Nguyên cứu các nhân tố ảnh hưởng Đến ý Định khởi nghiệp của sinh viên trường Đại học tài chính – marketing

BỘ TÀI CHÍNHTRƯỜNG 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

Mục tiêu nghiên cứu

Mô hình nghiên cứu được xây dựng nhằm đo lường các nhân tố tác động đến ý định khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing Việc phát triển và kiểm định thang đo là cần thiết để xác định các yếu tố ảnh hưởng đến quyết định khởi nghiệp của sinh viên, từ đó cung cấp cái nhìn sâu sắc về động lực và rào cản trong quá trình khởi nghiệp.

- 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 được thực hiện dựa trên lý thuyết và các mô hình nghiên cứu trước đó nhằm phát triển các biến nghiên cứu và khái niệm đo lường Mục tiêu là xác định hệ thống thang đo phù hợp, kết hợp với phương pháp thảo luận nhóm với những cá nhân có ý định khởi nghiệp Qua đó, nghiên cứu hoàn thiện thang đo chính thức, tập trung vào các yếu tố tác động đến ý định khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing.

Nghiên cứu định lượng được thực hiện thông qua khảo sát trực tuyến đối với sinh viên khởi nghiệp tại Trường Đại học Tài chính – Marketing Dữ liệu thu thập từ bảng câu hỏi sẽ được xử lý bằng phần mềm SPSS để kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá (EFA) Các nhân tố rút trích từ dữ liệu sẽ được sử dụng trong phân tích hồi quy nhằm đánh giá mô hình đề xuất và kiểm định các giả thuyết nghiên cứu.

Giả thuyết nghiên cứu

Thái độ đối với hành vi (Attitude toward the behavior)

Thái độ đối với hành vi, theo Ajzen (1991), là nhận thức về nhu cầu cá nhân trong việc thực hiện hành vi, đồng thời thể hiện mức độ đánh giá hành vi đó có lợi hay không Nghiên cứu của Lüthje và Franke (2003) cho thấy thái độ này có ảnh hưởng tích cực và mạnh mẽ đến ý định khởi nghiệp của sinh viên Hơn nữa, nghiên cứu của Liủỏn và Chen (2009) tại Tây Ban Nha và Đài Loan cũng chỉ ra rằng thái độ đối với hành vi tác động cùng chiều lên ý định khởi nghiệp, trong đó sinh viên Tây Ban Nha có mức độ ảnh hưởng mạnh nhất Dựa trên những luận điểm này, nghiên cứu đề xuất giả thuyết H1.

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 là áp lực xã hội từ gia đình, bạn bè và những người quan trọng, ảnh hưởng đến quyết định hành vi của cá nhân thông qua sự kỳ vọng, ủng hộ hoặc không ủng hộ Nghiên cứu của Autio và cộng sự (2001) cùng với Gird và Bagraim (2008) đã chỉ ra rằng quy chuẩn chủ quan có tác động tích cực đến ý định khởi nghiệp, mặc dù ảnh hưởng này không phải là mạnh mẽ nhất Dựa trên những quan điểm này, nghiên cứu đề xuất giả thuyết H2.

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, liên quan đến kinh nghiệm trong quá khứ và dự đoán các trở ngại trong tương lai Nghiên cứu của Amos và Alex (2014) về mối quan hệ giữa thuyết hành vi dự định, các yếu tố môi trường, nhân khẩu học và ý định khởi nghiệp của sinh viên tại Kenya cho thấy nhận thức kiểm soát hành vi có ảnh hưởng tích cực đến ý định khởi nghiệp Dựa trên những luận điểm này, nghiên cứu đề xuất giả thuyết H3.

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)

Giáo dục khởi nghiệp, theo Isaacs, Visser, Friedrich và Brijlal (2007), được định nghĩa là sự can thiệp có mục đích của các nhà giáo dục nhằm truyền đạt kiến thức và kỹ năng cần thiết cho người học để họ có thể tồn tại trong thế giới kinh doanh Turker và Selcuk (2009) cũng chỉ ra rằng, khi một trường đại học cung cấp đủ kiến thức và nguồn cảm hứng, đặc biệt về khởi nghiệp, ý định khởi nghiệp của sinh viên sẽ gia tăng Dựa trên những luận điểm này, nghiên cứu đề xuất giả thuyết H4.

Giả thuyết H4: Giáo dục khởi nghiệp có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh viên

Kinh nghiệm (Experience)

Theo nghiên cứu của Obschonka, Silbereisen và Schmitt-Rodermund (2010), kinh nghiệm khởi nghiệp được định nghĩa là những trải nghiệm làm việc của sinh viên, bao gồm việc làm bán thời gian và hợp đồng có liên quan đến kinh doanh Do đó, trong bối cảnh nghiên cứu này, kinh nghiệm sẽ được hiểu theo quan điểm của các tác giả trên.

Nghiên cứu của Suan và cộng sự (2011) tại Malaysia chỉ ra rằng kinh nghiệm của sinh viên có tác động tích cực đến ý định khởi nghiệp Dựa trên những phát hiện này, nghiên cứu đề xuất giả thuyết H5.

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 nghiên cứu của Nga và Shamuganathan (2010), đặc điểm tính cách là mô hình hành vi, suy nghĩ và cảm xúc thường xuyên của một cá nhân, phản ánh sự khác biệt trong hành vi ở những tình huống tương tự Kickul và Gundry (2002) đã chỉ ra rằng các đặc điểm này có thể được đo lường thông qua khả năng đối mặt và vượt qua trở ngại, khả năng nhận diện cơ hội và sự thích thú với những thử thách Dựa trên những luận điểm này, nghiên cứu đã đề xuất giả thuyết H6.

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 kinh tế quan trọng, được hiểu là tiền phục vụ cho hoạt động khởi nghiệp Nguồn vốn có thể đến từ gia đình, bạn bè, vay mượn, tiết kiệm cá nhân hoặc các nguồn hỗ trợ khác Nghiên cứu của Zain và cộng sự (2010) đã chỉ ra rằng nguồn vốn có ảnh hưởng tích cực đến ý định khởi nghiệp của sinh viên Dựa trên những quan điểm này, nghiên cứu đề xuất giả thuyết H7.

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

Bài viết này trình bày việc sử dụng phần mềm SPSS 26 để phân tích dữ liệu, bao gồm các bước như kiểm định hệ số tin cậy Cronbach’s Alpha để đánh giá thang đo, thực hiện phân tích nhân tố khám phá EFA, phân tích thống kê mô tả mẫu, hồi quy đa biến và kiểm định Anova.

Bước 1 trong quy trình nghiên cứu là chuẩn bị thông tin, bao gồm thu thập bảng trả lời và lọc dữ liệu Sau đó, cần mã hóa các thông tin cần thiết trong bảng trả lời, nhập liệu và tiến hành phân tích dữ liệu bằng phần mềm SPSS 26.

Bước 2 trong nghiên cứu là thực hiện thống kê mô tả dữ liệu thu thập được Bước 3 bao gồm kiểm định phân phối chuẩn và đánh giá độ tin cậy của các thang đo thông qua phân tích Cronbach’s Alpha Độ tin cậy được kiểm định bằng hệ số tin cậy tổng hợp, tổng phương sai trích và hệ số Cronbach's Alpha Hệ số này cho biết mối liên kết giữa các biến đo lường nhưng không chỉ rõ biến nào cần loại bỏ Do đó, cần kết hợp với hệ số tương quan biến – tổng để loại bỏ những biến không quan trọng Theo Nuaanally và Berstein (1994), hệ số Cronbach Alpha từ 0.8 đến 1 là tốt nhất, từ 0.7 đến 0.8 là chấp nhận được, và hệ số tương quan biến tổng lớn hơn 0.3 được xem là phù hợp cho nghiên cứu Dựa trên các tiêu chí này, tác giả sẽ giữ lại những biến có hệ số Cronbach Alpha lớn hơn 0.6 và hệ số tương quan biến tổng trên 0.3.

