5. Sự cảm thông: Thể hiện sự quan tâm thấu hiểu những ƣớc muốn của nhân viên với khách hàng.
SỰ HÀI LÒNG CỦA SINH VIÊN (HAILONG)
25 HAILONG1 Bạn hài lòng với môi trƣờng học tập và nghiên cứu tại trƣờng Đại Học Cửu Long.
26 HAILONG2 Bạn hài lòng và yên tâm với hoạt động giảng dạy tại trƣờng.
27 HAILONG3 Bạn sẽ giới thiệu ngƣời thân và bạn bè về trƣờng khi họ có nhu cầu.
Sau khi thu thập, toàn bộ các phiếu khảo sát đƣợc xem xét và loại đi những phiếu khảo sát không đạt yêu cầu. Sau đó, dữ liệu đƣợc mã hóa, làm sạch và xữ lý bằng phần mềm SPSS 16.0.
Sau đây là một số kỹ thuật phân tích dữ liệu đƣợc sử dụng trong nghiên cứu nhƣ sau:
Bƣớc 1: Mô tả mẫu thu thập
Bƣớc 2: Kiểm định chất lƣợng của thang đo (nhân tố)
Độ tin cậy của thang đo đƣợc đánh giá bằng phƣơng pháp nhất quán nội tại qua hệ số Cronbach Alpha. Hệ số Cronbach Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao. Sử dụng phƣơng pháp hệ số tin cậy Cronbach Alpha trƣớc 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 và Nguyễn Thị Mai Trang, 2007). Hệ số tin cậy Cronbach Alpha chỉ cho biết các biến đo lƣờng có liên kết với nhau hay không nhƣng không cho biết biến nào cần loại bỏ đi và biến nào cần giữ lại. Do đó, kết hợp sử dụng hệ số tƣơng quan biến - tổng để loại ra những biến không đóng góp nhiều cho khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Sử dụng kiểm định Cronbach’s Alpha để đánh giá chất lƣợng của thang đo xây dựng. Thang đƣợc đánh giá chất lƣợng tốt khi:
(1)Hệ số Cronbach’s Alpha của tổng thể lớn hơn 0.6;
(2)Hệ số tƣơng quan biến-tổng của các biến quan sát lớn hơn 0.3 (Corrected Item-Total Correlation).
Bƣớc 4: Phân tích nhân tố khám phá (Exploratory Factor Analysis)
Mô hình phân tích nhân tố khám phá thƣờng đƣợc sử dụng để thu nhỏ và tóm tắc dữ liệu. Nói cách khác, từ một tập hợp n biến quan sát đƣợc rút gọn thành một tập hợp k nhân tố dựa trên cơ sở mối quan hệ tuyến tính giữa các biến quan sát với một nhân tố. Mô hình EFA giúp chúng ta sắp xếp các biến có tƣơng quan với nhau vào trong các nhân tố độc lập để các định các nhân tố hình thành nên mô hình nghiên cứu.(Đinh Phi Hổ, 2014)
Để mô hình EFA đảm bảo độ tin cậy, ta cần thực hiện kiểm định (test) chính sau:
(1)Kiểm định tính thích hợp EFA
Sử dụng thƣớc đo KMO (Kaiser-Meyer-Olkin measure) để đánh giá sự thích hợp của mô hình EFA đối với ứng dụng vào dữ liệu nghiên cứu.
Khi trị số KMO thỏa mãn điều kiện 0.5<KMO<1, phân tích nhân tố khám phá là thích hợp cho dữ liệu thực tế.
(2)Kiểm định tƣơng quan của các biến quan sát trong thƣớc đo đại diện
Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tƣơng quan với nhau trong một thang đo (nhân tố). Khi mức ý nghĩa (Significance, Sig.) của kiểm định Bartlett nhỏ hơn 0.05, các biến quan sát có tƣơng quan tuyến tính với nhân tố đại diện.
(3)Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố
Sử dụng phƣơng sai trích (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phƣơng sai trích nhất thiết phải lớn hơn 50%. Ví dụ khi phƣơng sai trích là 65%, có nghĩa là 65% thay đổi của các nhân tố đƣợc giải thích bởi các biến quan sát (thành phần của Factor).
Để mô hình hồi quy đảm bảo độ tin cậy và hiệu quả, ta cần thực hiện 3 kiểm định chính sau:
(1)Kiểm định tƣơng quan từng phần của các hệ số hồi quy
Mục tiêu của kiểm định này nhằm xem xét biến độc lập tƣơng quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ý nghĩa (Significance, Sig.) của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig.=<0.05), ta kết luận tƣơng quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.
(2)Mức phù hợp của mô hình
Mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình đƣợc xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng không, và mô hình đƣợc xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không.
Giả thuyết: H0: Các hệ số hồi quy đều bằng không. H1: Có ít nhất một hệ số hồi quy khác không.
Sử dụng phân tích phƣơng sai (analysis of variance, ANOVA) để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig.=< 0.05), chấp nhận giả thuyết H1, mô hình đƣợc xem là phù hợp.
(3)Hiện tƣợng phƣơng sai phần dƣ thay đổi
Phƣơng sai của phần dƣ thay đổi (heteroskedasticity) là hiện tƣợng giá trị phần dƣ có phân phối không giống nhau, và giá trị phƣơng sai không nhƣ nhau. Bỏ qua phƣơng sai phần dƣ thay đổi sẽ làm cho ƣớc lƣợng OLS của các hệ số hồi quy không hiệu quả, các kiểm định giả thuyết không còn giá trị, dự báo không còn hiệu quả. Để kiểm tra hiện tƣợng này, ta sử dụng kiểm định Spearman, nếu mức ý nghĩa (Sig.) của các hệ số tƣơng quan hạng Spearman đảm bảo lớn hơn 0.05, ta kết luận phƣơng sai của phần dƣ không đổi.
Về hiện tƣợng đa cộng tuyến (multicollinearity), do bƣớc 2 đã tiến hành phân tích nhân tố khám phá, các biến độc lập của mô hình phân tích hồi quy (các nhân tố (adsbygoogle = window.adsbygoogle || []).push({});
của mô hình EFA) sẽ không có hiện tƣợng đa công tuyến. Do đó, không cần thiết phải thực hiện kiểm định hiện tƣợng đa cộng tuyến.
Mô hình hồi qui tuyến tính bội:
1 2 2, 3 3, 4 4, 5 5, 6 6,
i i i i i i
Y X X X X X
3.6 Tóm tắt
Chƣơng 3 này đã trình bày phƣơng pháp nghiên cứu đƣợc thực hiện để xây dựng, đánh giá các thang đo về mô hình lý thuyết và các yếu tố tác động đến sự hài lòng của sinh viên về chất lƣợng dịch vụ đào tạo tại trƣờng Đại học Cửu Long. Phƣơng pháp nghiên cứu đƣợc thực hiện qua hai bƣớc: nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ sử dụng kỹ thuật thảo luận nhóm và phỏng vấn thử nhằm khám phá các yếu tố tác động đến sự thỏa mãn của sinh viên, đồng thời dùng để điều chỉnh và bổ sung vào thang đo SERVPERF.
Nghiên cứu chính thức sử dụng phƣơng pháp nghiên cứu định lƣợng thông qua phỏng vấn trực tiếp với bảng câu hỏi chi tiết đã đƣợc chuẩn bị sẵn với một mẫu kích thƣớc khoản 260 mẫu. Chƣơng tiếp theo sẽ trình bày kết quả nghiên cứu sự hài lòng của sinh viên về chất lƣợng đào tạo tại trƣờng Đại học Cửu Long.
CHƢƠNG 4