Sau khi thu th p, toƠn b d li u kh o sát s đ c t i v d i d ng t p tin Excel vƠ ph n m m x lỦ s li u th ng kê SPSS 16.0 đ c s d ng đ x lỦ vƠ phơn tích s li u qua các phơn tích sau: th ng kê mô t , đánh giá đ tin c y c a các thang đo, phơn tích nhơn t khám phá vƠ phơn tích h i qui. C th :
(1). L p b ng t n s đ mô t m u thu th p theo các thu c tính. (2). ánh giá thang đo:
Vi c đánh giá s b đ tin c y vƠ giá tr c a thang đo đ c th c hi n b ng ph ng pháp h s tin c y Cronbach Alpha vƠ phơn tích nhơn t khám phá EFA thông qua ph n m m x lỦ SPSS 16.0 đ sƠng l c, lo i b các bi n quan sát không đáp ng tiêu chu n (bi n rác).
- Cronbach Alpha:
Cronbach Alpha lƠ phép ki m đ nh th ng kê v m c đ ch t ch (kh n ng gi i thích cho m t khái ni m nghiên c u) c a t p h p các bi n quan sát (các cơu h i) trong thang đo thông qua h s Cronbach Apha. Theo HoƠng Tr ng vƠ Chu Nguy n M ng Ng c (2008), nhi u nhƠ nghiên c u đ ng Ủ r ng khi h s Cronbach Alpha có giá tr t 0,8 tr lên đ n g n 1,0 lƠ thang đo t t; t 0,7 đ n g n 0,8 lƠ s d ng đ c.
C ng có nhi u nhƠ nghiên c u (ví d : Nunally, 1978; Peterson, 1994; Slater, 1995) đ ngh h s Cronbach Alpha t 0,6 tr lên lƠ có th s d ng đ c trong tr ng h p khái ni m đang nghiên c u lƠ m i ho c m i đ i v i ng i tr l i trong b i c nh nghiên c u. Tuy nhiên, Cronbach Alpha không cho bi t bi n nƠo nên lo i b vƠ bi n nƠo nêngi l i. Vì v y, bên c nh h s Cronbach Alpha, ng i ta còn s d ng h s t ng quan bi n t ng (item ậ total correlation) vƠ nh ng bi n nƠo có t ng quan bi n t ng < 0,3 s b lo i b (Nunnally and Burnstein, 1994 trích trong Nguy n ình Th , 2011). V i nghiên c u nƠy, tác gi s gi l i các thang đo có tr s Cronbach Alpha ≥ 0,6 vƠ lo i các bi n quan sát có t ng quan bi n t ng < 0,3. - Phơn tích nhơn t khám phá EFA:
Phơn tích nhơn t khám phá EFA lƠ tên chung c a m t nhóm th t c đ c s d ng ph bi n đ đánh giá thang đo hay rút g n m t t p bi n. Trong nghiên c u nƠy, phơn tích nhơn t đ c ng d ng đ tóm t t t p các bi n quan sát vƠo m t s nhơn t nh t đ nh đo l ng các khía c nh khác nhau c a các khái ni m nghiên c u. Tiêu chu n áp d ng vƠ ch n bi n đ i v i phơn tích nhơn t khám phá EFA bao g m:
+ H s KMO dùng đ đánh giá s thích h p c a EFA. Do đó, EFA đ c g i lƠ thích h p khi: 0,5 ≤ KMO ≤ 1. Kaiser (1974) trích trong Nguy n ình Th (2011) đ ngh , KMO ≥ 0,9 thì r t t t, KMO ≥ 0,8 thì t t, KMO ≥ 0,7 thì đ c, KMO ≥ 0,6 thì t m đ c, KMO ≥ 0,5 thì x u vƠ KMO < 0,5 thì không th ch p nh n đ c. ng th i, ki m đ nh Bartlett xem xét gi thuy t H0(các bi n không có t ng quan v i nhau trong t ng th ), n u ki m đ nh nƠy có Ủ ngh a th ng kê (Sig. < 0,05), ta bác b gi thuy t H0, ngh a lƠ các bi n có t ng quan v i nhau trong t ng th .
+ Tiêu chu n rút trích nhơn t g m ch s Eigenvalue (đ i di n cho l ng bi n thiên đ c gi i thích b i các nhơn t ) vƠ ch s Cumulative (t ng ph ng sai trích cho bi t phơn tích nhơn t gi i thích đ c bao nhiêu % vƠ bao nhiêu % b th t thoát). Theo Gerbing và Anderson (1988), các nhơn t có Eigenvalue <1 s không
có tác d ng tóm t t thông tin t t h n bi n g c (bi n ti m n trong các thang đo tr c khi EFA). Vì th , các nhơn t ch đ c rút trích t i Eigenvalue > 1 vƠ đ c ch p nh n khi t ng ph ng sai trích ≥ 50%. Theo Nguy n Khánh Duy (2009), n u sau phơn tích EFA lƠ phơn tích h i qui thì có th s d ng ph ng pháp trích Pricipal components v i phép xoay Varimax.
+ Tiêu chu n h s t i nhơn t (Factor loading) bi u th t ng quan đ n gi a các bi n v i các nhơnt , dùng đ đánh giá m c Ủ ngh a c a EFA. Theo Hair et al. (1998), Factor loading > 0,3 đ c xem lƠ đ t m c t i thi u; Factor loading > 0,4 đ c xem lƠ quan tr ng; Factor loading > 0,5 đ c xem lƠ có Ủ ngh a th c ti n. ng th i, Hair et al. c ng khuyên, n u ch n Factor loading > 0,3 thì c m u ít nh t ph i lƠ 350, n u c m u kho ng 100 thì nên ch n Factor loading > 0,55; n u c m u kho ng 50 thì Factor loading ph i > 0,75. Ngo i l , có th gi l i bi n có Factor loading < 0,3 nh ng bi n đó ph i có giá tr n i dung. C ng có tác gi quan tơm đ n tiêu chu n khác bi t h s t i nhơn t c a m t bi n quan sát gi a các nhơn t ≥ 0,3 đ đ m b o giá tr phơn bi t gi a các nhơn t (Nguy n ình Th , 2011).
V i nghiên c u nƠy, tác gi s d ng ph ng pháp trích Principal components v i phép xoay Varimax, rút trích các nhơn t có Eigenvalue >1, v i T ng ph ng sai trích ≥ 50%, 0,5 ≤ KMO ≤ 1 và Bartlett’s test (Sig.) < 0,05; lo i b các bi n quan sát có tr s Factor loading ≤ 0,5 hay s khác bi t h s t i nhơn t c a m t bi n quan sát gi a các nhơn t < 0,3.
(3). Th ng kê mô t .
(4). Xơy d ng mô hình h i quituy n tính:
Mô hình h i qui đa bi n đ c s d ng dùng đ phơn tích m i quan h gi a m t bi n ph thu c v i nhi u bi n đ c l p. nghiên c u nƠy, tác gi s th c hi n: Xem xét s t ng quan gi a các bi n, Ki m đ nh các gi đ nh c a mô hình h i qui vƠ Phơn tích h i qui.
- Xem xét s t ng quan gi a các bi n:
S d ng h s Pearson đ xem xét các m i quan h t ng quan tuy n tính gi a bi n ph thu c v i bi n đ c l p, c ng nh gi a các bi n đ c l p v i nhau. N u h s t ng quan gi a bi n ph thu c v i các bi n đ c l p l n, ch ng t gi a chúng có m i quan h v i nhau vƠ phơn tích h i qui tuy n tính có th phù h p. M t khác, n u gi a các bi n đ c l p c ng có t ng quan l n v i nhau thì đó c ng lƠ d u hi u cho bi t gi a chúng có th x y ra hi n t ng đa c ng tuy n (HoƠng Tr ng vƠ Chu Nguy n M ng Ng c, 2008).
- Ki m đ nh các gi đ nh c a mô hình h i qui:
Theo HoƠng Tr ng vƠ Chu Nguy n M ng Ng c (2008), s ch p nh n vƠ di n d ch k t qu h i qui không th tách r i các gi đ nh c n thi t vƠ s ch n đoán v s vi ph m các gi đ nh. N u các gi đ nh b vi ph m, thì các k t qu c l ng đ c không đáng tin c y n a.Vì th , đ đ m b o s di n d ch t k t qu h i qui c a m u cho t ng th có giá tr , ta s ti n hƠnh ki m đ nh các gi đ nh c a hƠm h i qui, bao g m: Liên h tuy n tính; Ph ng sai c a sai s không đ i; Phơn ph i chu n c a ph n d ; Tính đ c l p c a sai s ; Không có hi n t ng đa c ng tuy n.
