Untitled BỘ TÀI CHÍNH TRƯỜNG ĐẠI HỌC TÀI CHÍNH – MARKETING � BÀI THI KẾT THÚC HỌC PHẦN MÔN NGHIÊN CỨU MARKETING 2 ĐỀ TÀI NGUYÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH KHỞI NGHIỆP CỦA SINH VIÊN TRƯỜNG ĐẠ[.]
Mục tiêu nghiên cứu
- Xây dựng mô hình nghiên cứu, xây dựng và kiểm định thang đo trong đo lường các nhân tố tác động đến ý định ý định khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing.
- Xác định các nhân tố và mức độ tác động của từng nhân tố đến ý định khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing.
- Đề xuất một số kiến nghị nhằm thúc đẩy ý định khởi nghiệp của sinh viên Trường Đại học Tài chính –Marketing.
Phương pháp nghiên cứu
- Nghiên cứu này được tiến hành theo hai bước chính: nghiên cứu định tính và nghiên cứu định lượng
- Nghiên cứu định tính sơ bộ: Dựa trên nền tảng lý thuyết và các mô hình nghiên cứu trước đây để dựng và phát triển các biến nghiên cứu, các khái niệm đo lường nhằm mục đích xác định hệ thống thang đo phù hợp, đồng thời kết hợp với phương pháp thảo luận nhóm với các cá nhân đã và đang có ý định khởi nghiệp để hoàn chỉnh thang đo chính thức với các yếu tố thực sự tác động đến ý định Khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing
- Nghiên cứu định lượng: Dựa trên bảng câu hỏi đã xây dựng tiến hành thu thập thông tin bằng cách thực hiện khảo sát qua mạng các sinh viên đã và đang Khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing Sau khi thu thập đủ số lượng mẫu yêu cầu, dữ liệu được xử lý bằng phần mềm SPSS nhằm kiểm định thang đo thông qua hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám pháEFA Sau đó các nhân tố được rút trích từ tập dữ liệu sẽ được đưa vào phân tích hồi quy nhằm đánh giá mô hình đề xuất và kiểm định các giả thuyết.
Giả thuyết nghiên cứu
Thái độ đối với hành vi (Attitude toward the behavior)
Ajzen (1991) định nghĩa thái độ đối với hành vi là nhận thức về nhu cầu cá nhân đối với việc thực hiện hành vi Đây cũng là mức độ mà cá nhân đánh giá hành vi được thực hiện có lợi hay không có lợi Trong nghiên cứu này, hành vi được đề cập là hành vi khởi nghiệp Tương tự, nghiên cứu của Lüthje và Franke (2003) cũng cho rằng thái độ đối với hành vi có ảnh hưởng tích cực và mạnh mẽ lên ý định khởi nghiệp của sinh viờn Cũn kết quả nghiờn cứu của Liủỏn và Chen (2009) tại Tõy Ban Nha và Đài Loan thể hiện sự tác động của thái độ đối với hành vi lên ý định khởi nghiệp là một sự tác động cùng chiều, trong đó, thái độ của sinh viên tại Tây Ban Nha có mức độ ảnh hưởng mạnh nhất đến ý định khởi nghiệp Từ các luận điểm trên, nghiên cứu đề xuất giả thuyết H1 như sau:
Giả thuyết H1: Thái độ đối với hành vi có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh viên
Quy chuẩn chủ quan (Subjective norm)
Quy chuẩn chủ quan được định nghĩa là các áp lực xã hội đến từ gia đình, bạn bè,người thân hay những người quan trọng đối với cá nhân, áp lực này có thể là sự kỳ vọng, ủng hộ hoặc không ủng hộ, từ đó dẫn đến việc cá nhân sẽ quyết định thực hiện hoặc không thực hiện hành vi sau Nghiên cứu của Autio và cộng sự (2001) hay nghiên cứu của Gird và Bagraim (2008) đều thể hiện sự tác động tích cực của quy chuẩn chủ quan đến ý định khởi nghiệp, mặc dù mức độ ảnh hưởng không là mạnh mẽ nhất Dựa vào các quan điểm trên, nghiên cứu đề xuất giải thuyết H2 như sau:
Giả thuyết H2: Quy chuẩn chủ quan có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh viên
Nhận thức kiểm soát hành vi (Perceived behavioral control)
