8. Kết cấu luận văn
4.2.5.Kết quả nghiên cứu dữ liệu các yếu tố thuộc biến đại diện “Bố
“Bối cảnh giảng dạy”
Giá trị trung bình và độ lệch chuẩn các biến thuộc biến đại diện “Bối cảnh giảng dạy” đƣợc thể hiện trong Bảng 4.5, kết quả này sau khi đã đƣợc loại biến động cơ ra khỏi mô hình.
Bảng 4.19. Đánh giá các yếu tố thuộc biến Bối cảnh giảng dạy
Tiêu chí Kết quả trung bình Độ lệch chuẩn
Phƣơng pháp giảng dạy 3.2000 0.85237
Mục tiêu và yêu cầu rõ ràng 3.5139 1.03626
Khối lƣợng công việc phù hơp 2.5833 0.94075
Đánh giá phù hợp 3.0167 1.09469
Nhấn mạnh tính độc lập 2.7704 0.97980
(Nguồn: Kết quả phân tích SPSS)
Dựa vào Bảng 4.5 nhận thấy, giá trị trung bình yếu tố “Mục tiêu và yêu cầu rõ ràng” đƣợc đánh giá cao nhất (= 3.5139), tiếp đến là biến “Phƣơng pháp giảng dạy” và biến “Đánh giá phù hợp” với giá trị trung bình lần lƣợt là 3.2000 và 3.0167, biến “Khối lƣợng công việc phù hơp” đánh giá thấp nhất với giá trị trung bình là 2.5833. Tuy nhiên ở các nhóm ngành khác nhau sinh viên đƣa ra sự đánh giá khác nhau cho mỗi khía cạnh thuộc bối cảnh giảng
dạy, điều này đƣợc thể hiện ở Hình 4.1
Hình 4.2. Đồ thị so sánh giữa các nhóm ngành
Dựa vào đồ thị nhận thấy SV thuộc chuyên ngành kế toán doanh nghiệp đƣa ra đánh giá khá cao và giống nhau ở cả năm khía cạnh. Cụ thể, đối với khía cạnh “Phƣơng pháp giảng dạy” và khía cạnh “Đánh giá phù hợp” SV các chuyên ngành kế toán doanh nghiệp và kế toán khách sạn nhà hàng đƣa ra đánh giá khá cao và xấp xỉ nhau, điều này chứng tỏ rằng phƣơng pháp giảng dạy của giảng viên và cách thức đánh giá Kết quả đầu ra mà giảng viên tại trƣờng đƣa ra là thích hợp. Đối với khía cạnh “Khối lƣợng kiến thức phù hơp”, SV chuyên ngành kế toán khách sạn nhà hàng đƣa ra đánh giá cao hơn so với SV thuộc hai chuyên ngành còn lại, chứng tỏ khối lƣợng kiến thức giảng dạy cho hai chuyên ngành còn chƣa phù hợp với thời gian mà sinh viên dành để học tập. Khía cạnh “ Kỹ năng” đƣợc SV thuộc chuyên ngành kế toán thƣơng mại dịch vụ đánh giá cao hơn so với hai chuyên ngành còn lại nhƣng
vẫn chỉ vƣợt mức trung bình (>2.5), điều này chứng tỏ trong quá trình giảng dạy giảng viên chƣa đƣa ra đƣợc các phƣơng pháp để sinh viên rèn luyện kỹ năng.
4.3. ĐÁNH GIÁ SỰ PHÙ HỢP CỦA CÁC MÔ H NH HỒI QUY 4.3.1. Mô hình hồi quy phƣơng pháp tiếp cận sâu
a. Phân tích tương quan giữa các biến phụ thuộc mô hình
- Hệ số tƣơng quan giữa biến phụ thuộc phƣơng pháp tiếp cận sâu với các biến độc lập “GD”, “PH”, “KL”, “MT”, “KN” lần lƣợt là 0.56; 0.489; 0.436; 0.409; 0.365 các giá trị đều lớn hơn 0.2 và Sig = 0.000 (<0.05) thỏa điều kiện, vì vậy có thể kết luận có sự tƣơng quan giữa biến phụ thuộc phƣơng pháp tiếp cận sâu với các biến độc lập trong mô hình “Bối cảnh giảng dạy”.