+ Liên h tuy n tính: Ph ng pháp đ c s d ng lƠ bi u đ phơn tán Scatterplot v i giá tr ph n d chu n hóa trên tr c tung vƠ giá tr d đoán chu n hóa trên tr c hoƠnh. N u gi đ nh liên h tuy n tính th a mưn, thì ta s không nh n th y có liên h gì gi a các giá tr d đoán vƠ ph n d , chúng s phơn tán r t ng u nhiên (HoƠng Tr ng vƠ Chu Nguy n M ng Ng c, 2008).
+ Ph ng sai c a sai s không đ i: Theo HoƠng Tr ng vƠ Chu Nguy n M ng Ng c (2008, trang 226), hi n t ng ph ng sai c a sai s thay đ i có th lƠm cho các c l ng c a h s h i qui không ch ch nh ng không hi u qu (t c lƠ không ph i c l ng phù h p nh t), t đó lƠm cho ki m đ nh các gi thuy t m t hi u l c khi n chúng ta đánh giá nh m v ch t l ng c a mô hình h i qui. th c hi n ki m đ nh nƠy, tác gi s s d ngh s t ng quan h ng Spearman c a giá tr tuy t đ i ph n d vƠ các bi n đ c l p.
+ Phơn ph i chu n c a ph n d : Theo HoƠng Tr ng vƠ Chu Nguy n M ng Ng c (2008, trang 228), ph n d có th không tuơn theo phơn ph i chu n vì nh ng lỦ do: s d ng mô hình không đúng, ph ng sai không ph i lƠ h ng s , s l ng các ph n d không đ nhi u đ phơn tích. Vì v y, ta s d ng nhi u cách kh o sát khác nhau đ đ m b o tính xác đáng c a ki m đ nh. Nghiên c u nƠy s s d ng cách xơy d ng bi u đ t n s Histogram vƠ bi u đ P-P plot đ kh osát phơn ph i c a ph n d .
+ Tính đ c l p c a sai s : Theo HoƠng Tr ng vƠ Chu Nguy n M ng Ng c (2008, trang 232-233), nguyên nhơn hi n t ng nƠy có th lƠ do các bi n có nh h ng không đ c đ a h t vƠo mô hình do gi i h n vƠ m c tiêu nghiên c u, ch n m i liên h tuy n tính mƠ l ra lƠ phi tuy n, sai s trong đo l ng các bi n …, các lỦ do nƠy có th d n đ n v n đ t ng quan chu i trong sai s vƠ t ng quan chu i c ng gơy ra nh ng tác đ ng sai l ch nghiêm tr ng đ n mô hình h i qui tuy n tính nh hi n t ng ph ng sai thay đ i. i l ng th ng kê Durbin-Watson có th dùng đ ki m đ nh t ng quan nƠy. N u Durbin-Watson n m trong đo n t 1 đ n 3 thì có th ch p nh n hi n t ng t t ng quan không x y ra.
+ Không có hi n t ng đa c ng tuy n: Theo HoƠng Tr ng vƠ Chu Nguy n M ng Ng c (2008, trang 235, 252), c ng tuy n lƠ tr ng thái trong đó các bi n đ c l p có t ng quan ch t ch v i nhau. V n đ c a hi n t ng nƠy lƠ chúng cung c p cho mô hình nh ng thông tin r t gi ng nhau vƠ r t khó tách r i nh h ng c a t ng bi n m t đ n bi n ph thu c; lƠm t ng đ l ch chu n c a các h s h i qui và làm gi m tr th ng kê t c a ki m đ nh m c Ủ ngh a trong khi h s R square v n khá cao. Trong mô hình h i qui b i nƠy, gi đ nh gi a các bi n đ c l p c a mô hình không có hi n t ng đa c ng tuy n. Hi n t ng nƠy đ c ki m đ nh thông qua h s phóng đ i ph ng sai VIF (Variance inflation factor). Khi VIF v t quá 10, đó lƠ d u hi u c a đa c ng tuy n. Tuy nhiên, theo Nguy n Hùng Phong (2012), không có tiêu chu n chính xác nƠo c a VIF nói lên đ l n c a VIF lƠ bao nhiêu thì hi n t ng đa c ng tuy n x y ra nh ng theo kinh nghi m n u VIF > 5 thì hi n t ng đa c ng tuy n xu t hi n. V i nghiên c u nƠy, tác gi s d ng VIF ≤ 5 thì không có hi n
t ng đa c ng tuy n ho c n u có hi n t ng đa c ng tuy n x y ra thì c ng không đáng k .