Theo Ajzen (1991), nhận thức kiểm soát hành vi được định nghĩa là quan niệm của cá nhân về sự dễ dàng hoặc khó khăn trong việc thực hiện hành vi, có liên quan đến những kinh nghiệm trong quá khứ cũng như dự đoán những trở ngại trong tương lai. Khi thực hiện nghiên cứu về mối quan hệ giữa thuyết hành vi dự định, các yếu tố môi trường, các yếu tố nhân khẩu học với ý định khởi nghiệp của sinh viên tại Kenya, Amos và Alex (2014) đã chỉ ra rằng nhận thức kiểm soát hành vi là yếu tố có ý nghĩa cũng như ảnh hưởng tích cực đến biến phụ thuộc Dựa trên các luận điểm này, nghiên cứu đề xuất giả thuyết H3 như sau:
Giả thuyết H3: Nhận thức kiểm soát hành vi có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh viên
Giáo dục khởi nghiệp (Entrepreneurship education)
Isaacs, Visser, Friedrich, và Brijlal (2007) định nghĩa “giáo dục khởi nghiệp” là sự can thiệp có mục đích của các nhà giáo dục trong việc truyền đạt những kiến thức cũng như kỹ năng cần thiết để người học có thể tồn tại được trong thế giới kinh doanh Theo Turker và Selcuk (2009), nếu một trường đại học cung cấp đầy đủ kiến thức và nguồn cảm hứng cho sinh viên, đặc biệt là những kiến thức về khởi nghiệp thì ý định lựa chọn thực hiện khởi nghiệp sẽ tăng lên Từ những luận điểm này, nghiên cứu đề xuất giả thuyết H4 như sau:
Giả thuyết H4: Giáo dục khởi nghiệp có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh viên
Kinh nghiệm (Experience)
Theo Obschonka, Silbereisen, và Schmitt-Rodermund (2010), kinh nghiệm trong nghiên cứu về khởi nghiệp được hiểu là những trải nghiệm trong việc làm của sinh viên (làm bán thời gian, hợp đồng…) có liên quan đến kinh doanh Như vậy, kinh nghiệm trong đề tài này sẽ được hiểu đồng thời theo quan điểm của nghiên cứu trên.
Nghiên cứu của Suan và cộng sự (2011) tại Malaysia cho rằng kinh nghiệm của sinh viên có ảnh hưởng tích cực đến ý định khởi nghiệp Dựa trên những luận điểm này, nghiên cứu đề xuất giả thuyết H5 như sau:
Giả thuyết H5: Kinh nghiệm có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh viên
Đặc điểm tính cách (Personality traits)
Theo Nga và Shamuganathan (2010), đặc điểm tính cách của một cá nhân được định nghĩa là mô thức thường xuyên của hành vi, suy nghĩ hay cảm xúc Đây là những đặc điểm bền vững, giải thích cho sự khác biệt của hành vi trong những tình huống tương tự nhau Kickul và Gundry (2002) khi nghiên cứu về đặc điểm tính cách đã đo lường yếu tố này với các biến quan sát liên quan đến sự đối mặt và vượt qua trở ngại, giỏi xác định cơ hội và thích được thử thách với hiện trạng Như vậy, dựa vào những luận điểm trên, nghiên cứu đề xuất giả thuyết H6 như sau:
Giả thuyết H6: Đặc điểm tính cách có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh viên
Nguồn vốn (Capital)
Theo Mazzarol, Volery, Doss, và Thein (1999), nguồn vốn là một khía cạnh hay một đặc điểm kinh tế Trong nghiên cứu ở đây, nguồn vốn được hiểu là tiền được sử dụng cho hoạt động khởi nghiệp Nguồn vốn có thể đến từ sự hỗ trợ của gia đình, bạn bè, từ sự vay mượn, từ sự tiết kiệm của cá nhân hoặc các nguồn hỗ trợ khác. Zain và cộng sự (2010) đã xây dựng mô hình các yếu tố tác động đến ý định khởi nghiệp của sinh viên, trong đó có yếu tố về nguồn vốn, và kết quả thể hiện sự ảnh hưởng tích cực của nguồn vốn lên ý định khởi nghiệp Từ những quan điểm trên, nghiên cứu đề xuất giả thuyết H7 như sau:
Giả thuyết H7: Nguồn vốn có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh
Hình 1 1 Mô hình nghiên cứu đề xuất
Kết cấu nghiên cứu
Chương 1 : Giới thiệu tổng quan về đề tài nghiên cứu
Chương 2: Xử lý dữ liệu và kết quả nghiên cứu
Chương 3: Kết luận và đề xuất giải pháp
XỬ LÝ DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU
Xử lý dữ liệu
Đề tài sử dụng phần mềm phân tích thống kê SPSS để phân tích dữ liệu Phần mềm SPSS 26 được sử dụng để đánh giá sơ bộ thang đo thông qua kiểm định hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA, phân tích thống kê mô tả mẫu, Hồi quy đa biến và kiểm định Anova.
