6. Tổng quan tài liệu nghiên cứu
2.3.2. Phân tích dữ liệu
a. Kiểm định thang đo bằng hệ số Cronbach’s Alpha
Hệ số Cronbach’s Alpha là một chỉ tiêu thống kê đánh giá mức độ chặt chẽ mà các biến quan sát với nhau, là chỉ tiêu đo lƣờng sự phù hợp của thang
đo đối với từng biến quan sát. Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) mà các mục hỏi trong thang đo tƣơng đƣơng với nhau, hay nói cách khác hệ số Cronbach’s Alpha này cho biết các đo lƣờng có liên kết với nhau không. Nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s Alpha có giá trị từ 0,8 trở lên đến gần 1,0 là thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhiều nhà nghiên cứu đề nghị hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Vì vậy, đối với nghiên cứu này, tác giả áp dụng hệ số Cronbach’s Alpha từ 0,6 trở lên là sử dụng đƣợc. Tuy nhiên, nếu một hệ số Cronbach’s Alpha quá lớn (α > 0,95), cho thấy có nhiều biến trong thang đo không khác gì nhau, nghĩa là chúng cùng đo lƣờng một nội dung nào đó của khái niệm nghiên cứu (Nguyễn Đình Thọ, 2011).
Tuy nhiên, Cronbach’s Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach’s Alpha, ngƣời ta còn sử dụng hệ số tƣơng quan biến tổng (iterm – total correlation) và những biến nào có tƣơng quan biến tổng < 0,3 sẽ bị loại bỏ (biến rác). Việc loại bỏ cần phải cân nhắc giá trị nội dung của khái niệm nghiên cứu (Nguyễn Đình Thọ, 2011).
b. Phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis)
Phân tích nhân tố khám phá nhằm khám phá ra ra những nhân tố mới hay rút ngắn biến quan sát để gom thành một số ít biến quan trọng nhất. Sau khi đánh giá sơ bộ thang đo bằng hệ số Cronbach’s Alpha, bƣớc đầu tiên quan trọng của phân tích nhân tố là xây dựng ma trận nhân tố (Component Matrix). Phƣơng pháp rút trích đƣợc chọn để phân tích nhân tố là phƣơng pháp trích
nhân tố Principal Components Analysis với phép xoay Varimax với các hệ số nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt yêu cầu.
Bƣớc tiếp theo trong việc phân tích các nhân tố trong nghiên cứu này, tác giả tiến hành kiểm định sự thích hợp của phân tích nhân tố khám phá EFA thông qua hệ số Kaiser-Meyer-Olkin (KMO). Để sử dụng EFA, KMO phải lớn hơn 0,5 ( 0,5 ≤ KMO ≤ 1). Trƣờng hợp KMO < 0,5 thì có thể dữ liệu không thích hợp với phân tích nhân tố khám phá (Nguyễn Đình Thọ, 2011).
Tiêu chuẩn Eigenvalue là một tiêu chí sử dụng phổ biến trong việc xác định số lƣợng nhân tố trích trong phân tích EFA. Với tiêu chí này, số lƣợng nhân tố đƣợc xác định ở nhân tố có Eigenvalue tối thiểu bằng 1. Ngoài ra, tổng phƣơng sai trích (TVE) cần phải đƣợc xem xét, tổng này phải lớn hơn 0,5 (50%), nghĩa là phần chung phải lớn hơn phần riêng (Nguyễn Đình Thọ, 2011).
Tiêu chuẩn hệ số tải nhân tố (Factor loadings) hay trọng số nhân tố biểu thị tƣơng quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và cộng sự (1998) thì Factor loading > 0,3 đƣợc xem là đạt mức tối thiểu; Factor loading > 0,4 đƣợc xem là quan trọng; Factor loading > 0,5 đƣợc xem là có ý nghĩa thực tiễn. Ngoài ra, chênh lệch giữa các hệ số tải nhân tố của một biến quan sát phải lớn hơn 0,3. Tuy nhiên, cũng giống nhƣ Cronbach’s Alpha, việc loại bỏ các biến quan sát cần phải xem xét sự đóng góp về mặt nội dung của biến đó trong khái niệm nghiên cứu (Nguyễn Đình Thọ, 2011).
c. Xây dựng mô hình hồi quy bội tuyến tính
Mục tiêu của bƣớc này là đánh giá chi tiết mức độ tác động của từng nhân tố, nhóm nhân tố tới sự hài lòng của ngƣời lao động. Mức độ ảnh hƣởng thể hiện thông qua các con số trong phƣơng trình hồi quy. Những nhân tố nào có chỉ số Beta lớn hơn sẽ có mức độ ảnh hƣởng cao hơn.
Phân tích hồi quy để xác định mức ý nghĩa Sig và hệ số xác định R2 để chứng tỏ sự phù hợp của mô hình, xem xét giá trị sig đối với từng nhân tố và nếu sig >= 0,05 thì loại nhân tố đó ra khỏi mô hình. Tiếp theo tiến hành các kiểm định các giả thuyết và kiểm định khắc phục các hiện tƣợng nhƣ đa cộng tuyến, tự tƣơng quan và phƣơng sai không đồng nhất (nếu có).
d.Kiểm định các nhân tố đặc điểm cá nhân
Đối với kiểm định một biến định tính và một biến định lƣợng, trong đó biến định tính chỉ có 2 sự lựa chọn (ví dụ giới tính Nam hoặc Nữ) ta sử dụng phƣơng pháp kiểm định mối quan hệ bằng phƣơng pháp T-Test for Independent Groups.
Còn đối với trƣờng hợp kiểm định giữa một biến định lƣợng với một biến định tính có nhiều hơn hai sự lựa chọn ta sử dụng phƣơng pháp kiểm định Oneway Anova.
TIỂU KẾT CHƢƠNG 2
Trong chƣơng 2, để nghiên cứu sự tác động của chất lƣợng dịch vụ đào tạo đến sự hài lòng của sinh viên ngành Du lịch tại trƣờng Cao đẳng Nghề Đà Nẵng, trƣớc hết tác giả đi giới thiệu những đặc điểm của trƣờng và của khoa Du lịch, sau đó tác giả trình bày quy trình nghiên cứu thông qua thiết kế mô hình, xây dựng thang đo, xây dựng phƣơng án thu thập dữ liệu và nêu các quy trình xử lý dữ liệu. Tác giả đƣa ra mô hình gồm 6 biến độc lập (Chƣơng trình đào tạo, Đội ngũ giảng viên và phƣơng pháp giảng dạy, Hoạt động quản lý và hỗ trợ đào tạo, Giáo trình, tài liệu học tập, Cơ sở vật chất, Kết quả đạt đƣợc tác động đến biến phụ thuộc (Sự hài lòng của sinh viên về chất lƣợng dịch vụ đào tạo). Đồng thời tác giả đƣa ra 6 giả thuyết ban đầu, các giả thuyết này sẽ là cơ sở quan trọng để tiến hành khảo sát thực trạng, đánh giá kết quả khảo sát ở chƣơng tiếp theo. Trên cơ sở đó phân tích và làm sáng tỏ về chất lƣợng dịch vụ đào tạo trƣờng Cao đẳng đồng thời nhấn mạnh các nhân tố ảnh hƣởng của chất lƣợng dịch vụ đào tạo đến sự hài lòng của sinh viên ngành Du lịch tại trƣờng Cao đẳng nghề Đà Nẵng.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU