Trình tự tiến hành phân tích dữ liệu được thực hiện như sau:
Bước 1 – Chuẩn bị dữ liệu: thu nhận các bản trả lời, tiến hành làm sạch dữ liệu, mã hóa các dữ liệu cần thiết trong bảng câu hỏi vào phần mềm SPSS 20;
Bước 2 – Thống kê: tiến hành thống kê mô tả dữ liệu thu thập được;
Bước 3 – Phân tích độ tin cậy: tiến hành đánh giá độ tin cậy thang đo bằng Cronbach’s Alpha;
Bước 4 – Phân tích nhân tố khám phá EFA; Bước 5 – Phân tích tương quan Pearson; Bước 6 – Phân tích hồi quy bội;
Bước 8 – Kiểm định sự khác biệt theo các đặc điểm nhân cá nhân và gia đình.
Đánh giá độ tin cậy của thang đo
Phân tích độ tin cậy thông qua nhận xét hệ số Cronbach’ Alpha để loại những biến không phù hợp. Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Hệ số Cronbach’s Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao. Sử dụng phương pháp Cronbach’s Alpha trước khi phân tích nhân tố khám phá EFA để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ, 2013).
Hệ số tin cậy chỉ cho biết các biến đo lường có liên kết với nhau hay không, nhưng không cho biết biến nào cần loại bỏ đi và biến nào cần giữ. Do đó, kết hợp sử dụng hệ số tương quan biến tổng để loại ra những biến không đóng góp nhiều cho khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Các tiêu chí đánh giá
Hệ số tin cậy Cronbach’s Alpha > 0.8 là thang đo lường tốt; 0.7 đến 0.8 là sử dụng được (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008);
Hệ số tương quan biến – tổng: các biến quan sát có tương quan biến – tổng nhỏ (< 0.3) được xem là biến rác thì sẽ bị loại ra và thang đo được chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu. Đối với nghiên cứu này, các biến có hệ số tương quan biến – tổng nhỏ hơn 0.3 sẽ bị loại và hệ số tin cậy Cronbach’s Alpha > 0.7 đạt
0.6 ≤ Cronbach’s Alpha ≤ 0.95 và tương quan biến – tổng > 0.3 (Hoàng Trọng, 2008; Nguyễn Đình Thọ, 2013, trang 364, trang 365).
Tác giả lựa chọn tiêu chí đánh giá độ tin cậy là: 0.6 ≤ Cronbach’s Alpha ≤ 0.95 và tương quan biến – tổng > 0.3
Phân tích nhân tố khám phá EFA
Phân tích nhân tố được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo (gọi là các nhân tố). Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá được dùng để kiểm định giá trị khái niệm của thang đo:
Phƣơng pháp: Đối với thang đo đa hướng, sử dụng phương pháp trích yếu tố điểm dừng khi trích các yếu tố Eigenvalues lớn hơn hoặc bằng 1. Phương pháp này được cho rằng sẽ phản ánh dữ liệu tốt hơn khi dùng Principal Components với phép quay Varimax (Nguyễn Đình Thọ, 2013). Đối với thang đo đơn hướng thì sử dụng phương pháp trích yếu tố Principal Components. Thang đo chấp nhận được khi tổng phương sai trích được bằng hoặc lớn hơn 50%.
Tác giả dùng điều kiện phân tích theo Nguyễn Đình Thọ (2013):
Hệ số KMO ≥ 0,5, mức ý nghĩa của Kiểm định Barlett ≤ 0,05.
Theo Nguyễn Đình Thọ (2013), ta có thể chọn biến có hệ số tải nhân tố lớn hơn hoặc bằng 0.4 vì nội dung của biến đó có đóng góp vào giá trị nội dung của khái niệm đo lường. Mặt khác, cỡ mẫu nghiên cứu của đề tài lên đến 319 nên tác giả quyết định chọn điều kiện phân tích là hệ số tải nhân tố lớn hơn hoặc bằng 0.4.
Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%.
Hệ số Eigenvalues > 1.
Chênh lệch hệ số tải nhân tố của một biến quan sát giữa các nhân tố là ≥ 0.3
Phân tích hồi quy bội
Phân tích tương quan
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson (vì các biến được đo bằng thang đo khoảng) và phân tích hồi quy để kiểm định các giả thuyết. Phân tích tương quan được thực hiện giữa biến phụ thuộc và các biến độc lập nhằm khẳng định có mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập, khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Phân tích tương quan còn giúp cho việc phát hiện những mối tương quan chặt chẽ giữa các biến độc lập, vì những tương quan như vậy sẽ gây ra hiện tượng đa cộng tuyến, ảnh hưởng lớn đến kết quả hồi quy (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tương quan Pearson (r) sẽ nhận giá trị từ +1 đến −1. Nếu r > 0 cho biết một sự tương quan dương giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia và ngược lại. Nếu r < 0 cho biết một sự tương quan âm giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia và ngược lại.