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 chỉ số quan trọng để đánh giá sự phù hợp của phân tích nhân tố Khi thực hiện phân tích nhân tố khám phá (EFA), nếu hệ số KMO đạt giá trị ≥ 0,5 và mức ý nghĩa của kiểm định Bartlett’s ≤ 0,05, thì phân tích được coi là thích hợp (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, theo Gerbing và Anderson (1988), là chỉ tiêu thứ tư cần có giá trị lớn hơn 1, vì nó đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.

Tiêu chuẩn thứ năm yêu cầu hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải đạt ít nhất 0.3 Điều này đảm bảo rằng có sự phân biệt rõ ràng giữa các nhân tố, theo nghiên cứu của 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 (Oneway ANOVA) được sử dụng để kiểm định giả thuyết rằng các nhóm mẫu có trung bình bằng nhau, với mức sai lầm tối đa là 5% Để thực hiện phân tích ANOVA, cần lưu ý một số giả định cơ bản.

- 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.

Nếu giả định tổng thể có phân phối chuẩn và phương sai bằng nhau không được thỏa mãn, bạn có thể sử dụng kiểm định phi tham số Kruskal-Wallis thay 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

Khi giá trị Sig nhỏ hơn hoặc bằng 0.05, chúng ta chấp nhận giả thuyết H0, cho thấy có sự khác biệt đáng kể giữa các nhóm quan sát Điều này mở ra cơ hội để tiến hành phân tích sâu hơn nhằm xác định cụ thể cách thức và mức độ khác biệt giữa các nhóm này.

Mô tả thông tin khảo sát

2.2.1 Thống kê về thông tin cơ bản của mẫu

Nghiên cứu được thực hiện tại Trường Đại học Tài chính – Marketing với số lượng kháo sát chính thức thu được là 295.

Để thực hiện thống kê mô tả, bạn cần truy cập vào Analyze > Descriptive Statistics > Frequencies Sau đó, giao diện cửa sổ sẽ xuất hiện, cho phép bạn chuyển tất cả các biến cần phân tích từ mục bên trái sang mục bên phải Variable Cuối cùng, nhấn OK để nhận kết quả thống kê.

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%.

Khoa Quản lý đào tạo ghi nhận Khoa Marketing dẫn đầu với 19.3%, tương ứng 57 sinh viên Kế đến là Khoa Công Nghệ Thông Tin với 15.9% và 47 sinh viên.

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

Trong bước 2, cửa sổ giao diện Custom Tables sẽ hiển thị, với hai mục chính là Columns và Rows nằm trong ô trắng lớn giữa bảng Tại đây, người dùng có thể kéo thả các biến cần thiết để kết hợp vào bảng.

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

Nghiên cứu cho thấy nhóm nữ tham gia các hoạt động khởi nghiệp gấp đôi so với nam, với số lượng sinh viên nữ vượt trội hơn hẳn Điều này chứng tỏ rằng sinh viên nữ có sự quan tâm lớn hơn đối với khởi nghiệp so với nam giới.

Kiểm định độ tin cậy của các thang đo qua hệ số Cronbach’s Alpha

Để đánh giá 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 hỗ trợ loại bỏ các biến quan sát và thang đo không đạt yêu cầu.

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 tám khái niệm nghiên cứu, bao gồm 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), và Ý định khởi nghiệp (YD), được đánh giá bằng thang đo Likert 5 mức độ Để kiểm định độ tin cậy của thang đo, chỉ số Cronbach’s Alpha được áp dụng qua các bước thực hiện trên ứng dụng SPSS 26.

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

Vào mục Items bên phải, tiến hành thực hiện từng bước riêng lẻ cho các 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) và Ý định khởi nghiệp (YD).

Step 3: Click on Statistics and check the option for "Scale if item deleted." Then select Continue SPSS will return to the main interface, where you can click OK to view the results.