Bước 1: Chuẩn bị thông tin: thu nhận bảng trả lời, tiến hành lọc thông tin/ dữ liệu, mã hóa các thông tin cần thiết trong bảng trả lời, nhập liệu và phân tích dữ liệu bằng phần mềm SPSS 26
Bước 2: Nghiên cứu thống kê mô tả: tiến hành thống kê mô tả dữ liệu thu thập được
Bước 3: Kiểm định phân phối chuẩn; Đánh giá độ tin cậy: tiến hành kiểm định xem các thang đo đã đạt phân phối chuẩn hay chưa và đánh giá độ tin cậy thang đo bằng phân tích Cronbach’s Alpha. Độ tin cậy của thang đo được kiểm định thông qua hệ số tin cậy tổng hợp, tổng phương sai trích, hệ số Cronbach's Alpha Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các biến đo lường có liên kết với nhau hay không nhưng không cho biết biến nào cần loại bỏ và biến nào cần giữ lại Do đó, kết hợp sử dụng hệ số tương quan biến – tổng để loại ra những biến có tầm quan trọng thấp cho khái niệm cần đo lường (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008) Theo Nuaanally và Berstein (1994) thì hệ số Cronbach Alpha từ 0.8 đến 1 là tốt nhất, từ 0.7 đến 0.8 là sử dụng được và hệ số tương quan biến tổng của các biến quan sát lớn hơn 0.3 được xem là thích hợp cho nghiên cứu (theo tác giả Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009) Dựa trên những cơ sở trên, sau khi kiểm định, tác giả sẽ giữ lại những biến quan sát có hệ số Cronbach Alpha lớn hơn 0.6 và xem xét hệ số tương quan biến tổng phải trên 0.3 (nhỏ hơn 0.3 được xem là biến rác).
Bước 4: Phân tích nhân tố khám phá EFA: phân tích thang đo bằng phân tích nhân tố khám phá EFA (Exploratory Factor Analysis).
Theo đó, các nhà nghiên cứu thường chỉ quan tâm đến một số tiêu chuẩn khi phân tích nhân tố khám phá (EFA):
- Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố Đánh giá chỉ số KMO để xem xét sự thích hợp của phân tích nhân tố khám phá EFA, hệ số này ≥ 0,5 thì mức ý nghĩa của kiểm định Bartlett’s ≤ 0,05 (Hoàng Trọng; Chu Mộng Ngọc, 2008).
- Hệ số tải nhân tố (Factor Loading) ≥ 0,5 mới có ý nghĩa thống kê; nếu biến nào có hệ số tải nhân tố < 0,5 sẽ bị loại (Hair, 2009).
- Thang đo được chấp nhận khi tổng phương sai trích (Percentage of variance) ≥ 50% (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011).
- Hệ số Eigenvalue là chỉ tiêu thứ tư và phải có giá trị lớn hơn 1 (Gerbing và Anderson, 1988) (Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố).
- Tiêu chuẩn thứ năm là 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 (Jabnoun và Al Tamimi, 2003).
Bước 5: Kiểm định thang đo bằng phân tích Hồi quy đa biến
Bước 6: Kiểm định Anova Kiểm định sự khác biệt
Phân tích phương sai một yếu tố (còn gọi là Oneway Anova) dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5% Một số giả định khi phân tích ANOVA:
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
- Phương sai của các nhóm so sánh phải đồng nhất.
Lưu ý: nếu giả định tổng thể có phân phối chuẩn với phương sai bằng nhau không đáp ứng được thì bạn có thể dùng kiểm định phi tham số Kruskal-Wallis sẽ để thay thế cho ANOVA.
