NCDLT2-2016

PHƯƠNG PHÁP NGHIÊN CỨU ĐỊNH LƯỢNG TRONG KINH TẾ Lựa chọn mẫu nghiên cứu Phần mềm trong nghiên cứu và Các biến số trong nghiên cứu Phân tích dữ liệu và kết quả NC Nộ i d un g 01 Nộ i d

GIỚI THIỆU

TS Đỗ Hữu Hải

Đại học công nghiệp thực phẩm Hồ CHí Minh

Điện thoại:

0919226868/0888151975 Email: haidh@vnu.edu.vn haidh1975@gmail.com

PHƯƠNG PHÁP NGHIÊN CỨU ĐỊNH LƯỢNG TRONG KINH TẾ

Lựa chọn mẫu nghiên cứu

Phần mềm trong nghiên cứu và Các biến

số trong nghiên cứu

Phân tích dữ liệu và kết quả NC

Nộ i d

un g 01

Nộ i d

un g 02

Nộ i d

un g 03

NỘI DUNG

Lựa chọn

mẫu nghiên

cứu

Các biến số

trong nghiên

cứu

Kết quả

nghiên cứu

Phần mềm trong nghiên cứu

Phân tích dữ liệu

Kết luận và

đề xuất

Nội dung 01

Nội dung 03

Nội dung 05

Nội dung 02

Nội dung 04

Nội dung 06

LỰA CHỌN MẪU TRONG NC

kích thước mẫu phải bảo

đảm theo công thức: n ≥

8m + 50 (n là cỡ mẫu, m

là số biến độc lập trong

mô hình)

Mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ số quan sát/biến đo lường là 5/1 .

Mô hình phân tích cấu trúc tuyến tính (SEM) kích thước mẫu nghiên cứu thường từ 300 - 500 .

n ≥ 104 + m (với m là số

lượng biến độc lập và phụ

thuộc), hoặc n ≥ 50 + m , nếu

m < 5

PHẦM MỀM TRONG NGHIÊN CỨU

Excel.

Nvivo.

R+.

Eview.

Amos.

SPSS.

CÁC BIẾN SỐ TRONG NC

1 2 3 4

Biến phụ thuộc (Y), mục tiêu chịu tác động

đang được NC

Biến độc lập, là các nhân tố tác động vào

MT NC

Biến điều tiết là biến tác động đến quan

hệ giữa biến độc lập và phụ thuộc.

Biến kiểm soát (Có 1 ảnh hưởng tiềm năng đối

với Y và như 1 biến độc lập), biến trung gian (là

biến gạn lọc tác động của biến độc lập vào biến

phụ thuộc).

PHÂN TÍCH DỮ LIỆU

1

2

3

Thu thập dữ liệu nghiên cứu bằng bản câu hỏi và kỹ thuật phỏng vấn khách hàng

Đánh giá sơ bộ độ tin cậy và giá trị của thang đo bằng hệ số tin cậy Cronbach alpha và phân tích

nhân tố khám phá EFA Hệ số Cronbach alpha có giá trị từ 0,8 trở lên đến gần 1,0 là thang đo tốt;

từ 0,7 đến gần 0,8 là sử dụng được Cronbach alpha không cho biết biến nào nên loại bỏ và biến

nào nên giữ lại Bởi vậy, bên cạnh hệ số Cronbach alpha, người ta còn sử dụng hệ số tương quan

biến tổng (iterm – total correlation) và những biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ

Phân tích nhân tố khám phá (EFA) để đánh giá thang đo hay rút gọn một tập biến:

+ Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05

+ Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát) Các nhân tố có Engenvalue <1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA) Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%

+ Phân tích mô hình cấu trúc tuyến tính (SEM) thì nên sử dụng phương pháp trích Pricipal Axis

Factoring với phép xoay Promax

+ Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor

loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực tiễn Trường hợp chọn tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350; nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55; nếu cỡ mẫu khoảng 50 thì Factor loading > 0,75 Có thể giữ lại biến có Factor loading < 0,3, nhưng biến đó phải có giá trị nội dung

PHÂN TÍCH DỮ LIỆU

04

05

Phương pháp phân tích nhân tố khẳng định CFA được sử dụng để kiểm định

độ phù hợp của mô hình các thang đo với dữ liệu thị trường:

Sử dụng các tiêu chuẩn: Chi-Square (Chi bình phương - CMIN); Chi-Square điều chỉnh theo bậc tự do (CMIN/df); chỉ số GFI (Goodness of Fit Index); chỉ số TLI (Tucker & Lewis Index); Chỉ số CFI (Comparative Fit Index); chỉ số RMSEA (Root Mean Square Error Approximation) Mô hình được coi là phù hợp khi kiểm định Chi-square có giá trị P ≥ 0,05 Tuy nhiên, Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu nghiên cứu Khi kích thước của mẫu càng lớn thì Chi-square càng lớn do đó làm giảm mức độ phù hợp của mô hình Bởi vậy, bên cạnh P value, các tiêu chuẩn được sử dụng là CMIN/df ≤ 2 (theo Carmines

& Mciver -1981, một số trường hợp có thể chấp nhận CMIN/df ≤ 3); GFI, TLI, CFI ≥ 0,9 (Bentler & Bonett, 1980); RMSEA ≤ 0,08, trường hợp RMSEA ≤ 0,05 theo Steiger được coi là rất tốt.

Ví dụ minh hoạ

Phương pháp phân tích cấu trúc tuyến tính SEM (Structural Equation Modeling) được sử dụng để kiểm định độ phù hợp mô hình lý thuyết và các giả thuyết nghiên cứu

haidh@vnu.edu.vn

https://www.facebook.com/profile.php?id=100002992937074

www.hhd.com.vn

www.hhd.com.vn