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

Hệ số Cronbach’s Alpha tổng của các nhóm đều lớn hơn 0.6, và hệ số tương quan giữa các biến quan sát cũng vượt quá 0.3, cho thấy thang đo có độ tin cậy cao và được đo lường tốt Sự tương quan tích cực giữa các biến quan sát và tổng thể thang đo khẳng định rằng các thang đo cho khảo sát chính thức là đáng tin cậy Do đó, tất cả các biến quan sát đạt yêu cầu sẽ được sử dụng cho phân tích nhân tố khám phá EFA tiếp theo.

Phân tích nhân tố EFA sẽ giúp xác định xem các thang đo hiện tại có bị tách thành những nhân tố mới hoặc bị loại bỏ hay không Qua đó, việc đánh giá thang đo sẽ trở nên chính xác hơn, đồng thời loại bỏ các biến đo lường không đạt yêu cầu, nhằm đảm bảo tính đồng nhất cho các thang đo.

Phân tích các nhân tố khám phá EFA

Phân tích Cronbach’s Alpha cho thấy 38 biến quan sát từ 7 nhân tố có ảnh hưởng đến ý định khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing đều đạt yêu cầu về độ tin cậy, do đó, quá trình phân tích nhân tố khám phá (EFA) được tiến hành.

Phân tích nhân tố khám phá (EFA) là phương pháp giúp rút gọn một tập hợp các biến quan sát lớn thành một số nhân tố có ý nghĩa hơn, với số lượng nhân tố F nhỏ hơn k Trong nghiên cứu, việc thu thập nhiều biến quan sát có mối liên hệ tương quan giúp tiết kiệm thời gian và chi phí cho người nghiên cứu.

Trong nghiên cứu này, phân tích nhân tố khám phá (EFA) được thực hiện bằng cách áp dụng thử nghiệm Kaiser-Meiyer-Okin (KMO) và Bartlett, sử dụng phương pháp Principal Axis Factoring với phép quay Varimax Phân tích EFA được tiến hành thông qua ứng dụng SPSS 26, với các bước thực hiện cụ thể được mô tả trong nghiên cứu.

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 các biến quan sát của các biến độc lập vào mục Variables để thực hiện phân tích nhân tố khám phá EFA Lưu ý rằng các biến quan sát đã bị loại ở bước trước sẽ không được đưa vào phân tích EFA.

Hình 2 9 Minh hoạ phân tích các nhân tố khám phá EFA Bước 2

In Step 3, select the Descriptives option and check the box for KMO and Bartlett’s test of sphericity to generate the KMO values and the significance level for Bartlett's test Click Continue to return to the initial window.

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: Trong hộp thoại Options, hãy chọn hai mục "Sorted by size" để sắp xếp ma trận xoay thành từng cột bậc thang, giúp dễ dàng đọc dữ liệu hơn, và "Suppress small coefficients" để loại bỏ các hệ số tải không đạt tiêu chuẩn, làm cho ma trận trở nên gọn gàng và trực quan Tại mục "Absolute value below", nhập giá trị hệ số tải tiêu chuẩn cho Factor Loading Với kích thước mẫu dữ liệu là 295, nhóm tác giả sẽ nhập vào 0,5 Sau đó, nhấp "Continue" để quay lại cửa sổ ban đầu và tiếp tục lựa chọn.

OK để xem kết quả.

Hình 2.12 minh họa quá trình phân tích các nhân tố khám phá EFA, bước 5 Phân tích EFA được thực hiện hai lần đối với các biến độc lập, và kết quả đạt được 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 Varimax đã loại bỏ 6 biến quan sát không đạt yêu cầu, bao gồm GD6, KS5, TC3, QC4, NV1 và KN1, do hệ số tải nhân tố thấp hơn 0.5 và sự chênh lệch giữa các hệ số tải trong một biến dưới 0.3.

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 đạt 0.928, vượt ngưỡng 0.5, và kiểm định Bartlett cho thấy mức ý nghĩa thống kê là 0.000, cho thấy các biến quan sát có mối tương quan trong tổng thể Phân tích nhân tố khám phá được xác định là phù hợp để kiểm định thang đo Eigenvalue của nhân tố thứ 07 là 1.066, cho thấy có bảy nhân tố được trích ra từ dữ liệu khảo sát với tổng phương sai trích đạt 70.930%, vượt mức 50%, chứng minh rằng 70.930% sự biến thiên của dữ liệu được giải thích bởi bảy nhân tố này.