* ANOVA test: H0: “Trung bình bằng nhau”
● Sig > 0.05: bác bỏ H0 Chưa đủ điều kiện để khẳng định có sự khác biệt
● Sig Descriptive Statistics > Frequencies Giao diện cửa sổ sẽ hiện như bên dưới Đưa hết tất cả các biến cần chạy thống kê mô tả từ mục bên trái sang mục bên phải Variable Nhấn tiếp OK sẽ đưa ra kết quả.
Hình 2 1 Minh họa thống kê mô tả
Hình 2 2 Minh họa thống kê mô tả Kết quả Trong số 295 người tham gia khảo sát:
- Số lượng nam giới là 86 người (chiếm 29.2%), còn lại là nữ.
- Về trình độ: có 165 sinh viên thuộc nhóm sinh viên năm 2 chiếm 55.9% và còn lại là sinh viên năm 3 với 130 sinh viên chiếm 44.1%.
- Về Khoa quản lý đào tạo: Khoa Marketing chiếm tỉ lệ cao nhất 19.3% với 57 sinh viên Thứ hai là Khoa Công Nghệ Thông Tin 15.9% với 47 sinh viên Thứ 3 là Khoa
Kế Toán – Kiểm Toán 12.2% với 36 sinh viên Còn lại là các Khoa khác với tổng cộng 52.6%.
- Về tình trạng tham gia các hoạt động liên quan đến khởi nghiệp: 162 Sinh viên có tham gia chiếm 54.9% còn lại là không tham gia chiếm 45.1%.
Bảng 2 1 Thống kê mô tả cơ bản về mẫu
Chỉ tiêu thông kê Số lượng Tỷ lệ (%)
Khoa quản lí ngành đào tạo Marketing 57 19.3%
Tình trạng tham gia các hoạt động liên quan đến khởi nghiệp
2.2.2 Thống kê các thông tin kết hợp
Bước 1: Vào Analyze > Tables > Custom Tables
Hình 2 3 Minh họa thống kê kết hợp Bước 1 Bước 2: Cửa sổ giao diện Custom Tables hiện ra, trong ô trắng lớn ở giữa bảng sẽ có 2 mục là Columns và Rows, đây là vị trí để kéo thả các biến muốn dùng bảng kết hợp vào.
Hình 2 4 Minh họa thống kê kết hợp Bước 2 Bước 3: Để bảng hiện thị thêm giá trị % của từng hàng, nhấn chon Summary
Statistics, ở mục Statistics kéo Column N% vào bảng Display.
Hình 2 5 Minh họa thống kê kết hợp Bước 3 Bước 4: Cuối cùng nhấp OK để xem kết quả.
Bảng 2 2 Mô tả kết hợp với giới tính
Tần số Tỉ lệ Tần số Tỉ lệ Trình Độ Sinh viên năm 2 109 52.2% 56 65.1%
Tham gia hoạt động liên quan đến khởi nghiệp
Nhóm nữ chiếm hơn gấp đôi số lượng sinh viên nam có tham gia các hoạt động liên quan đến khởi nghiệp Và lượng sinh viên nữ cũng hơn gấp đôi số lượng sinh viên nam Cho thấy rằng sinh viên nữ có mỗi quan tâm lớn hơn so với nam về việc khởi nghiệp.
Kiểm định độ tin cậy của các thang đo qua hệ số Cronbach’s Alpha
Để kiểm tra độ tin cậy của các thang đo trong khảo sát, phương pháp phổ biến là sử dụng hệ số Cronbach’s Alpha Công cụ này giúp loại đi những biến quan sát, những thang do không đạt.
Tiêu chuẩn kiểm định là hệ số Cronbach’s Alpha tối thiểu bằng 0,6 và hệ số tương quan biến tổng tối thiểu bằng 0,3.
