Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

Chia sẻ chuyên mục Đề tài Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh hay nhất năm 2022 cho các bạn học viên ngành đang làm Luận văn tham khảo nhé. Với những bạn chuẩn bị làm bài khóa luận tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm Luận văn thì với đề tài Luận văn: Nhân tố ảnh hưởng đến ứng dụng quản trị chuỗi cung ứng xanh tại các doanh nghiệp sản xuất, lắp ráp ô tô tại Việt Nam dưới đây chắc hẳn sẽ cho các bạn cái nhìn tổng quát hơn về đề tài này.

2.1. Thiết kế nghiên cứu

2.1.1 Quy trình nghiên cứu Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

Nghiên cứu được thực hiện thông qua quy trình với các bước cụ thể như sau:

Bước 1: Xây dựng mô hình nghiên cứu trên cơ sở lý thuyết trước đó nhằm xác định các thang đo lường các nhân tố ảnh hưởng đến thực hiện chuỗi cung ứng xanh tại các doanh nghiệp sản xuất, lắp ráp ô tô tại Việt Nam, hình thành các giả thuyết nghiên cứu ban đầu phù hợp với mục tiêu nghiên cứu đã đặt ra và đặc thù doanh nghiệp sản xuất, lắp ráp ô tô tại Việt Nam

Bước 2: Lựa chọn các biến quan sát cho thang đo, xác định mẫu cho nghiên cứu này. Thang đo được sử dụng trong nghiên cứu này là thang đo Likert 5 mức độ cho tất cả các biến quan sát.

Bước 3: Lựa chọn cách thức thu thập thông tin cần nghiên cứu. Bảng câu hỏi được phỏng vấn trực tiếp và gián tiếp đối với nhân viên. Nội dung các câu hỏi trong bảng câu hỏi được trình bày ở phần xây dựng bảng câu hỏi, cách thức thu thập thông tin của chương này.

Bước 4: Sau khi đã xây dựng được bảng câu hỏi, xác định được số lượng mẫu cần thu thập, bẳng câu hỏi cần được thử nghiệm điều tra phù hợp với thực trạng của tổ chức để kiểm tra hoàn chỉnh thang đo, bảng câu hỏi. Nếu bảng câu hỏi đạt yêu cầu nghiên cứu thì tiến hành thu thập thông tin, nếu không đạt yêu cầu thì cần xây dựng lại bảng câu hỏi.

Bước 5: Sau khi thu thập thông tin, bảng câu hỏi được mã hóa và nhập dữ liệu điều tra. Từ giai đoạn thông tin vào bảng câu hỏi đến giai đoạn nhập dữ liệu điều tra, cơ sở dữ liệu được kiểm tra, làm sạch và xử lý nhằm đảm bảo độ tin cậy phân tích kỹ thuật số quan sát trong bảng câu hỏi.

Bước 6: Phân tích kỹ thuật gồm 02 phần: (a) thống kê mô tả, (b) phân tích nhân tố EFA và hồi quy. Trước khi phân tích nhân tố EFA, các thang đo lường được kiểm định độ tin cậy bằng hệ số Cronbach‟s Alpha nhằm loại bỏ những biến rác và tương quan không chặt chẽ trong mô hình phân tích nhân tố EFA.

Bước 7: Phân tích PLS-SEM gồm các chỉ tiêu sau: Phân tích độ tin cậy, Phân tích giá trị hội tụ và Kiểm định mô hình cấu trúc tuyến tính và kết luậ giả thuyết

Bước 8: Sau khi phân tích kỹ thuật, dữ liệu suy diễn cần được kiểm định thống kê nhằm đảm bảo sự ổn định mô hình đánh giá các nhân tố ảnh hưởng đến thực hiện chuỗi cung ứng xanh tại các doanh nghiệp sản xuất, lắp ráp ô tô tại Việt Nam.

