chọn khi hệ số tin cậy Cronbach’s Anpha lớn
hơn 0.6
Tuy nhiên, hệ số tin cậy Cronbach’s Anpha chỉ cho biết các biến đo lường có liên
kết với nhau hay không nhưng không cho biết biến nào cần loại bỏ đi và biến nào
cần giữ lại. Do đó, cần kết hợp với việc sử dụng hệ số tương quan biến tổng
(Corrected ItemTotal Correlation). Những biến có hệ số tương quan biến tổng
nhỏ hơn 0.3 sẽ bị loại vì những biến này không có nhiều đóng góp cho khái niệm
cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Sử dụng phương pháp hệ số tin cậy Cronbach’s Anpha trước khi phân tích nhân
tố khám phá EFA để loại các biến không phù hợp vì các biến này có thể tạo ra yếu
tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007)
- Phân tích nhân tố khám phá EFA:
Phân tích nhân tố khám phá EFA được sử dụng để đánh giá độ giá trị của thang
đo. Các thang đo sẽ được đánh giá giá trị thang đo bằng cách xem xét ba thuộc
tính quan trọng trong kết quả EFA: (1) Số lượng nhân tố trích được, (2) trọng số
nhân tố và (3) tổng phương sai trích (Nguyễn Đình Thọ, 2011)
Bảng ??: Tóm tắt các chỉ tiêu đánh giá thang đo bằng phương pháp EFA
Tiêu chí Yêu cầu Kết luận Tham khảo
Nguồn: Nguyễn Đình Thọ (2011); Hair và cộng sự (1998); Gerbing và Anderson
(1988).
Theo Hair và cộng sự (1998), trọng số nhân tố λi (Factor Loading) là chỉ tiêu để
đảm bảo mức ý nghĩa thiết thực EFA. λi > 0.3 được xem là đạt mức tối thiểu, λi >
0.4 được xem là quan trọng, λi ≥ 0.5 được xem là có ý nghĩa thực tiễn. Hair và
cộng sự (1998) cũng khuyên như sau: nếu chọn tiêu chuẩn λi > 0.3 thì cỡ mẫu ít
nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn λi > 0.55, nếu
cỡ mẫu khoảng 50 thì λi > 0.75. Ngoài ra, chênh lệch λ lớn nhất và λ bất kỳ tại
mỗi biến phải ≥ 0.3 (Jabnoun và Al-Tamimi, 2003)
Phân tích nhân tố khám phá EFA trong nghiên cứu này:
Sử dụng phương pháp trích Principal Components với phép xoay Varimax.
ü Kiểm tra mức độ quan hệ giữa các biến đo lường bằng kiểm định KMO
(KaiserMeyer- Olkin) và kiểm định Barlett. Kiểm định KMO là một chỉ tiêu
dùng để xem xét sự thích hợp EFA, 0.5≤KMO≤1 thì phân tích nhân tố là
thích hợp. Kiểm định Barlett xem xét giả thuyết về 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 tổng thể (Nguyễn
Khánh Duy ,2009)
- Phương pháp hồi quy đa biến:
Phương pháp hồi quy đa biến để đánh giá mức độ ảnh hưởng của chất lượng
dịch vụ đến ý định hành vi của khách hàng với mức ý nghĩa 5 %, được tiến hành
theo hai bước: (1) phân tích tương quan Pearson để xem xét sự phù hợp của mô
hình trước khi đưa vào phân tích hồi quy; (2) sau khi đánh giá sự phù hợp của
mô hình, phân tích hồi quy sẽ được thực hiện, kết quả của phân tích hồi quy
nhằm đánh giá mức độ ảnh hưởng của chất lượng dịch vụ đến ý định hành vi của
khách hàng.
Phân tích tương quan Pearson được thực hiện giữa biến độc lập và biến phụ
thuộc nhằm khẳng định có mối quan hệ tuyến tính giữa các biến phụ thuộc và
độc lập. Khi đó, việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Giá trị
tuyệt đối của Pearson gần đến 1 thì hai biến này có mối tương quan tuyến tính
càng chặt chẽ. Đồng thời cũng cần phân tích tương quan giữa các biến độc lập
với nhau nhằm phát hiện những mối tương quan chặt chẽ giữa các biến độc lập.