Bảy thang đo cho 8 khái niệm nghiên cứu (nhân tố trong mô hình) được đo lường bằng thang đo Likert 5 mức độ: Thái độ đối với hành vi (TD), Quy chuẩn chủ quan (QC), Nhận thức kiểm soát hành vi (KS), Giáo dục khởi nghiệp (GD), Kinh nghiệm (KN), Đặc điểm tính cách (TC), Nguồn vốn (NV), Ý định khởi nghiệp (YD) Để thực hiện kiểm định độ tin cậy của thang đo qua chỉ số Cronbach’s Alpha, thực hiện theo các bước sau trên ứng dụng SPSS 26 như sau:
Bước 1: Vào Analyze > Scale > Reliability Analysis
Hình 2 6 Minh hoạt kiểm định thang đo bằng Cronbach’s Alpha Bước 1
Bước 2: Đầu tiên là Thái độ đối với hành vi (TD), đưa 4 biến quan sát thuộc nhân tố
TD vào mục Items bên phải Thực hiện tương tự riêng lẻ đối với từng thang đo Quy chuẩn chủ quan (QC), Nhận thức kiểm soát hành vi (KS), Giáo dục khởi nghiệp (GD), Kinh nghiệm (KN), Đặc điểm tính cách (TC), Nguồn vốn (NV), Ý định khởi nghiệp (YD).
Bước 3: Chọn vào Statistics Trong tùy chọn Statistics, tích vào các mục Scale if item deleted Sau đó chọn Continue SPSS sẽ quay về giao diện ban đầu, nhấp chuột vào OK để xem kết quả.
Hình 2 7 Minh hoạt kiểm định thang đo bằng Cronbach’s Alpha Bước 3 Kết quả nhận được thông qua thực hiện phân tích Cronbach’s Alpha được thể hiện qua bảng dưới:
Bảng 2 3 Kết quả kiểm định độ tin cậy qua hệ số Cronbach’s Alpha
Mã biến Trung bình thang đo nếu loại biến
Hệ số tương quan biến - tổng
Hệ số Cronbach’s Alpha nếu loại biến Thang đo “Thái độ đối với hành vi” - Hệ số Cronbach’s Alpha : 0.863
Thang đo “Quy chuẩn chủ quan”- Hệ số Cronbach’s Alpha :0.838
Thang đo “Nhận thức kiểm soát hành vi” - Hệ số Cronbach’s Alpha :0.878
Thang đo “Giáo dục khởi nghiệp” - Hệ số Cronbach’s Alpha :0.909
Thang đo “Kinh nghiệm” - Hệ số Cronbach’s Alpha :0.780
Thang đo “Đặc điểm tính cách” - Hệ số Cronbach’s Alpha :0.906
Thang đo “Nguồn vốn” - Hệ số Cronbach’s Alpha :0.819
Thang đo “Ý định khởi nghiệp” - Hệ số Cronbach’s Alpha :0.935
Nhìn chung, hệ số Cronbach’s Alpha tổng của các nhóm đều lớn hơn 0.6, hệ số tương quan biến tổng của các biến quan sát đều lớn hơn 0.3 Điều này cho thấy thang đo được đo lường tốt và có độ tin cậy khá cao, các biến quan sát có sự tương quan tốt với tổng thể thang đo, do đó, các thang đo cho khảo sát chính thức là đảm bảo độ tin cậy Vì vậy, tất cả các biến quan sát của các thang đo đạt yêu cầu sẽ được sử dụng cho phân tích các nhân tố khám phá EFA tiếp theo.
Việc phân tích nhân tố EFA ở bước tiếp theo sẽ cho thấy được cụ thể hơn các thang đo trên có bị tách thành những nhân tố mới hay bị loại bỏ hay không Điều này sẽ đánh giá chính xác hơn thang đo, đồng thời loại bỏ các biến đo lường không đạt yêu cầu, mục đích làm cho các thang đo đảm bảo tính đồng nhất.
Phân tích các nhân tố khám phá EFA
Phân tích Cronbach’s Alpha cho thấy, 38 biến quan sát của 7 nhân tố ảnh hưởng đến ý định khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing Tất cả đều đủ yêu cầu về độ tin cậy, vì vậy EFA được thực hiện.
Phân tích nhân tố khám phá, gọi tắt là EFA, dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F < k) các nhân tố có ý nghĩa hơn Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau Điều này giúp tiết kiệm thời gian và kinh phí nhiều hơn cho người nghiên cứu.