- Phân tích h i qui:
N u các gi đ nh không b vi ph m, mô hình h i qui tuy n tính b i đ c xơy d ng. Ph ng trình h i qui tuy n tính đa bi n có d ng:
Y = B0 + B1*X1 + B2*X2 + B3*X3+ … + Bi*Xi trong đó: Y: m c đ th a mãn;
Xi: các y u t tác đ ng đ n s th a mưn; B0: h ng s , Bi: các h s h i qui (i > 0). Khi ti n hƠnh phơn tích h i qui tuy n tính, ta xem xét:
+ ánh giá đ phù h p c a mô hình h i qui tuy n tính b ng h s xác đ nh R2 đi u ch nh: H s xác đ nh t l bi n thiên c a bi n ph thu c đ c gi i thích b i bi n đ c l p trong mô hình h i qui. ó c ng lƠ thông s đo l ng đ thích h p c a đ ng h i qui theo qui t c R2 cƠng g n 1 thì mô hình xơy d ng cƠng thích h p, R2 cƠng g n 0 mô hình cƠng kém phù h p v i t p d li u m u. Tuy nhiên, R2 có khuynh h ng lƠ m t c l ng l c quan c a th c đo s phù h p c a mô hình đ i v i d li u trong tr ng h p có h n 1 bi n gi i thích trong mô hình. Trong tình hu ng nƠy R2 đi u ch nh (Adjusted R square) đ c s d ng đ ph n ánh sát h n m c đ phù h p c a mô hình tuy n tính đa bi n vì nó không ph thu c vƠo đ l ch phóng đ i c a R2 (Nguy n ình Th , 2011).
+ Ki m đ nh đ phù h p c a mô hình: Ki m đ nh F trong phơn tích ph ng sai lƠ m t phép ki m đ nh gi thuy t v đ phù h p c amô hình tuy n tính t ng th . N u gi thuy t H0 c a ki m đ nh F b bác b thì có th k t lu n mô hình h i qui tuy n tính đa bi n phù h p v i t p d li u vƠ có th s d ng đ c (Nguy n ình Th , 2011). (adsbygoogle = window.adsbygoogle || []).push({});
(5). Ki m đ nh s khác bi t v s hƠi lòng c a sinh viên theo đ c đi m cá nhơn:
Ki m đ nh Independent-samples T-test vƠ ki m đ nh One-Way ANOVA đ c dùng đ xem xét nh h ng c a các bi n liên quan đ n đ c đi m cá nhơn ng i kh o sát đ n m c đ hƠi lòng chung c a sinh viên.
Tóm t tch ng 3:
Sau khi gi i thi u t ng quan v tr ng đ i h c Kinh T - Tài Chính Tp.HCM, ch ng 3 trình bƠy ph ng pháp nghiên c u đ c th c hi n đ xơy d ng, đánh giá các thang đo vƠ mô hình lỦ thuy t v các y u t tác đ ng đ n s hƠi lòng c a sinh viên đ i v i ho t đ ng đƠo t o c a Tr ng UEF. Ph ng pháp nghiên c u đ c th c hi n qua 2 b c, nghiên c u s b vƠ nghiên c u chính th c.
Nghiên c u s b s d ng ph ng pháp nghiên c u đ nh tính thông qua k thu t th o lu n nhóm, qua b c nghiên c u nƠy, các thang đo l ng các khái ni m c ng đ c xơy d ng đ ph c v cho nghiên c u chính th c. Nghiên c u chính th c s d ng ph ng pháp nghiên c u đ nh l ng thông qua k thu t ph ng v n tr c tuy n sinh viên h chính quy v i c m u lƠ 333.
Ch ng 4. K T QU NGHIÊN C U VÀ TH O LU N
Trong ch ng 3 đã trình bày ph ng pháp nghiên c u. Ch ng 4 này nh m
m c đích trình bày k t qu đánh giá, hoàn ch nh các thang đo và k t qu ki m đ nh
mô hình lý thuy t c ng nh các gi thuy t nghiên c u đã đ a ra. Bên c nh đó,
ch ng này c ng trình bàyk t qu ki m đ nh s khác bi t v s hài lòng ch t l ng
d ch v đào t o theo đ c đi m cá nhânvà th o lu n k t qu nghiên c u.
Ch ng này trình bày 6 ph n chính sau: (1) Mô t m u nghiên c u; (2) ánh
giá thang đo; (3) i u ch nh mô hình nghiên c u và gi thuy t nghiên c u; (4)
Ki m đ nh mô hình và gi thuy t nghiên c u; (5) Ki m đ nh s khác bi t v s hài lòng ch t l ng d ch v đào t o theo đ c đi m cá nhân c a sinh viên; (6) Th o lu n