Ma trận xoay nhân tố với phép xoay Varimax đã xác định bảy nhóm nhân tố cụ thể, trong đó tất cả các hệ số tải nhân tố 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 (EFA) cho thấy một nhân tố được trích ra với 6 biến quan sát, đạt phương sai trích tích lũy 75,719%, vượt mức 50% Hệ số KMO là 0,910, cho thấy các biến quan sát có mối tương quan với nhau, xác nhận tính phù hợp của phân tích nhân tố Tuy nhiên, sau khi thực hiện EFA, mô hình lý thuyết ban đầu không còn phù hợp với nghiên cứu; các biến độc lập và phụ thuộc đã được điều chỉnh, chỉ giữ lại những biến đạt độ tin cậy cao.

Phân tích tương quan và hồi quy

Phân tích tương quan Pearson được sử dụng để kiểm tra mối tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập, đồng thời giúp nhận diện vấn đề đa cộng tuyến khi các biến độc lập có mối tương quan mạnh với nhau Để thực hiện phân tích này, trước tiên cần tạo Biến đại diện bằng cách tính 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

Để tính trung bình cộng của các biến quan sát YD1, YD2, YD3, YD4, YD5, YD6, bạn cần sử dụng hàm MEAN trong Numeric Expression Cú pháp sẽ là MEAN(YD1, YD2, YD3, YD4, YD5, YD6) với các biến được ngăn cách bằng dấu phẩy mà không có khoảng trắng Sau khi nhập xong, hãy chọn OK để hoàn tất.

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 tạo ra các biến đại diện, chúng ta tiến hành kiểm định hệ số tương quan Pearson để phân tích 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, điều này cho thấy không tồn tại mối tương quan tuyến tính giữa hai biến Có hai khả năng xảy ra: thứ nhất, hai biến không có mối liên hệ nào, và thứ hai, có thể tồn tại mối liên hệ phi tuyến giữa chúng.

Khi giá trị sig nhỏ hơn 0.05, điều này cho thấy có sự tương quan giữa các biến, với hệ số r càng gần 1 thì tương quan càng mạnh, ngược lại, nếu r gần 0 thì tương quan càng yếu Ngược lại, nếu sig lớn hơn 0.05, có thể kết luận là không có sự tương quan.

Bước 1: Truy cập vào thẻ Analyze > Correlate > Bivariate

Hình 2 15 Minh họa phân tích tương quan Bước 1

Trong bước 2, hộp thoại Bivariate Correlations sẽ xuất hiện, nơi bạn cần chuyển các biến độc lập và biến phụ thuộc từ cột bên trái sang cột bên phải Để dễ dàng trong việc đọc số liệu, hãy sắp xếp biến phụ thuộc YD ở vị trí trên cùng trước khi nhấn 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,

Các hệ số KS, TD, NV, NV, KN, QC nhỏ hơn 0.05 cho thấy rằng các biến độc lập này có mối tương quan tuyến tính với biến phụ thuộc YD, đồng thời các hệ số tương quan Pearson r cũng xác nhận điều này.

Giá trị Sig phản ánh mối quan hệ giữa các biến độc lập Theo bảng, tất cả các giá trị Sig (2-tailed) nhỏ hơn 0.05 cho thấy các biến độc lập có sự tương quan với nhau.

Sau khi phân tích, giá trị Sig < 0.05 cho thấy các biến độc lập và biến phụ thuộc có mối tương quan rõ ràng Với giá trị tương quan Pearson giữa các biến độc lập đều lớn hơn 0.4, việc kiểm tra hiện tượng đa cộng tuyến được thực hiện để đảm bảo độ tin cậy của kết quả.

Ký hiệu ** cho biết rằng cặp biến này có sự tương quan tuyến tính ở mức tin cậy đến 99% (tương ứng mức ý nghĩa 1% = 0.01).