Trong nghiên cứu này, phân tích nhân tố khám phá (EFA) được áp dụng để thử nghiệm mô hình với thử nghiệm Kaiser-Meiyer-Okin (KMO) và Bartlett bằng cách sử dụng Principal Axis Factoring với phép quay Varimax Để thực hiện phân tích các nhân tố khám phá EFA, ta sử dụng ứng dụng SPSS 26 Các bước thực hiện như sau:
Bước 1: Vào Analyze > Dimension Reduction > Factor
Hình 2 8 Minh họa phân tích các nhân tố khám phá EFA Bước 1
Bước 2: Đưa biến quan sát của các biến độc lập cần thực hiện phân tích các nhân tố khám phá EFA vào mục Variables, nếu có biến quan sát nào bị loại ở bước trước đó, chúng ta sẽ không đưa vào phân tích EFA.
Hình 2 9 Minh hoạ phân tích các nhân tố khám phá EFA Bước 2
Bước 3: Chọn ô Descriptives -> Tích vào mục KMO and Barlett’s test of sphericity để xuất bảng giá trị KMO và giá trị sig của kiểm định Barlett Nhấp Continue để quay lại cửa sổ ban đầu.
Hình 2 10 Minh hoạ phân tích các nhân tố khám phá EFA Bước 3
Bước 4: Chọn ô Rotation: Ở đây có các phép quay chọn Varimax Nhấp Continue để quay lại cửa sổ ban đầu.
Hình 2 11 Minh họa phân tích các nhân tố khám phá EFA Bước 4
Bước 5: Tại hộp thoại Options -> Tích vào 2 mục Sorted by size giúp sắp xếp ma trận xoay thành từng cột dạng bậc thang để dễ đọc dữ liệu hơn và Suppress small coefficients giúp loại bỏ các hệ số tải không đạt tiêu chuẩn khỏi ma trận xoay, giúp ma trận gọn gàng, trực quan hơn Tại hàng Absolute value below, nhập vào giá trị hệ số tải nhân tố Factor Loading tiêu chuẩn Kích thước mẫu file dữ liệu là 295 nên nhóm tác giả sẽ nhập vào 0,5 Nhấp Continue để quay lại cửa sổ ban đầu và chọn
OK để xem kết quả.
Hình 2 12 Minh họa phân tích các nhân tố khám phá EFA Bước 5
Thực hiện phấn tích các nhân tốt khám phá EFA đối với các biến độc lập 2 lần,kết quả như sau:
Lần 1 cho kết quả: Hệ số KMO (Kaiser-Meyer-Olkin) là 0.939 (thỏa mãn >0.5), kiểm định Bartlett với mức ý nghĩa thống kê là 0,000 (Sig Bartlett’s Test 1, nghiên cứu xác định có bảy nhân tố được trích ra từ dữ liệu khảo sát với tổng phương sai trích (cumulative %) là 67.544% > 50% Tuy nhiên,
Ma trận xoay (Rotated Component Matrix) với phép xoay Varimax có 6 biến quan sát không đủ điều kiện (hệ số tải nhân tố < 0.5 và hệ số tải trong một biến chênh lệch nhau dưới 0.3) bị loại là GD6, KS5, TC3, QC4, NV1, KN1.
Cần thực hiện phân tích các nhân tố khám phá EFA đối với các biến phụ thuộc lần
Bảng 2 4 Kết quả kiểm định KMO và Barlett’s của biến độc lập
Kaiser-Meyer-Olkin Measure of Sampling Adequacy 1>0.928>0.5
Bartlett's Test of Sphericity Approx Chi-Square 6461.857 df 496
Rotation Sums of Squared Loadings (Cumulative %) 70.930%
Hệ số KMO (Kaiser-Meyer-Olkin) là 0.928 (thỏa mãn >0.5), kiểm định Bartlett với mức ý nghĩa thống kê là 0,000 (Sig Bartlett’s Test 1, nghiên cứu xác định có bảy nhân tố được trích ra từ dữ liệu khảo sát với tổng phương sai trích (cumulative %) là 70.930% > 50% Điều này chứng tỏ có 70.930% sự biến thiên của dữ liệu được giải thích bởi 7 nhân tố.
Ma trận xoay nhân tố (Rotated Component Matrix) với phép xoay Varimax xác định cụ thể bảy nhóm nhân tố như sau: (Hệ số tải nhân tố thu được đều lớn hơn 0.5)
Bảng 2 5 Ma trận xoay nhân tố với biến độc lập
Hệ số tải nhân tố
Sau khi thực hiện gom các nhân tố mới, ta được 7 nhóm nhân tố mới như sau:
- Nhân tố 1: bao gồm các biến quan sát GD1, GD2, GD3, GD4, GD5 Nhân tố này được đặt tên là “Giáo dục khởi nghiệp” (ký hiệu GD).