CÓ THỂ BẠN QUAN TÂM ĐẾN DỊCH VỤ:

===>>> Viết Thuê Luận Văn Thạc Sĩ Ngành Quản Trị Kinh Doanh

2.1.2. Mô hình nghiên cứu và Giả thuyết nghiên cứu Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

Nghiên cứu này dựa trên việc tổng quan tài liệu trước đây của các nhà nghiên cứu về thực hành GSCM của các doanh nghiệp, các thang đo của nghiên cứu này được phát triển từ các nghiên cứu của Zhu và cộng sự (2008) và thông tin thu thập được từ các cuộc phỏng vấn chuyên gia. Nghiên cứu này thực hành khảo sát tại các công ty, các tác giả lựa chọn và xây dựng các biến “Quản lý môi trường nội bộ” và “môi trường bên ngoài” của Zhu và cộng sự (2008). Đối với biến “Các quy định về môi trường”, nghiên cứu này sử dụng thang đo của Zhu và Sarkis (2006). Trên cơ sở kế thừa các nghiên cứu, các tác giả đã tự phát triển các thang đo của biến độc lập “Ứng dụng GSCM” từ nghiên cứu của Đỗ Anh Đức và cộng sự (2021).

Nhận thức từ bên trong doanh nghiệp:

Để đảm bảo thực hiện các điều kiện của GSCM cần phải có sự cam kết từ các lãnh đạo cấp cao của công ty bên cạnh đó Carter và cộng sự (2008) kết luận rằng sự ủng hộ từ các nhà quản trị cấp trung cũng rất cần thiết để thực hiện thành công trong ứng dụng GSCM. Bowen và cộng sự. (2001) đã khảo sát các nhà quản lý cấp trung để tìm ra các mối quan hệ tích cực giữa nhận thức của các nhà quản lý cấp trung và sự chủ động của môi trường nội bộ doanh nghiệp đối với thực hiện các cam kết về môi trường. Nghiên cứu cũng cho thấy sự tương tác giữa các nhà quản lý doanh nghiệp và các chuyên gia môi trường cũng rất quan trọng trong một mối quan hệ kinh doanh và các hành động vì môi trường. Chien và Shih (2007) khẳng định rằng điều quan trọng là phải đánh giá hiệu quả hoạt động của GSCM từ bên trong tổ chức. Hiệu quả của GSCM thường được đo lường thông qua các chỉ số hiệu suất hoạt động và hiệu suất quản lý (Cagno, và cộng sự, 2011). Từ các lập luận trên nghiên cứu đề xuất giả thuyết: Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

H1: Môi trường nội bộ có ảnh hưởng đến việc ứng dụng quản trị chuỗi cung ứng xanh (GSCM) tại các sản xuất, lắp ráp ô tô tại Việt Nam.

Áp lực từ nhà cung cấp

Mối quan hệ với nhà cung cấp là yếu tố quan trọng nhất đối với GSCM, hơn nữa, Shalishali (2009) cũng chỉ ra rằng việc xây dựng mối quan hệ tốt với nhà cung cấp có thể mang lại lợi ích cho cả hai bên khi họ làm việc cùng nhau để cải thiện chất lượng sản phẩm, từ đó có thể giảm thiểu sự tác động đến môi trường. Zhu và cộng sự (2008) kết luận rằng sự thành công của GSCM đòi hỏi sự hợp tác nội bộ, chức năng chéo trong công ty và hợp tác bên ngoài với các đối tác khác trong toàn bộ chuỗi cung ứng. Theo nghiên cứu của Vachon và Klassen (2007), tốt hơn hết là các công ty nên thiết lập mối quan hệ lâu dài với các nhà cung cấp, bao gồm thiết lập các yêu cầu về chất lượng sản phẩm, tuân theo các quy định về môi trường ở cấp độ sản xuất, có chiến lược đóng gói, phân phối xanh và phân phối sản phẩm chất lượng cao cho khách hàng (Xu và Gursoy, 2015). Từ các lập luận trên nghiên cứu đề xuất giả thuyết:

H2: Áp lực từ nhà cung cấp có ảnh hưởng đến việc ứng dụng quản trị chuỗi cung ứng xanh (GSCM) tại các sản xuất, lắp ráp ô tô tại Việt Nam.