Giá trị r = +1 hoặc r = −1 cho thấy dữ liệu hoàn toàn phù hợp với mô hình tuyến tính. Giá trị tuyệt đối của r càng cao thì mức độ tương quan giữa hai biến càng lớn hoặc dữ liệu càng phù hợp với quan hệ tuyến tính giữa hai biến.
Tuy nhiên, cũng cần phải lưu ý đến dấu hiệu của hiện tượng đa cộng tuyến nếu giữa các biến độc lập có tương quan mạnh với nhau. Khi phân tích Pearson, các biến độc lập và biến phụ thuộc được xem xét như nhau.
Có nhiều quy tắc, kinh nghiệm khác nhau đề nghị mức độ tương quan theo giá trị tuyệt đối r, trong đó quy tắc Evans (1996) được sử dụng phổ biến như sau:
Bảng 3.10: Mức độ tương quan
Nguồn: Evan, J. D., 1996
Phân tích hồi quy bội
Việc lựa chọn các biến đưa vào mô hình hồi quy có thể thực hiện theo một trong các phương pháp sau:
- Phương pháp đưa dần từng biến độc lập; - Phương pháp loại dần từng biến độc lập;
- Phương pháp chọn từng bước (kết hợp giữa đưa vào dần và loại trừ dần) - Phương pháp Enter (SPSS xử lý tất cả các biến đưa vào cùng một lượt).
Nghiên cứu được thực hiện theo phương pháp Enter: tất cả các biến đưa vào một lần và xem xét các kết quả thống kê có liên quan.
Kiểm định
Quy trình kiểm định được thực hiện theo các bước sau:
Đánh giá độ phù hợp của mô hình hồi quy thông qua hệ số xác định R bình phương và R bình phương có hiệu chỉnh.
Kiểm định giả thuyết về độ phù hợp của các biên đưa vào mô hình.
Kiểm định giả thuyết về ý nghĩa của từng hệ số hồi quy.
R Mức độ tƣơng quan
0,00 – 0,19 Tương quan rất yếu 0,20 – 0,39 Tương quan yếu 0,40 – 0,59 Tương quan đáng kể 0,60 – 0,79 Tương quan mạnh
Kiểm định hiện tượng đa cộng tuyến, tự tương quan, phân phối chuẩn của phầ dư.
Xác định mức độ ảnh hưởng của các nhân tố tác động đến quyết định chọn trường để học cao học của các học viên thuộc khối ngành kinh tế trên địa bàn TP. HCM: hệ số bêta của nhân tố nào càng lớn thì có thể nhận xét nhân tố đó có mức độ ảnh hưởng cao hơn các nhân tố khác trong mô hình nghiên cứu.
Kiểm định sự khác biệt theo các đặc điểm nhân khẩu học ảnh hưởng đến quyết định chọn trường để cao học của các học viên thuộc khối ngành kinh tế trên địa bàn TP. HCM thông qua kiểm định ANOVA.
Kết luận chƣơng 3
Chương 3 tác giả trình bày quy trình nghiên cứu, phương pháp lấy mẫu, kích thước mẫu, phương pháp thu thập và phân tích dữ liệu. Một cách tổng quát, những tiêu điểm quan trọng trong chương 3 như sau:
Nghiên cứu sơ bộ: thực hiện khảo sát thử phỏng vấn 07 chuyên gia và 10 học viên cao học để điều chỉnh thang đo nháp và xây dựng bảng câu hỏi nháp. Từ bảng hỏi nháp, tác giả phỏng vấn trực tiếp 50 học viên cao học và tiếp tục điều chỉnh thang đo, xây dựng thang đo và bảng câu hỏi chính thức.
Nghiên cứu chính thức: thực hiện thông qua phương pháp định lượng với bảng khảo sát; lấy mẫu thuận tiện, cỡ mẫu 350. Thang đo sử dụng trong nghiên cứu là thang đo Likert 05 mức độ. Dữ liệu cho nghiên cứu chính thức được thu thập thông qua bảng 334 học viên đang tham gia các khóa học ở 03 trường đại học, gạn lọc được 319 bản sẽ được đưa vào phần mềm SPSS 20 phân tích.
Kết quả nghiên cứu chính thức phân tích dữ liệu bao gồm: kiểm định độ tin cậy, phân tích EFA, phân tích tương quan, hồi quy, kiểm định giả thuyết và thảo luận sẽ được trình bày cụ thể ở chương 4.
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Trong nghiên cứu này, tác giả đã phát ra 350 bảng câu hỏi định lượng, thu về 334 phiếu (đạt tỷ lệ 95,42%), sau khi gạn lọc còn lại 319 bản hợp lệ. Số phiếu hợp lệ sẽ được tác giả dùng phần mềm SPSS 20 để phân tích, xử lý.