- Nhân tố 2: bao gồm các biến quan sát TC1, TC2, TC4, TC5, TC6, TC7 Nhân tố này được đặt tên là “Đặc điểm tính cách” (ký hiệu TC).
- Nhân tố 3: bao gồm các biến quan sát KS1, KS2, KS3, KS4, QC6 Nhân tố này được đặt tên là “Kiểm soát hành vi” (ký hiệu KS).
- Nhân tố 4: bao gồm các biến quan sát TD1, TD2, TD3, TD4, QC5 Nhân tố này được đặt tên là “Thái độ đối với hành vi” (ký hiệu TD).
- Nhân tố 5: bao gồm các biến quan sát NV2, NV3, NV4, NV5 Nhân tố này được đặt tên là “Nguồn vốn” (ký hiệu NV).
- Nhân tố 6: bao gồm các biến quan sát KN2, KN3, KN4, KN5 Nhân tố này được đặt tên là “Kinh nghiệm” (ký hiệu KN).
- Nhân tố 7: bao gồm các biến quan sát QC1, QC2, QC3 Nhân tố này được đặt tên là “Quy chuẩn chủ quan” (ký hiệu QC).
- Giả thuyết H1: Giáo dục khởi nghiệp có ảnh hưởng (+) đến ý định khởi nghiệp của sinh viên.
- Giả thuyết H2: Đặc điểm tính cách có ảnh hưởng (+) đến ý định khởi nghiệp của sinh viên
- Giả thuyết H3: Kiểm soát hành vi có ảnh hưởng (+) đến ý định khởi nghiệp của sinh viên
- Giả thuyết H4: Thái độ đối với hành vi có ảnh hưởng (+) đến ý định khởi nghiệp của sinh viên
- Giả thuyết H5: Nguồn vốn có ảnh hưởng (+) đến ý định khởi nghiệp của sinh viên
- Giả thuyết H6: Kinh nghiệm có ảnh hưởng (+) đến ý định khởi nghiệp của sinh viên
- Giả thuyết H7: Quy chuẩn chủ quan có ảnh hưởng (+) đến ý định khởi nghiệp của sinh viên
Thực hiện phân tích các nhân tố khám phá EFA đối với biến phụ thuộc:
Bảng 2 6 Kết quả kiểm định các nhân tố khám phá EFA với biến phụ thuộc
Thành phần Hệ số tải nhân tố Ý ĐỊNH KHỞI NGHIỆP (YD) YD2 0.899
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Kết quả phân tích nhân tố khám phá cho thấy phép trích được một nhân tố với 6 biến quan sát và phương sai trích tích lũy được là 75,719% (lớn hơn 50%) Hệ sốKMO = 0,910 (giữa 0,5 và 1) Kết quả này chỉ ra rằng các biến quan sát trong tổng thể có mối tương quan với nhau và phân tích nhân tố (EFA) là thích hợp Như vậy,sau khi phân tích nhân tố khám phá EFA ta thấy rằng mô hình lý thuyết ban đầu chưa phù hợp với nghiên cứu Các biến độc lập và biến phụ thuộc sau khi phân tích đã được loại bỏ và các biến còn lại đạt được độ tin cậy.
Phân tích tương quan và hồi quy
Phân tích tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau Để thực hiên phân tích tương quan giữa các biến trước tiên ta cần tạo Biến đại diện bằng trung bình cộng của các biến trong một cột.
Các bước thực hiện như sau:
Bước 1: Tại giao diện SPSS, vào Transform > Compute Variable:
Hình 2 13 Minh họa tạo biến đại diện Bước 1
Bước 2: Giao diện cửa sổ mới hiện ra:
- Tại Target Variable: Nhập tên biến đại diện mới YD
- Tại Numeric Expression: Gõ hàm trung bình MEAN(YD1, YD2, YD3, YD4, YD5, YD6) Nghĩa là tạo biến đại diện YD là trung bình cộng của các biến quan sát YD1, YD2, YD3, YD4, YD5, YD6 (trong hàm MEAN, giữa các biến là dấu phẩy và không có khoảng cách trắng) Sau đó chọn OK để hoàn thành
Hình 2 14 Minh họa tạo biến đại diện Bước 2 Thao tác như thế tương tự với các biến độc lập GD, TC, KS, TD, NV, KN, QC. Cuối cùng ta nhận được 8 biến đại diện cho 8 yếu tố
Sau khi đã tạo được các biến đại diện ta tiến hành kiểm định hệ số tương quan Pearson để xem xét các mối quan hệ tương quan tuyến tính giữa các biến độc lập
Tương quan Pearson r có giá trị dao động từ -1 đến 1 (lưu ý, hệ số r chỉ có ý nghĩa khi Sig nhỏ hơn 0.05):
- Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ Tiến về
1 là tương quan dương, tiến về -1 là tương quan âm.