- Các giá trị Sig = 0.000 (<0.05) giữa các biến độc lập trong mô hình đều nhỏ hơn 0.05, vì vậy các biến độc lập trong mô hình đều có mối tƣơng quan với nhau, tức là xảy ra hiện tƣợng đa cộng tuyến.
Mặt khác nhận thấy hệ số tƣơng quan Person giữa các biến nằm trong khoảng 0.4 < r < 0.6 điều này có thể thấy có sự tƣơng quan ở mức trung bình giữa các biến.
Bảng 4. 20. Kết quả tương quan giữa các biến TCS GD PH KL MT KN TCS Pearson Correlation 1 ,567 ** ,489** ,436** ,409** ,365** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 180 180 180 180 180 180 GD Pearson Correlation ,567 ** 1 ,452** ,321** ,246** ,292** Sig. (2-tailed) ,000 ,000 ,000 ,001 ,000 N 180 180 180 180 180 180 PH Pearson Correlation ,489 ** ,452** 1 ,213** ,104 ,137 Sig. (2-tailed) ,000 ,000 ,004 ,165 ,067 N 180 180 180 180 180 180 KL Pearson Correlation ,436 ** ,321** ,213** 1 ,359** ,174* Sig. (2-tailed) ,000 ,000 ,004 ,000 ,019 N 180 180 180 180 180 180 MT Pearson Correlation ,409 ** ,246** ,104 ,359** 1 ,343** Sig. (2-tailed) ,000 ,001 ,165 ,000 ,000 N 180 180 180 180 180 180 KN Pearson Correlation ,365 ** ,292** ,137 ,174* ,343** 1 Sig. (2-tailed) ,000 ,000 ,067 ,019 ,000 N 180 180 180 180 180 180
(Nguồn: Kết quả phân tích SPSS)
b. Đánh giá độ phù hợp của mô hình hồi quy
Kiểm định F sử dụng trong phân tích phƣơng sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp của các biến độc lập
Kết quả phân tích hồi quy của mô hình biến phụ thuộc phƣơng pháp tiếp cận sâu với các biến độc lập thuộc bối cảnh giảng dạy đƣợc trình bày ở Bảng 4.16; Bảng 4.17 và Bảng 4.18
Bảng 4.21. Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,717a ,514 ,500 ,65302
(Nguồn: Kết quả phân tích SPSS) Bảng 4. 22. Phân tích ANOVA về sự phù hợp của phân tích hồi quy
Model Sum of
Squares Df Mean Square F Sig.
1 (adsbygoogle = window.adsbygoogle || []).push({});
Regression 78,511 5 15,702 36,822 ,000a
Residual 74,201 174 ,426
Total 152,712 179
(Nguồn: Kết quả phân tích SPSS) Bảng 4.23. Hệ số hồi quy và thống kê đa cộng tuyến
Del
Hệ số chƣa chuẩn hóa
Hệ số
chuẩn hóa T Sig.
Thống kê đa cộng tuyến
B Std. Error Beta Tolerance VIF
1 Constant -,045 ,244 -,186 ,853 GD ,315 ,069 ,291 4,598 ,000 ,697 1,434 PH ,247 ,053 ,278 4,666 ,000 ,789 1,267 KL ,186 ,058 ,190 3,226 ,002 ,807 1,238 MT ,161 ,050 ,191 3,206 ,002 ,785 1,275 KN ,136 ,054 ,144 2,489 ,014 ,837 1,195
Nhìn vào Bảng 4.16 ta thấy rằng trị thống kê F đƣợc tính từ giá trị R2 đầy đủ khác 0, giá trị Sig. rất nhỏ cho thấy mô hình sử dụng là phù hợp và các biến đều đạt đƣợc tiêu chuẩn chấp nhận (Tolerance > 0.0001). Thêm vào đó, hệ số phóng đại phƣơng sai VIF (Variance inflation factor) của các biến độc lập trong mô hình đều < 2 (1.195-1.434) thể hiện tính đa cộng tuyến của các biến độc lập là không đáng kể và các biến trong mô hình đƣợc chấp nhận.