Áp lực từ khách hàng

Lin (2011, tr.2) cho rằng “do nhu cầu của khách hàng đối với các sản phẩm xanh được sản xuất từ nguyên liệu thân thiện với môi trường và quy trình sản xuất xanh, vì vậy các doanh nghiệp phải tích hợp các mục tiêu môi trường với quản lý chiến lược dài hạn”. Sức ép của người tiêu dùng chắc chắn là yếu tố quan trọng trong kích thích các hoạt động vì môi trường của các doanh nghiệp công ty nói chung và đặc biệt là đối với các công ty cao cấp. Sự phát triển của các công ty vì môi trường thời gian gần đây cho thấy lượng khách hàng ngày càng tăng điều này đòi hỏi tất cả các công ty cần phài hành động nhiều hơn nữa nhằm đảm bảo tính bền vững về môi trường của tất cả các sản phẩm, dịch vụ cung cấp cho khách hàng (Sigala, 2008). Mặc dù khách du lịch lần đầu thường chọn công ty dựa trên vị trí, tiện nghi và dịch vụ, thì khách hàng quay lại lần 2 có thể quyết định dựa trên mức độ cam kết về môi trường (Do, Vinh, Uan, 2020). Từ các lập luận trên nghiên cứu đề xuất giả thuyết:

H3: Áp lực từ khách hàng có ảnh hưởng đến việc ứng dụng quản trị chuỗi cung ứng xanh (GSCM) tại các sản xuất, lắp ráp ô tô tại Việt Nam.

Áp lực từ các quy định pháp luật

Khi xem xét lý do tại sao các doanh nghiệp ứng dụng chuỗi cung ứng xanh, một loạt nghiên cứu cho rằng việc tuân thủ các quy định của pháp luật là động lực chính góp phần vào việc thực hiện quản lý chuỗi cung ứng xanh (An và cộng sự, 2008). Zhu và Sarkis (2006) chia môi trường pháp lý thành ba cấp độ: các quy định về môi trường khu vực, các quy định về môi trường của chính quyền trung ương và các hiệp định về môi trường quốc tế. Để cân bằng giữa tốc độ tăng trưởng kinh tế, cải thiện nhanh chóng chất lượng dịch vụ công ty và tác động đến môi trường, chính phủ cần đưa ra một số chính sách và quy định nhằm tạo điều kiện cho sự phát triển bền vững (Lai và Vinh, 2013). Theo nghiên cứu của Cater và Rogers (2008), tính bền vững liên quan đến ba thành phần: hoạt động môi trường, xã hội và kinh tế. Mặc dù các chính phủ đặt mục tiêu hoạt động tốt trong tất cả các lĩnh vực, tuy nhiên các chính phủ thường chú trọng nhất đến việc điều chỉnh các vấn đề môi trường. Từ các lập luận trên nghiên cứu đề xuất giả thuyết:

H4: Áp lực từ các quy định pháp luật có ảnh hưởng đến việc ứng dụng quản trị chuỗi cung ứng xanh (GSCM) tại các sản xuất, lắp ráp ô tô tại Việt Nam.

