Phần mở đầu: Giới thiệu mục đích, yêu cầu của việc nghiên cứu, lý do mà người nhận được chọn khảo sát và lý do họ nên tham gia khảo sát. Phần nội dung khảo sát: Câu hỏi nhân khẩu học: Bao gồm những thông tin về đặc điểm nhân khẩu của người lao động như tên, giới tính, độ tuổi, trình độ học vấn, thu nhập. Với thang đo sử dụng là hệ thống thang đo định danh. Nội dung liên quan đến vấn đề nghiên cứu: Các câu hỏi liên quan đến quyết định lựa chọn sử dụng dịch vụ 4G MobiFone của khách hàng trên địa bàn thành phố Formatted: Level 5, Indent: Left: 0 cm, First Huế line: 0 cm, Line spacing: Multiple 1,45 li, Tab stops: 1,5 cm, Left + Not at 0,75 cm Phần kết thúc: Lời cảm ơn đến đối tượng tham gia khảo sát.
Formatted: Line spacing: Multiple 1,45 li 5. Phương pháp tiếp cận mẫu Formatted: Right, Border: Top: (Single solid line, Auto, 0,5 pt Line width) Phương pháp tiếp cận mẫu khảo sát bằng phương pháp thuận tiện. Đối với Formatted: Font: (Default) Times New Roman, 12 pt SVTH: Trần Hoàng Bảo Ngọc 7 van Khóa Luận Tốt Nghiệp GVHD: Tống Viết Bảo Hoàng Formatted: Font: 12 pt, Italic Formatted: Border: Bottom: (Single solid line, Auto, 0,5 pt Line width) phương pháp này, dữ liệu thông tin được thu thập qua bảng hỏi được để tại quầy giao Formatted: Font: (Default) Times New dịch của Tổng công ty, nhân viên sẽ gửi bảng câu hỏi đến khách hàng đã và đang sử Roman, 12 pt, Italic, English (U.) dụng dịch vụ 4G của MobiFone khi đến giao dịch tại đây. Có nghĩa là lấy mẫu dựa trên sự thuận lợi hay dựa trên tính dễ tiếp cận của đối tượng, ở những nơi mà nhân viên điều tra có nhiều khả năng gặp được đối tượng.
Chẳng hạn nhân viên điều tra có thể chặn bất cứ người nào mà họ gặp ở trung tâm thương mại, đường phố, cửa hàng. để xin thực hiện cuộc phỏng vấn. Nếu người được phỏng vấn không đồng ý thì họ chuyển sang đối tượng khác. Lấy mẫu thuận tiện thường được dùng trong nghiên cứu khám phá, để xác định ý nghĩa thực tiễn của vấn đề nghiên cứu; hoặc để kiểm tra trước bảng câu hỏi nhằm hoàn chỉnh bảng; hoặc khi muốn ước lượng sơ bộ về vấn đề đang quan tâm mà không muốn mất nhiều thời gian và chi phí.
Formatted: Level 5, Indent: Left: 0 cm, First 5. Phương pháp xác định cỡ mẫu line: 0 cm, Line spacing: Multiple 1,45 li, Tab stops: 1,5 cm, Left + Not at 0,75 cm Điều tra thông qua phỏng vấn trực tiếp khách hàng sử dụng dịch vụ 4G của MobiFone tại MobiFone Tỉnh Thừa Thiên Huế. Để tính kích cỡ mẫu, tôi sử dụng công thức sau: z p(1 − p) n= e Do tính chất p+q=1 sẽ lớn nhất khi p=q=0. Ta tính cỡ mẫu với độ tin cậy là 95% và sai số cho phép là ε=10%.
Lúc đó mẫu ta cần chọn sẽ có kích cỡ mẫu lớn nhất: z p(1 − p) 1,96 (0,5 × 0,5) n= = = 96.04 e 0,1 Theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, cỡ mẫu dùng trong phân tích nhân tố bằng ít nhất 4 đến 5 lần biến quan sát để kết quả điều tra là có ý nghĩa. Như vậy, với số lượng 24 biến quan sát trong thiết kế điều tra thì cần phải đảm bảo có ít nhất 144 quan sát trong mẫu điều tra. Vì nghiên cứu còn sử dụng phương pháp hồi quy tuyến tính, nên theo Nguyễn Formatted: Right, Border: Top: (Single solid Đình Thọ tính cỡ mẫu phải đảm bảo tuân theo công thức n ≥ 5p+8. Với p là số biếnsô line, Auto, 0,5 pt Line width) Formatted: Font: (Default) Times New sbieens độc lập đưa vào hồi quy.
Vậy với 24 biến tự do đưa vào trong mô hình hồi Roman, 12 pt SVTH: Trần Hoàng Bảo Ngọc 8 van Khóa Luận Tốt Nghiệp GVHD: Tống Viết Bảo Hoàng Formatted: Font: 12 pt, Italic Formatted: Border: Bottom: (Single solid line, Auto, 0,5 pt Line width) quy, thì số mẫu đảm bảo dùng cho phân tích hồi quy chính xác phải lớn hơn 144 quan Formatted: Font: (Default) Times New sát. Roman, 12 pt, Italic, English (U.) Kết hợp cả ba phương pháp tính mẫu trên, số mẫu được chọn với kích thước lớn nhất là 1550 quan sát. Formatted: Font: (Default) Times New 5. Phương pháp phân tích và xử lý số liệu Roman, 13 pt, Bold Formatted: Level 3, Indent: Left: 0 cm, First Sau khi lấy được số liệu nghiên cứu, tiếp tục xử lý và phân tích số liệu bằng line: 0 cm, Line spacing: Multiple 1,45 li phần mềm SPSS 20.
Các bước phân tích được tiến hành như sau: Formatted: Line spacing: Multiple 1,45 li Formatted: Line spacing: Multiple 1,55 li Thống kê mô tả dữ liệu Kiểm định độ tin cậy của thang đo bằng phương pháp hệ số tin cậy Cronbach’s Alpha nhằm loại các biến có hệ số tương quan biến tổng nhỏ và kiểm tra hệ số Cronbach’s Alpha. Theo lý thuyết, Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ của tập hợp các biến quan sát thông qua hệ số Cronbach’s Alpha. Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s alpha. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 là thang đo tốt, thang đó có Cronbach’s Alpha từ 0,6 đến 0,8 là sử dụng được.
Những biến có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại. Phân tích các nhân tố khám phá EFA nhằm loại các biến có trọng số EFA nhỏ, kiểm tra yếu tố trích được và kiểm tra phương sai trích được. Theo lý thuyết, phân tích nhân tố khám phá EFA là tên chung của một nhóm thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Việc thu thập và tóm tắt dữ liệu nhằm mục đích: - Nhận dạng các nhân tố để giải thích mối quan hệ giữa các biến.
- Nhận dạng các biến mới thay thế cho các biến gốc ban đầu trong phân tích hồi quy đa biến. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao Formatted: Right, Border: Top: (Single solid line, Auto, 0,5 pt Line width) gồm: Formatted: Font: (Default) Times New Roman, 12 pt SVTH: Trần Hoàng Bảo Ngọc 9 van Khóa Luận Tốt Nghiệp GVHD: Tống Viết Bảo Hoàng Formatted: Font: 12 pt, Italic Formatted: Border: Bottom: (Single solid line, Auto, 0,5 pt Line width) - Tiêu chuẩn Bartlett và trị số KMO (Kaiser-Meyer-Olkin): Tiêu chuẩn này dùng Formatted: Font: (Default) Times New để đánh giá sự thích hợp của EFA. Phân tích nhân tố khám phá được xem là thích hợp Roman, 12 pt, Italic, English (U.) Formatted: Condensed by 0,2 pt khi 0,5 ≤ KMO ≤ 0,1, còn nếu giá trị này nhỏ hơn 0,5 thì phân tích yếu tố có khả năng Formatted: Condensed by 0,2 pt không thích hợp với các biến quan sát bằng 0 trong tổng thể, nếu kiểm định này có ý Formatted: Condensed by 0,2 pt nghĩa thống kê (Sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể. - Tiêu chuẩn rút trích nhân tố gồm chỉ số Eigenvalue và chỉ số Cumulative: Chỉ số Eigenvalue đại diện cho lượng biến thiên được giải thích bởi các yếu tố.