R2 điều chỉnh từ R2 đƣợc sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến (0.500) vì nó không phụ thuộc vào độ lệch phóng đại của R2. So sánh 2 giá trị R2
và R2 điều chỉnh ở Bảng nhận thấy R2 điều chỉnh nhỏ hơn và dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. Nhƣ vậy, với R2 điều chỉnh là 0.500 cho thấy mô hình có mức độ giải thích tốt 50.0%, mối quan hệ giữa biến phụ thuộc và các biến độc lập là rất chặt chẽ, 5 biến số đó góp phần giải thích 50.0% sự khác biệt về phƣơng pháp tiếp cận sâu.
4.3.2. Mô hình hồi quy phƣơng pháp tiếp cận bề mặt
a. Phân tích tương quan giữa các biến trong mô hình
- Hệ số tƣơng quan giữa biến phụ thuộc phƣơng pháp tiếp cận bề mặt với các biến độc lập “GD”, “PH”, “KL”, “MT”, “KN” lần lƣợt là 0.501; 0.392; 0.434; 0.450; 0.370 các giá trị đều lớn hơn 0.2 và Sig = 0.000 (<0.05) thỏa điều kiện, vì vậy có thể kết luận có sự tƣơng quan giữa biến phụ thuộc phƣơng pháp tiếp cận bề mặt với các biến độc lập trong mô hình “Phƣơng pháp tiếp cận sâu”.
- Các giá trị Sig = 0.000 (<0.05) giữa các biến độc lập trong mô hình đều nhỏ hơn 0.05, vì vậy các biến độc lập trong mô hình đều có mối tƣơng quan với nhau, tức là xảy ra hiện tƣợng đa cộng tuyến.
- Hệ số tƣơng quan Person giữa các biến nằm trong khoảng 0.3 < r < 0.6 điều này có thể thấy có sự tƣơng quan ở mức trung bình giữa các biến.
Bảng 4.24. Kết quả tương quan mô hình phương pháp tiếp cận bề mặt TCM GD PH KL MT KN TCM Pearson Correlation 1 ,501 ** ,392** ,434** ,450** ,370** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 180 180 180 180 180 180 GD Pearson Correlation ,501 ** 1 ,452** ,321** ,246** ,292** Sig. (2-tailed) ,000 ,000 ,000 ,001 ,000 N 180 180 180 180 180 180 PH Pearson Correlation ,392 ** ,452** 1 ,213** ,104 ,137 Sig. (2-tailed) ,000 ,000 ,004 ,165 ,067 N 180 180 180 180 180 180 KL Pearson Correlation ,434 ** ,321** ,213** 1 ,359** ,174* Sig. (2-tailed) ,000 ,000 ,004 ,000 ,019 N 180 180 180 180 180 180 MT Pearson Correlation ,450 ** ,246** ,104 ,359** 1 ,343** Sig. (2-tailed) ,000 ,001 ,165 ,000 ,000 N 180 180 180 180 180 180 KN Pearson Correlation ,370 ** ,292** ,137 ,174* ,343** 1 Sig. (2-tailed) ,000 ,000 ,067 ,019 ,000 N 180 180 180 180 180 180
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
b. Đánh giá độ phù hợp của mô hình hồi quy
Bảng 4.25. Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,672a ,452 ,436 ,70774
(Nguồn: Kết quả phân tích SPSS) Bảng 4.26. Phân tích ANOVA về sự phù hợp của phân tích hồi quy
Model Sum of
Squares Df Mean Square F Sig.
1
Regression 71,755 5 14,351 28,651 ,000a Residual 87,155 174 ,501
Total 158,909 179 (adsbygoogle = window.adsbygoogle || []).push({});
(Nguồn: Kết quả phân tích SPSS) Bảng 4.27. Hệ số hồi quy và thống kê đa cộng tuyến
Model
Hệ số chƣa chuẩn hóa
Hệ số
chuẩn hóa T Sig.
Thống kê đa cộng tuyến
B Std. Error Beta Tolerance VIF
1 (Constant) ,071 ,264 ,269 ,789 GD ,270 ,074 ,245 3,638 ,000 ,697 1,434 PH ,175 ,057 ,193 3,052 ,003 ,789 1,267 KL ,200 ,063 ,200 3,196 ,002 ,807 1,238 MT ,211 ,055 ,245 3,869 ,000 ,785 1,275 KN ,147 ,059 ,153 2,489 ,014 ,837 1,195
(Nguồn: Phân tích dữ liệu từ SPSS)
Kết quả Bảng 4.20 cho thấy giá trị thống kê F đƣợc tính từ giá trị R2
biến đều đạt đƣợc tiêu chuẩn chấp nhận (Tolerance > 0.0001).