Đặc điểm loại hình doanh nghiệp

Các mô hình tăng trưởng xanh, thân thiện với môi trường đang ngày càng được nhiều quốc gia lựa chọn. Phát triển nhanh và bền vững là quan điểm phát triển tổng quát đã được Đảng ta xác định. Để đất nước phát triển nhanh và bền vững thì mỗi doanh nghiệp phải phát triển bền vững, nghĩa là doanh nghiệp cũng cần hài hòa 3 mục tiêu của tam giác phát triển là kinh tế, xã hội và môi trường. Doanh nghiệp phát triển sản xuất, kinh doanh theo quy hoạch, định hướng của Nhà nước, tuân thủ pháp luật của Nhà nước về bảo vệ môi trường, đóng góp nguồn lực cho công tác bảo vệ môi trường, đồng thời tích cực thể hiện trách nhiệm xã hội. Trách nhiệm xã hội của doanh nghiệp trước hết là bảo đảm phúc lợi ngày một tốt hơn cho những người lao động của mình, đồng thời tham gia tích cực vào công tác xã hội ở địa phương, nơi doanh nghiệp hoạt động cũng như toàn xã hội nói chung. Các nghiên cứu đã chỉ ra rằng, trong thời kỳ đầu của quá trình thu hút vốn FDI, nhiều nước đang phát triển có xu hướng nới lỏng các tiêu chuẩn bảo vệ môi trường nhằm cạnh tranh với các nước khác trong quá trình thu hút nguồn vốn này. Điều này đã dẫn tới nguy cơ gia tăng mức độ ô nhiễm môi trường. Tuy nhiên cũng có một số nghiên cứu tại Việt Nam và nước ngoài cho rằng về ý thức phát triển bền vững của các doanh nghiệp đến từ các nước phát triển có xu hướng tốt hơn các doanh nghiệp nội địa. Vì vây nghiên cứu đề xuất giả thuyết: Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

H5: Có sự khác biết trong việc ứng dụng quản trị chuỗi cung ứng xanh giữa các loại hình doanh nghiệp.

Sau khi tổng hợp các nghiên cứu trước đây về ứng dụng GSCM trong doanh nghiệp, Luận văn để xuất mô hình nghiên cứu như hình 2.2 dưới đây.

Nhận thứ c từ bên trong doanh nghiệp
Hợp tác với nhà cung cấp
Cam kết với khách hàng
Tuân thủ các quy định về môi trường H1, H2, H3, H4
Ứng dụng GSCM H5
Loại hình doanh nghiệp

2.2 Xây dựng thang đo

Ngoài trang giới thiệu, bảng hỏi bao gồm 3 phần: (1) Thông tin cá nhân của người được hỏi (2) Đánh giá mức độ của các nhân tố ảnh hưởng đến ứng dụng quản trị chuỗi cung ứng xanh tại các doanh nghiệp sản xuất, lắp ráp ô tô khu vực phía Bắc Việt Nam. Phần này tìm hiểu quan điểm của người trả lời với các phát biểu thông qua việc tích vào ô tương ứng trong thang đo Likert 5 bậc với bậc 1=Hoàn toàn không đồng ý, 2= Không đồng ý, 3=Trung lập, 4= Đồng ý và 5= Hoàn toàn đồng ý.

Nghiên cứu sơ bộ được thực hiện thông qua khảo sát thử 20 người lao động dựa trên một số tiêu chí đã soạn sẵn và kết hợp phỏng vấn một nhóm gồm 10 người lao động để khai thác các vấn đề xung quanh đề tài nghiên cứu. Như vậy, kết quả cụ thể của bước nghiên cứu sơ bộ này là mô hình nghiên cứu và bảng câu hỏi đều được hiệu chỉnh để chuẩn bị cho nghiên cứu chính thức.

2.3. Chọn mẫu

2.3.1. Phương pháp chọn mẫu Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

Mục đích của luận văn này là tìm hiểu các nhân tố ảnh hưởng đến ứng dụng quản trị chuỗi cung ứng xanh tại các doanh nghiệp sản xuất, lắp ráp ô tô khu vực phía Bắc Việt Nam. Câu hỏi được thiết kế dành cho đối tượng là người quản lý làm việc tại doanh nghiệp sản xuất, lắp ráp ô tô khu vực phía Bắc Việt Nam

Do hạn chế về thời gian cũng như kinh phí thực hiện cho nghiên cứu nên tác giả sử dụng phương pháp chọn mẫu thuận tiện – phi ngẫu nhiên (hay phi xác xuất). Phương pháp chọn mẫu thuận tiện có hạn chế về khả năng suy rộng các kết luận của nghiên cứu và có thể gặp phải sai số do chọn mẫu. Tuy nhiên, phương pháp này phù hợp với những nghiên cứu hàn lâm với chi phí thấp (Nguyễn Đình Thọ, 2011). Sau khi bảng câu hỏi được thiết kế hoàn thiện được chuyển trực tiếp cho các nhà quản lý làm việc tại doanh nghiệp sản xuất, lắp ráp ô tô khu vực phía Bắc Việt Nam bao gồm cả các doanh nghiệp nội địa và các doanh nghiệp liên doanh.

2.3.2 Kích thước mẫu

Để đảm bảo độ tin cậy của nghiên cứu thì việc lựa chọn cỡ mẫu thích hợp là rất cần. Kích thước mẫu sẽ phụ thuộc vào việc ta muốn nghiên cứu vấn đề gì từ những dữ liệu thu thập được và mối quan hệ ta muốn thiết lập với mục tiêu nghiên cứu (Kumar, 2005). Vấn đề nghiên cứu càng đa dạng, phức tạp thì mẫu nghiên cứu càng lớn. Một số nguyên tắc chung khác nữa là mẫu càng lớn thì độ chính xác của các kết quả nghiên cứu càng cao. Tuy nhiên trên thực tế thì việc lựa chọn kích thước mẫu còn phụ thuộc vào một yếu tố hết sức quan trọng là năng lực tài chính và thời gian mà nhà nghiên cứu đó có thể có được.

Đối với đề tài luận văn này, do các giới hạn về tài chính và thời gian, kích thước mẫu sẽ được xác định trên nguyên tắc tối thiểu cần thiết để đảm bảo độ tin cậy của nghiên cứu. Việc xác định cỡ mẫu như thế nào là phù hợp còn nhiều tranh cãi. Theo Maccallum và cộng sự (1999) đã tóm tắt các quan điểm của các nhà nghiên cứu trước đó về cỡ mẫu tối thiểu đối với phân tích nhân tố. Theo Kline (1979) con số tối thiểu là 100, Guiford (1954) là 200, Comrey và Lee (1992) đưa ra các cỡ mẫu với các quan điểm tương ứng: 100 = tệ, 200 = khá, 300 = tốt, 500 = rất tốt, 1000 hoặc hơn = tuyệt vời. Một số nhà nghiên cứu không đưa ra con số cụ thể mà đưa ra tỉ lệ giữa số mẫu cần thiết và số tham số cần ước lượng. Đối với phân tích nhân tố, kích thước mẫu sẽ phụ thuộc vào số lượng biến được đưa trong phân tích nhân tố. Gorsuch (1983, được trích bởi MacClallum và đồng tác giả 1999) cho rằng số lượng mẫu cần gấp 5 lần so với số lượng biến. Trong khi Hoàng Trọng & Chu Nguyên Mộng Ngọc (2005) cho rằng tỉ lệ đó là 4 hay 5 tức là số biến quan sát nhân 5 sẽ ra cỡ mẫu tối thiểu của nghiên cứu để đảm bảo tính tin cậy.

Trong đề tài luận văn này lấy mẫu theo quy tắc của Comrey và Lee (1992), đồng thời tham khảo quy tắc của Hoàng Trọng & Chu Nguyên Mộng Ngọc (2005) với 30 tham số (biến quan sát) cần tiến hành phân tích nhân tố, vì vậy số mẫu tối thiểu cần thiết là 23 x 5 = 115 số lượng mẫu quan sát và số lượng mẫu quan sát phù hợp là n = 115.

Nghiên cứu đã tiến hành khảo sát 350 mẫu là cỡ mẫu tốt theo Comrey và Lee (1992), đồng thời nó cũng thỏa mãn quy tắc nhân 5 của Hoàng Trọng & Chu Nguyên Mộng Ngọc (2005) về kích thước mẫu tối thiểu để đảm bảo độ tin cậy và mức độ ổn định khi phân tích các nhân tố ảnh hưởng đến ứng dụng quản trị chuỗi cung ứng xanh tại các doanh nghiệp sản xuất, lắp ráp ô tô khu vực phía Bắc Việt Nam, kết quả thu về 322 mẫu, sau khi loại bỏ các mẫu khảo sát không hợp lệ, cuối cùng có 276 mẫu được sử dụng để phân tích trong nghiên cứu này.

