Y u t Ký hi u Các bi n quan sát Ngu n
S hƠi lòng c a sinh viên (SAT)
SAT1 B n s gi i thi u ng i quen c a mình
theo h c t i UEF James (2004) Kang và SAT2 Quy t đ nh theo h c t i UEF lƠ m t l a
ch n đúng đ n c a b n Lassar et al. (2000) SAT3 B n hoƠn toƠn hƠi lòng v ch t l ng d ch
v đƠo t o khi theo h c t i UEF
3.3. Công c thu th p d li u
B ng cơu h i t tr l i đ c thi t k b ng công c Google Drive đư đ c s d ng đ thu th p d li u c n nghiên c u trong đ tài này. Theo Ranjit Kumar (2005), vi c s d ng b ng cơu h iđ thu th p d li u có nh ng l i ích sau:
- Ti t ki m chi phí, th i gian vƠ ngu n nhơn l c.
- m b o đ c tính n danh cao vì ng i nghiên c u vƠ đ i t ng kh o sát không c n ph i g p m t nhau.
NgoƠi ra, c ng d th y r ng v i công c b ng cơu h i nghiên c u chúng ta có th có đ c nh ng thông tin c n thi t t s l ng l n ng i tr l i m t cách nhanh chóng vƠ hi u qu . Tuy nhiên, theo Bless et al. (2006), b ng cơu h i t tr l i có m t s h n ch nh sau:
- Trình đ h c v n vƠ s hi u bi t c a ng i tr l iđ i v i các thu t ng s d ng trong b ng cơu h i lƠ không bi t tr cđ c.
- T l tr l iđ i v i các b ng cơu h i lƠ khá th p.
Sau khi xem xét nhu c u thu th p d li u, nh ng đi m m nh vƠ đi m y u c a công c Google Drive c ng nh công c thu th p thông tin mƠ các nghiên c u liên quan đư s d ng, b ng cơu h i đưđ c thi t k b ng công c Google Drive đ cs d ng đ thu th p d li uc nthi t.
3.4. Kích th cm u vƠ ph ng pháp ch nm unghiên c u
Theo Nguy n V n Tu n (2007), u c l ng s l ng đ i t ng c n thi t lƠ m t b c c c k quan tr ng trong vi c thi t k nghiên c u đ m b o có Ủ ngh a khoa h c. Vì nó quy t đ nh thƠnh công hay th t b i c a nghiên c u. N u s l ng đ i t ng không đ thì k t lu n rút ra t nghiên c u không có đ chính xác cao, th m chí không th k t lu n đ c gì. Ng c l i, n u s l ng đ i t ng quá nhi u h n so v i s m u c n thi t thì tƠi nguyên, ti n b c vƠ th i gian s b hao phí.
Theo các nhà nghiên c u:
- ti n hƠnh phơn tích h i qui m t cách t t nh t, theo Tabachnick vƠ Fidell (2007), kích th c m u ph i b o đ m theo công th c: n ≥ 8m + 50 (n lƠ c m u, m lƠ s bi n đ c l p trong mô hình); trong khi đó, theo Harris RJ. Aprimer (1985), n ≥ 104 + m (v i m lƠ s l ng bi n đ c l p vƠ ph thu c), ho c n ≥ 50 + m, n u m < 5. - Tr ng h p s d ng ph ng pháp phơn tích nhơn t khám phá EFA (Exploratory Factor Analysis), Hair et al. (1998) cho r ng kích th c m u t i thi u ph i lƠ 50, t t h n lƠ 100 vƠ t l s bi n quan sát/bi n đo l ng lƠ 5/1, ngh a lƠ c m i bi n đo l ng c n t i thi u 5 quan sát.
Nghiên c u nƠy s d ng ph ng pháp phơn tích nhơn t khám phá EFA, mô hình nghiên c u có s bi n quan sát lƠ 40 nên theo Hair et al. thì kích th c m u t i thi uc n thi t cho nghiên c u lƠ 40*5=200.
Ph ng pháp ch n m u lƠ phi ng u nhiên - ch n m u theo h n ng ch. Kích th c m u cho m i đ nv thành ph n ph thu c vào s l ng sinh viên theo n m h c, ngƠnh h c vƠ b c đƠo t o. V i kho ng h n 1100 sinh viên h chính quy (Cao đ ng và i h c), đ đ t đ c kích th c m u đ ra vƠ đ m b o cho k t qu nghiên c u đ i di n đ c cho t ng th , 900 b ng cơu h i g i đi ph ng v n, k t qu thu v đ c 333 m u h p l . Nh v y, s l ng m u 333 lƠ ch p nh n đ c đ i v i đ tƠi nghiên c u nƠy.
3.5. Ph ng pháp phơn tích d li u
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