Hệ số phóng đại phƣơng sai VIF (Variance inflation factor) của các biến độc lập trong mô hình đều < 2 (1.195-1.434) thể hiện tính đa cộng tuyến của các biến độc lập là không đáng kể và các biến trong mô hình đƣợc chấp nhận.
So sánh 2 giá trị R2
và R2 điều chỉnh ở Bảng nhận thấy R2 điều chỉnh nhỏ hơn và dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. Nhƣ vậy, với R2 điều chỉnh là 0.436 cho thấy mô hình có mức độ giải thích khá tốt 43,6.0%, mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, 5 biến số đó góp phần giải thích 43.6% sự khác biệt về phƣơng pháp tiếp cận bề mặt (PHỤ LỤC 7)
4.3.3. Mô hình hồi quy kết quả đầu ra
a. Phân tích tương quan giữa các biến trong mô hình
Kết quả ở Bảng 4.19 cho thấy:
- Hệ số tƣơng quan giữa biến phụ thuộc Kết quả đầu ra với các biến độc lập “TCS”, “TCM”, lần lƣợt là 0.681; 0.713; các giá trị đều lớn hơn 0.2 và Sig = 0.000 (<0.05) thỏa điều kiện, vì vậy có sự tƣơng quan giữa biến phụ thuộc Kết quả đầu ra với các biến độc lập trong mô hình “Kết quả đầu ra”.
- Các giá trị Sig = 0.000 (<0.05) giữa các biến độc lập trong mô hình đều nhỏ hơn 0.05, vì vậy các biến độc lập trong mô hình đều có mối tƣơng quan với nhau, tức là xảy ra hiện tƣợng đa cộng tuyến.
- Hệ số tƣơng quan Person giữa các biến nằm trong khoảng 0.6 < r < 0.8 điều này có thể thấy có sự tƣơng quan mạnh giữa các biến phụ thuộc, tức là phƣơng pháp học tập tác động lớn đến Kết quả đầu ra của sinh viên.
Bảng 4.28. Kết quả tương quan biến phụ thuộc phương pháp tiếp cận sâu của mô hình “Bối cảnh giảng dạy”
Correlations KQ TCS TCM KQ Pearson Correlation 1 ,681** ,713** Sig. (2-tailed) ,000 ,000 N 180 180 180 TCS Pearson Correlation ,681** 1 ,585** Sig. (2-tailed) ,000 ,000 N 180 180 180 TCM Pearson Correlation ,713** ,585** 1 Sig. (2-tailed) ,000 ,000 N 180 180 180
(Nguồn: Phân tích dữ liệu từ SPSS)
b. Đánh giá độ phù hợp của mô hình hồi quy
Bảng 4.29. Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,784a ,615 ,610 ,57605
(Nguồn: Kết quả phân tích SPSS) Bảng 4.30. Phân tích ANOVA về sự phù hợp của phân tích hồi quy
Model Sum of
Squares Df Mean Square F Sig.
1 (adsbygoogle = window.adsbygoogle || []).push({});
Regression 93,660 2 46,830 141,124 ,000a
Residual 58,735 177 ,332
Total 152,394 179
Bảng 4.31. Hệ số hồi quy và thống kê đa cộng tuyến
Model
Hệ số chƣa chuẩn hóa
Hệ số
chuẩn hóa T Sig.
Thống kê đa cộng tuyến
B Std. Error Beta Tolerance VIF
1
(Constant) ,363 ,169 2,149 ,033
TCS ,401 ,057 ,402 6,982 ,000 ,658 1,520 TCM ,468 ,056 ,478 8,310 ,000 ,658 1,520
(Nguồn: Phân tích dữ liệu từ SPSS)
Kết quả Bảng 4.25 cho thấy giá trị thống kê F đƣợc tính từ giá trị R2
đầy đủ khác 0, giá trị Sig rất nhỏ cho thấy mô hình sử dụng là phù hợp và các biến đều đạt đƣợc tiêu chuẩn chấp nhận (Tolerance > 0.0001).