2.4. Phương pháp phân tích dữ liệu Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

Dữ liệu thứ cấp được tác giả thu thập từ các công trình nghiên cứu, tài liệu, sách, báo huyên ngành. Tác giả sử dụng phương pháp thống kê để tổng hợp dữ liệu và sau đó tiến hành sử dụng kỹ thuật phân tích để xử lý dữ liệu. Dữ liệu sơ cấp được thu thập thông qua bảng hỏi được phân tích bằng công cụ phân tích dữ liệu thống kê SPSS, SmartPLS SEM. Cụ thể các kỹ thuật chính được sử dụng gồm:

Kỹ thuật phân tích mô tả: Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau

Kỹ thuật phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA): để xác định tính hiệu lực của các thước đo các yếu tố tác động tới ứng dụng quản trị chuỗi cung ứng xanh tại các doanh nghiệp sản xuất, lắp ráp ô tô khu vực phía Bắc Việt Nam.

Kỹ thuật phân tích mô hình cấu trúc tuyến tính bán phần: để xác định sự tương tác phức tạp giữa các yếu tố và thành phần của mô hình ứng dụng quản trị chuỗi cung ứng xanh tại các doanh nghiệp sản xuất, lắp ráp ô tô khu vực phía Bắc Việt Nam.

2.4.1 Phương pháp phân tích dữ liệu bằng SPSS

Quy trình xử lý và phân tích số liệu được thực hiện qua các bước sau:

Bước 1: Làm sạch dữ liệu nhằm loại bỏ những bảng hỏi không hoàn thiện hoặc dữ liệu có lỗi trả lời

Bước 2: Phân tích mô tả cơ cấu của mẫu điều tra: Thống kê mô tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo nhằm tạo ra nền tảng của mọi phân tích định lượng về số liệu.

Theo đó, tác giả sử dụng các cách thức như bảng tần số, biểu đồ, giá trị trung bình, độ lệch chuẩn, phương sai để xử lý các dữ liệu và thông tin thu thập được nhằm đảm bảo tính chính xác và từ đó, có thể đưa ra các kết luận có tính khoa học và độ tin cậy cao về vấn đề nghiên cứu.

Bước 3: Kiểm định độ tin cậy của thang đo (Cronbach‟s Alpha test) với các thang đo lòng trung thành, các nhân tố ảnh hưởng đến lòng trung thành: phép kiểm định này phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng 1 nhân tố. Nó cho biết trong các biến quan sát của một nhân tố, biến nào đã đóng góp vào việc đo lường khái niệm nhân tố, biến nào không. Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach‟s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach‟s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Hệ số tin cậy Cronbach‟s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:

Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0.3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0.6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2008). Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

Các mức giá trị của Alpha: lớn hơn 0.8 là thang đo lường tốt; từ 0.7 đến 0.8 là sử dụng được; từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).

Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0.4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0.7).

Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:

Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0.4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).

Chọn thang đo có độ tin cậy Alpha lớn hơn 0.6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).

Bước 4 Để tiến hành phân tích nhân tố khám phá thì điều kiện cần đó là dữ liệu thu được phải đáp ứng được các điều kiện qua kiểm định KMO và kiểm định Bartlett‟s. Phương pháp phân tích nhân tố được chấp nhận khi giá trị hệ số Kaiser-Meyer-Olkin (KMO) lớn hơn hoặc bằng 0,5 và nhỏ hơn hoặc bằng 1 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008), Eigenvalue lớn hơn 1 và tổng phương sai trích lớn hơn hoặc bằng 50%. Trong phân tích nhân tố các biến có hệ số tải nhân tố (factor loading) < 0,5 sẽ tiếp tục bị loại (Hair và cộng sự, 2011). Nếu một biến quan sát thuộc 2 nhân tố trở lên thì khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải > 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Nguyễn Đình Thọ, 2011).

Nhằm xác định số lượng nhân tố trong nghiên cứu này sử dụng 2 tiêu chuẩn:

Tiêu chuẩn Kaiser (Kaiser Criterion) nhằm xác định số nhân tố được trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Giá trị Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Chỉ có nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích. Theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu (Nguyễn Đình Thọ, 2011).

Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố là thích hợp nếu tổng phương sai trích không được nhỏ hơn 50%. Phương pháp trích hệ số được sử dụng trong nghiên cứu này là Principal Axis Factoring với phép xoay Varimax. Phương pháp Principal Axis Factoring sẽ cho ta số lượng nhân tố là ít nhất để giải thích phương sai chung của tập hợp biến quan sát trong

2.4.2. Phương pháp phân tích mô hình bằng PLS_SEM Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

Phân tích hồi quy các nhân tố (giữa các biến độc lập và biến phụ thuộc – lòng trung thành): Phân tích hồi quy được sử dụng để đánh giá mối quan hệ và tác động của các biến độc lập tới biến phụ thuộc trong mô hình nghiên cứu. Trong luận án này, tác giả sử dụng kỹ thuật phân tích cấu trúc tuyến tính bán phần PLS-SEM (Partial Least Squares – Structural Equation Model) để thực hiện phân tích hồi quy các nhân tố. Kỹ thuật phân tích PLS-SEM là kỹ thuật phân tích dữ liệu đa biến thế hệ 2 thường được sử dụng trong nghiên cứu kinh doanh nhờ vào khả năng kiểm định các mô hình nhân quả cộng tính và tuyến tính được lý thuyết hỗ trợ (Statsoft, 2013). Theo Wong (2010), kỹ thuật phân tích PLS-SEM có thể là một lựa chọn hợp lý hơn cho các nhà nghiên cứu so với kỹ thuật phân tích CB-SEM (Covariance-based Structural Equation Model) trong nhiều trường hợp thực tế. Điều này là bởi các yêu cầu để thực hiện kỹ thuật phân tích CB-SEM có đòi hỏi rất chặt chẽ về một số điều kiện cần có để thực hiện phân tích gồm:

Kích cỡ mẫu phải lớn.
Dữ liệu được phân phối chuẩn.
Quan trọng nhất là mô hình nghiên cứu phải được thiết lập rất chi tiết và chính xác ngay từ đầu.

Theo Hair & cộng sự (2011), mô hình phân tích trong CB-SEM đòi hỏi nhà nghiên cứu phải xây dựng một mô hình rất chặt chẽ với các biến được xác định rõ ràng, cụ thể và liên kết chặt chẽ với nhau trong quá trình chuyển đổi từ một lý thuyết sang một mô hình cấu trúc tuyến tính. Tuy nhiên, theo Kim (2016), trong thực tiễn nghiên cứu có rất nhiều trường hợp các nhà nghiên cứu khó có thể tiếp cận hoặc thu thập được các bộ dữ liệu đảm bảo độ lớn và chi tiết theo yêu cầu của CB-SEM. Đồng thời, trong trường hợp các nghiên cứu có tính chất khám phá, yêu cầu phải xây dựng một mô hình cấu trúc tuyến tính chặt chẽ, chính xác ngay từ đâu là một đòi hỏi không khả thi đối với nhà nghiên cứu. Do đó, kỹ thuật phân tích PLS-SEM được coi là một cách tiếp cận thay thế phù hợp hơn cho các nhà nghiên cứu vẫn muốn sử dụng mô hình cấu trúc tuyến tính nhưng không có được điều kiện để thực hiện CB-SEM. Kỹ thuật phân tích PLS-SEM có một số lợi thế hơn kỹ thuật phân tích CB-SEM trong nhiều tình huống thường gặp trong khoa học nghiên cứu xã hội bao gồm:

Khi kích cỡ mẫu là nhỏ
Ứng dụng có ít lý thuyết hỗ trợ (trong giai đoạn khám phá),
Độ chính xác dự báo là vấn đề được quan tâm lớn nhất,
Đặc điểm mô hình chính xác chưa được chắc chắn, dữ liệu có thể được phân phối chuẩn hoặc không.