- Nếu r càng tiến về 0: tương quan tuyến tính càng yếu.
- Nếu r = 1: tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồ thị phân tánScatter, các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng.
- Nếu r = 0: không có mối tương quan tuyến tính Lúc này sẽ có 2 tình huống xảy ra: một là không có một mối liên hệ nào giữa 2 biến, hai là giữa chúng có mối liên hệ phi tuyến.
- Nếu sig < 0.05 thì có tương quan, khi đó r tiến càng gần 1 tương quan càng mạnh, càng tiến gần 0 tương quan càng yếu; nếu sig > 0.05 thì mới không có tương quan. Thực hiện như sau:
Bước 1: Truy cập vào thẻ Analyze > Correlate > Bivariate
Hình 2 15 Minh họa phân tích tương quan Bước 1
Bước 2: Hộp thoại Bivariate Correlations xuất hiện, ta đưa các biến độc lập và biến phụ thuộc từ cột bên trái sang bên phải Để thuận tiện cho quá trình đọc số liệu nên sắp sếp biến phụ thuộc YD nằm trên cùng Sau đó chọn OK.
Hình 2 16 Minh họa phân tích tương quan Bước 2
Bảng 2 7 Kết quả phân tích tương quan Pearson
YD GD TC KS TD NV KN QC
Từ kết quả phân tích tương quan Peason cho thấy giá trị sig của các biến GD, TC,
KS, TD, NV, NV, KN, QC nhỏ hơn 0.05 nghĩa là biến độc lập đó có tương quan tuyến tính với biến phụ thuộc YD và các hệ số tương quan Peason r
Giá trị Sig đại diện cho mối tương quan giữa các biến độc lập với nhau Dựa vào bảng thấy rằng tất cả giá trị Sig (2-tailed) nhỏ hơn 0.05 có nghĩa các biến độc lập có tương quan với nhau
Sau khi xem xét giá trị Sig Regression > Linear
Hình 2 17 Minh họa phân tích hồi quy Bước 1 Bước 2: Đưa biến phụ thuộc vào ô Dependent, các biến độc lập vào ô IndenpIndenpe Vào mục Statistics, tích chọn các mục như trong ảnh và click Continue:
Hình 2 18 Minh họa phân tích hồi quy Bước 2Bước 3: Vào mục Plots , đưa các yếu tố vào các ô Y,X như hình sau, nhấn chọnHistogram và Normal probability plot sau đó nhấn Continue > OK để xem kết quả
Hình 2 19 Minh họa phân tích hồi quy Bước 3
Bảng 2 8: Kết quả phân tích hồi quy lần 1
Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa t Sig.
Thống kê hiện tượng cộng tuyến
B Sai số chuẩn Beta Dung sai VIF
- Kiểm định đa cộng tuyến cho thấy có chỉ số VIF>2 nên thực hiện loại biến quan sát có giá trị VIF lớn nhất là biến TC với chỉ số VIF=2.576 (không thỏa mãn VIF2.
Ta thực hiện phân tích hồi quy lần 3, kết quả:
Bảng 2 9: Kết quả kiểm định R hiệu chỉnh và Durbin - Wasston
Sai số chuẩn ước lượng
Sau khi đã đưa các biến độc lập vào mô hình hồi quy kết quả nhận được hiệu chỉnh là 0,512 tức là các yếu tố giải thích được 51,2% các yếu tố ảnh hưởng ý định khởi nghiệp của sinh viên Trường Đại học Tài chỉnh – Marketing, còn 48,8% là sự ảnh hưởng của các yếu tố khác không nằm trong nghiên cứu và sai số ngẫu nhiên.