Hệ số phóng đại phƣơng sai VIF (Variance inflation factor) của các biến độc lập trong mô hình đều < 2 (1.152) thể hiện tính đa cộng tuyến của các biến độc lập là không đáng kể và các biến trong mô hình đƣợc chấp nhận.
So sánh 2 giá trị R2
và R2 điều chỉnh ở Bảng nhận thấy R2 điều chỉnh nhỏ hơn và dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không làm cho mức độ phù hợp của mô hình bị thay đổi. Với R2
điều chỉnh là 0.610 cho thấy mô hình có mức độ giải thích tốt 61.0%, mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, 2 biến số đó góp phần giải thích 61.0% sự khác biệt về Kết quả đầu ra của sinh viên (PHỤ LỤC 3)
4.4. KIỂM ĐỊNH GIẢ THUYẾT NGHIÊN CỨU
4.4.1. Kiểm định các giả thuyết của mô hình “Phƣơng pháp tiếp cận sâu” và mô hình “Phƣơng pháp tiếp cận bề mặt” cận sâu” và mô hình “Phƣơng pháp tiếp cận bề mặt”
Mô hình hồi quy bội “Phƣơng pháp tiếp cận sâu” và “Phƣơng pháp tiếp cận bề mặt” có dạng:
TCM = β0 + β1*GD + β2*PH + β3*KL + β4*MT + β5*KN
Từ Bảng phân tích hồi quy 4.8 và 4.11 ta thấy mối quan hệ giữa biến phụ thuộc phương pháp tiếp cận sâu và biến phụ thuộc phương pháp tiếp cận bề mặtvới 5 biến độc lập đƣợc thể hiện trong phƣơng trình sau:
TCS = - 0.45 + 0.315*GD + 0.247*PH + 0.186*KL + 0.161*MT + 0.136*KN
TCM = 0.71 + 0.27*GD + 0.175*PH + 0.2*KL + 0.211*MT + 0.147*KN
Trong đó
- TCS: Phƣơng pháp tiếp cận sâu - TCM: Phƣơng pháp tiếp cận bề mặt - GD: Phƣơng pháp giảng dạy - PH: Đánh giá phù hợp
- KL Khối lƣợng công việc phù hơp - MT: Mục tiêu và yêu cầu rõ ràng - KN Kỹ năng (adsbygoogle = window.adsbygoogle || []).push({});
a. Phương pháp giảng dạy
Giả thuyết H1 trình bày về mối tƣơng quan thuận giữa phƣơng pháp giảng dạy với phƣơng pháp tiếp cận sâu và phƣơng pháp tiếp cận bề mặt
Kết quả kiểm định đƣợc trình bảy ở Bảng 4.9 cho thấy: Hệ số β = 0.315 khác 0 và sig. = 0.000 < 0.05 chứng tỏ giả thuyết H1 đƣợc chấp nhận với mức ý nghĩa thống kê 1%. Phương pháp giảng dạy có giá trị β cao nhất nên đây là nhân tố quan trọng, tác động nhiều nhất đến việc lựa chọn phƣơng pháp học tiếp cận sâu của sinh viên
Điều này có thể lý giải là, khi SV có phƣơng pháp học tập phù hợp thì việc học trở nên dễ dàng và đạt kết quả cao. Phƣơng pháp tiếp cận sâu có thể phân chia thành nhiều hoạt động (Ghi chép bài đầy đủ theo cách hiểu của
mình; Tóm tắt và tìm ra ý chính khi đọc bài trƣớc ở nhà; Vận dụng các kiến thức đã học để rèn luyện các bài tập, học tập chăm chỉ trong suốt quá trình học). Kết quả nghiên cứu cho thấy, trong phƣơng pháp tiếp cận sâu để học tập thì hoạt động làm bài tập sau mỗi bài học đƣợc SV ƣa chuộng hơn nhiều (giá trị trung bình = 3.43).
Từ kết quả nghiên cứu cho thấy phƣơng pháp giảng dạy của GV tác động tích cực đến việc lựa chọn phƣơng pháp tiếp cận sâu để học tập của SV