Chính nhờ những ưu điểm này, PLS-SEM đang ngày càng được sử dụng rộng rãi trong nghiên cứu khoa học cả trong những nghiên cứu phản ánh lẫn nghiên cứu xây dựng đặc biệt khi số lượng người tham gia nghiên cứu bị giới hạn hoặc việc phân bố dữ liệu không đối xứng, chẳng hạn như khi khảo sát các giám đốc nữ hoặc khảo sát các giám đốc công ty đa quốc gia (Wong, 2011).

Một số chỉ số cần lưu ý khi thực hiện phân tích PLS-SEM gồm:

Hệ số tải mô hình (Model Loading): Về nguyên tắc, hệ số tải càng gần giá trị 1 càng cho thấy độ tin cậy của biến tiềm ẩn. Hệ số tải ≥ 0.7 được coi là chấp nhận được (Henseler, Ringle & Sarstedt, 2012).
Hệ số Composite Reliability: Hệ số này cho biết độ tin cậy của thang đo khi sử dụng với kỹ thuật PLS-SEM. Hệ số Composite Reliability biến thiên từ 0 đến 1, giá trị càng gần 1 cho thấy độ tin cậy trong mô hình PLS-SEM càng cao. Trong một mô hình có tính chất khám phá, nếu hệ số này 6 là chấp nhận được (H ck & Ringle, 2006) và nếu trong trường hợp mô hình khẳng định, hệ số ≥ 0.7 là phù hợp (Henseler, Ringle, & Sarstedt, 2012).
Hệ số Average Variance Extracted (AVE): Hệ số này kiểm tra độ hội tụ và phân tán của mô hình. Một mô hình tốt cần có hệ số AVE ≥ 0.5 (Höck & Ringle, 2006)
Chỉ số Standardized Root Mean Square Residual (SRMR): Chỉ số này cho biết mức độ phù hợp của mô hình nghiên cứu. Theo Hu & Bentler (1998), thông thường một mô hình phù hợp sẽ có giá trị SRMR nhỏ hơn 0.08.
Chỉ số Cross loading và intended loading: Đây là 2 chỉ số cho biết hệ số tải của nhân tố trong mô hình và tương quan với các nhân tố khác. Theo đó chỉ số Intended Loading của một nhân tố nên lớn hơn 0.7 và chỉ số Cross loading nên nhỏ hơn 0.3.
Chỉ số Variance Inflation Factor (VIF): Chỉ số cho biết khả năng xảy ra trường hợp đa cộng tuyến trong mô hình. Chỉ số VÌ < 10 có thể chấp nhận được, tuy nhiên để đảm bảo độ tin cậy chỉ số VIF không được lớn hơn 5 (Hair & Cộng sự (2011)).
PLS Bootstrapping: Phân tích Bootstrapping được sử dụng để loại bỏ sai số chuẩn và kiểm chứng mức độ ý nghĩa của mô hình PLS ở mức ý nghĩa 5%. Ở mức độ khám phá, số lần Bootstrapping có thể ở mức 500 lần. Nhưng trong giai đoạn phân tích hoàn chỉnh, số lần Bootstrapping cần phải được tăng lên.
Chỉ số Inner Model p-value (T-Value) và Outer Model p-value (T-Value): Giá trị T-Value phải nhỏ hơn 0.05 (1.96). Luận văn: Phương pháp nguyên cứu hệ thống ứng dụng xanh

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY

===>>> Luận văn: Thực trạng chuỗi cung ứng xanh tại các doanh nghiệp