Vì những tương quan như vậy có thể ảnh hưởng lớn đến kết quả phân tích hồi
quy như gây ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng
Ngọc, 2005).
Phân tích hồi quy đa biến được thực hiện theo phương pháp Enter: tất cả các
biến được đưa vào một lần và xem xét kết quả thống kê liên quan. Quá trình
phân tích được thực hiện theo các bước sau (Hoàng Trọng và Chu Nguyễn Mộng
Ngọc, 2005):
ü Đánh giá sự phù hợp của mô hình hồi quy đa biến thông qua R2 hiệu
chỉnh.
ü Kiểm định giả thuyết về độ phù hợp của mô hình.
ü Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy của từng thành phần.
ü Kiểm định giả thuyết về phân phối chuẩn của phần dư: dựa theo biểu đồ
của tần số phần dư chuẩn hóa; xem giá trị trung bình bằng 0 và độ lệch
chuẩn bằng 1.
ü Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung
sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation
Factor). Nếu VIF> 10 thì có hiện tượng đa cộng tuyến.
ü Xác định mức độ ảnh hưởng của các yếu tố chất lượng dịch vụ đến ý định
hành vi của khách hàng thông qua hệ số Beta: hệ số Beta của yếu tố nào
càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các
yếu tố khác trong mô hình nghiên cứu.
-Phân tích Model Summary để đánh giá độ phù hợp của mô hình phân tích hồi
quy đa biến. Trong phân tích Model Summary cần quan tâm đến các giá trị:
Giá trị R2 (R Square), R2 hiệu chỉnh (Adjusted R Square) phản ánh mức độ
giải thích biến phụ thuộc của các biến độc lập trong mô hình hồi quy. R2
hiệu chỉnh phản ánh sát hơn so với R2. Mức dao động của 2 giá trị này là từ
0 đến 1, tuy nhiên việc đạt được mức giá trị bằng 1 là gần như là ít có mô
hình nào đạt tới. Với chỉ số R2 hiệu chỉnh nếu càng tiến về 1 thì mô hình
càng có ý nghĩa, càng tiến về 0 thì ý nghĩa mô hình càng yếu.
Trị số Durbin – Waston (DW) dùng để kiểm tra hiện tương quan chuỗi bậc
nhất (kiểm định tương quan của các sai số kề nhau). DW có giá trị biến
thiên trong khoảng từ 1 đến 3
- Phân tích phương sai (ANOVA) Phân tích phương sai (ANOVA) được sử dụng khi
so sánh trung bình của từ ba đám đông (nhóm) trở lên (Nguyễn Đình Thọ, 2011).
Trong phân tích ANOVA, hệ số cần quan tâm là hệ số sig của kiểm định Levene (ở
bảng Test of Homogeneity of variances).
Nếu sig ≤0.05 thì kết luận phương sai giữa các nhóm khác nhau một cách có
ý nghĩa.
Nếu sig >0.05 thì phương sai giữa các nhóm không khác nhau một cách có ý
nghĩa à đủ điều kiện phân tích ANOVA à sử dụng kết quả ở bảng ANOVA. Ở bảng
ANOVA, nếu sig > 0.05 kết luận không có sự khác biệt giữa các nhóm biến định
tính; nếu sig ≤0.05 thì kết luận có sự khác biệt giữa các nhóm biến định tính
Trong chương 3 đã trình bày quy trình nghiên cứu được thực hiện trong đề tài nhằm xây
dựng, đánh giá các thang đo và mô hình lý thuyết về các nhân tố ảnh hưởng đến sự hài lòng
của khách khi sử dụng dịch vụ tại CGV. Phương pháp nghiên cứu được thực hiện qua hai
bước: Nghiên cứu định tính và nghiên cứu định lượng. Thông qua hai nghiên cứu, xây dựng
thang đo từng nhân tố trong mô hình nghiên cứu từ đó thực hiện điều tra khách hàng nhằm
thu thập dữ liệu làm cơ sở thực hiện phân tích số liệu bằng phần mềm SPSS 20.0. Trong
chương này cũng giới thiệu một số kỹ thuật xử lý dữ liệu sẽ được áp dụng trong chương 4.