2.5.2 Phân tích hồi quy tuyến tính Để đánh giá mức độ phù hợp của mô hình, hệ số R (R Square) thường được sử 2 dụng, hệ số xác định R được chứng minh là hàm không giảm theo số biến độc lập 2 được đưa vào mô hình, tuy nhiên không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R có khuynh hướng là một yếu tố lạc quan của 2 thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có 1 biến giải thích trong mô hình Như vậy, trong hồi quy tuyến tính bội thường dùng hệ số R 2 điều chỉnh để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình Ngoài ra, hiện tượng tương quan giữa các phần dư được kiểm tra bằng hệ số Durbin-Watson (1 < Durbin - Watson < 3) và không có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF < 2) Bên cạnh đó, hệ sốBeta chuẩn hoá được dùng để đánh giá mức độ quan trọng của từng yếu tố.Thực hiện phân tính hồi quy tuyến tính bội như sau:

Bước 1: Vào Analyze > 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 2

Bước 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

Kết quả kiểm định đa cộng tuyến cho thấy có chỉ số VIF lớn hơn 2, cụ thể là biến TC với VIF = 2.576, không thỏa mãn điều kiện VIF < 2 Do đó, cần loại bỏ biến TC để cải thiện mô hình.

- Thực hiện Phân tích hồi quy lần 2, kết quả vẫn còn một biến GD có chỉ số VIF=2.098>2.

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

Mô hình hồi quy cho thấy các biến độc lập giải thích 51,2% ý định khởi nghiệp của sinh viên Trường Đại học Tài chính – Marketing, trong khi 48,8% còn lại là do các yếu tố khác không nằm trong nghiên cứu và sai số ngẫu nhiên.

Hệ số Durbin-Watson là 2,269, nằm trong khoảng yêu cầu (1 < Durbin-Watson < 3), cho thấy không có hiện tượng tương quan giữa các phần dư Điều này chứng tỏ mô hình không xảy ra hiện tượng tự tương quan và được đánh giá là tốt.

Kết quả kiểm định Anova cho kết quả hệ số ý nghĩa của mô hình hồi quy Sig = 0

Mô hình hồi quy này có khả năng giải thích 100% dữ liệu thực tế, cho thấy rằng nó được xây dựng phù hợp với thông tin có sẵn Do đó, mô hình hồi quy này có thể được áp dụng hiệu quả trong phân tích dữ liệu.

Bảng 2 10: Kết quả phân tích hồi quy lần 3

Hệ số chưa chuẩn hóa

Hệ số chuẩn hóa t Sig.

Thống kê hiện tượng cộng tuyến

Theo thống kê, các biến "Kiểm soát hành vi" (KS) và "Quy chuẩn chủ quan" (QC) không có ý nghĩa thống kê với giá trị Sig lần lượt là 0.305 và 0.402, lớn hơn 0.05, do đó giả thuyết H3 và H7 không được chấp nhận Ngược lại, các biến độc lập còn lại đều có ý nghĩa thống kê với giá trị Sig nhỏ hơn 0.05, cho phép chấp nhận các giả thuyết H4, H5 và H6.

Vậy các giả thuyết bị loại bỏ là H1, H2, H3, H7 Các giả thuyết được chấp nhận là H4, H5, H6

Như vậy đối với giả định các yếu tố khác không đổi thì:

- Khi TD tăng thêm 1 đơn vị thì sinh viên Trường Đại học Tài chính – Marketing có ý định khởi nghiệp tăng thêm 0.488 đơn vị.

- Khi NV tăng thêm 1 đơn vị thì sinh viên Trường Đại học Tài chính – Marketing có ý định khởi nghiệp tăng thêm 0.179 đơn vị.

- Khi KN tăng thêm 1 đơn vị thì sinh viên Trường Đại học Tài chính – Marketing có ý định khởi nghiệp tăng thêm 0.124 đơn vị.

2.5.3 Kiểm định phần dư của mô hình phân phối chuẩn

Hình 2 20 Đồ thị Histogram về tần số các biến