Chỉ số Cumulative cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát. Các nhân tố chỉ được rút trích tại Eigenvalue > 1 và được chấp nhận khi tổng phương sai trích > 50%. Tuy nhiên, trị số Eigenvalue và phương sai trích là bao nhiêu % còn phụ thuộc vào phương pháp trích và phép xoay yếu tố. Thực hiện xoay các nhân tố sẽ giúp ta nhận thấy biến quan sát thuộc nhân tố nào.
- Tiêu chuẩn hệ số tải nhân tố (Factor loading): Tiêu chuẩn biểu thị tương quan giữa các biến với các nhân tố. Đây là chỉ tiêu dùng để đánh giá mức ý nghĩa thiết thực của phân tích nhân tố EFA. Theo như các nghiên cứu trước đây, 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. -Kiểm định phân phối chuẩn Formatted: Font: (Default) Times New Roman, 13 pt Phân tích tương quan và hồi quy đa biến, phân tích ANOVA Formatted: Indent: Left: 0 cm, First line: 1 cm, Line spacing: Multiple 1,55 li, Bulleted Theo lý thuyết, phân tích hồi quy là phương pháp thống kê nghiên cứu mối liên + Level: 1 + Aligned at: 0,63 cm + Indent at: 1,27 cm hệ của một biến (gọi là biến phụ thuộc hay biến đươc giải thích) với một hay nhiều biến khác (gọi là biến độc lập hay biến giải thích).
Mục đích của phân tích hồi quy là ước lượng giá trị của biến phụ thuộc trên cơ sở giá trị của biến độc lập đã cho. Vận dụng phương pháp hồi quy bội vào nghiên cứu các yếu tố đi qua 4 bước sau: Bước 1: Kiểm tra tương quan giữa các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tương quan Điều kiện để phân tích hồi quy là phải có tương quan chặt chẽ giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, khi hệ số tương quan lớn thì cần xem Formatted: Right, Border: Top: (Single solid line, Auto, 0,5 pt Line width) xét vai trò của các biến độc lập vì có thể xảy ra hiện tượng đa cộng tuyến (một biến Formatted: Font: (Default) Times New Roman, 12 pt SVTH: Trần Hoàng Bảo Ngọc 10 van Khóa Luận Tốt Nghiệp GVHD: Tống Viết Bảo Hoàng Formatted: Font: 12 pt, Italic Formatted: Border: Bottom: (Single solid line, Auto, 0,5 pt Line width) độc lập này được giải thích bằng một biến khác) Formatted: Font: (Default) Times New Roman, 12 pt, Italic, English (U.) Bước 2: Xây dựng mô hình hồi quy: - Lựa chọn các biến đưa vào mô hình hồi quy - Đánh giá độ phù hợp của mô hình bằng hệ số xác định R (R Square) hoặc R điều chỉnh (Adjusted R Square). Đa số các nghiên cứu trước đây sử dụng hệ số R điều chỉnh để đánh giá mức độ phù hợp của mô hình hồi quy bội vì nó không phụ thuộc vào số lượng biến đưa thêm vào mô hình.
- Sử dụng trị số thống kê Durbin – Watson để kiểm tra hiện tượng tự tương quan trong phần dư của phép hồi quy, Durbin – Watson nằm trong khoảng từ 1 đến 3 là phù hợp, chứng tỏ mô hình hồi quy không có sự tự tương quan trong phần dư.