3.5.2.1. Phương pháp thu thập dữ liệu
Thu thập dữ liệu sơ cấp: dữ liệu sơ cấp được nhóm tác giả thu thập thông qua việc điều tra, khảo sát thực tế qua bảng hỏi online.
3.5.2.2. Phương pháp phân tích dữ liệu
Xử lý dữ liệu: dữ liệu sơ cấp thu được từ bảng hỏi sẽ được nhóm tác giả tổng hợp, kiểm tra và sắp xếp lại cho phù hợp với đề tài nghiên cứu. Các câu trả lời không hợp lệ như chọn thiếu đáp án, hay người thực hiện khảo sát không thuộc đối tượng nghiên cứu sẽ bị loại bỏ.
hành mã hóa để thuận tiện cho việc xử lý dữ liệu. Giới tính ‘Nam’ được quy ước là 0, ‘Nữ’ được quy ước là 1. Các câu hỏi về nhận thức được quy ước theo thang đo Likert 5 điểm, điểm lần lượt là: 1 – Rất không đồng ý, 2 – Không đồng ý, 3 – Bình thường, 4 – Đồng ý, 5 – Rất đồng ý.
Thống kê đặc điểm của mẫu quan sát: dữ liệu về mẫu quan sát được thống kê các đặc điểm nhân khẩu học bao gồm: năm học, giới tính, trường học, khối ngành,...
Đánh giá độ tin cậy của thang đo: việc phân tích hệ số Cronbach’s Alpha được áp dụng để đánh giá độ tin cậy của các thang đo so với các câu hỏi nghiên cứu.
Phân tích nhân tố khám phá – EFA: mục đích của phân tích nhân tố khám phá là đánh giá về giá trị phân biệt và và mức độ hội tụ của thang đo, qua đó đồng thời kiểm tra khả năng gộp thành các nhân tố, phản ánh chính xác thành phần đo lường các biến trong mô hình. Phương pháp này được đánh qua các tiêu chí như hệ số KMO, hệ số tải nhân tố, các giá trị đặc trưng và phương sai sai trích.
Phân tích nhân tố khẳng định CFA: sau khi xác định được các nhân tố cho bộ dữ liệu qua phân tích EFA, phương pháp phân tích nhân tố khẳng định CFA tiếp tục được sử dụng để đưa ra kết luận về chất lượng của thang đo và chuẩn bị cho kiểm định các giả thuyết nghiên cứu.
Kiểm tra mô hình cấu trúc tuyến tính SEM: mô hình cấu trúc tuyến tính SEM được sử dụng để kiểm định các giả thuyết nghiên cứu được đề ra có phù hợp với các dữ liệu thực tế thu được hay không, thực hiện bằng cách đánh giá mức độ tác động của các giả thuyết nghiên cứu được đề ra dựa vào hệ số chuẩn hóa, giá trị sai số, P-value khi chạy mô hình SEM bằng phần mềm AMOS 20.0.
Kiếm định độ tin cậy của mô hình bằng phương pháp Bootstrap: so sánh khoảng chênh lệch giữa ước lượng mô hình ban đầu và giá trị trung bình bằng phương pháp Bootstrap, từ đó có thể đánh giá được độ tin cậy của mô hình và ý nghĩa của mô hình khi có kích thước mẫu lớn.
Phân tích phương sai ANOVA: tại nghiên cứu này nhóm tác giả thực hiện kiểm định ANOVA giữa các biến kiểm soát về đặc điểm của sinh viên như “giới
tính”, “tình trạng việc làm”, “năm học”, “khối ngành”, “điều kiện sống hiện tại”, “kinh nghiệm sử dụng Internet”, “tần suất sử dụng Internet” và “mức độ gắn kết các mối quan hệ của sinh viên” với biến phụ thuộc nghiện Internet. Ngoài ra nhóm tác giả còn kiểm tra sự khác biệt về trung bình nhận thức về hỗ trợ xã hội dựa theo mức độ gắn kết các mối quan hệ của sinh viên. Kiểm định T-test và phân tích ANOVA được áp dụng để xem xét sự khác biệt về giá trị trung bình của biến phụ thuộc với các nhóm biến quan sát.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU