4.5.1. Xem xét ma trận tương quan giữa các biến
Trước khi tiến hành phân tích hồi quy tuyến tính bội, cần phải xem xét mối quan hệ tương quan tuyến tính giữa các biến. Điều này nhằm kiểm định giữa các biến có mối quan hệ tương quan tuyến tính với nhau và các biến độc lập có tương quan với biến phụ thuộc hay không.
Giả thuyết đặt ra cần phải kiểm định là: Cơ sở vật chất Mức độ tin cậy Khả năng đáp ứng Năng lực đội ngũ giảng viên Mức độ hài lòng của sinh viên
Mức độ cảm thông
Giá cả dịch vụ
Giả thuyết Ho: Không có mối quan hệ tương quan tuyến tính giữa các biến trong mô hình
Giả thuyết H1: Có mối quan hệ tuyến tính của các biến trong mô hình Kết quả kiểm định sự tương quan như sau:
Bảng 4.8: Kết quả kiểm định sự tương quan
Ma trận tương quan CSVC MDTC KNDU DNGV MDCT GCDV MDHL CSVC Pearson Correlation 1 0,242** 0,072 0,144* 0,175** 0,038 0,347** Sig. (2-tailed) 0,000 0,264 0,024 0,006 0,549 0,000 MDTC Pearson Correlation 0,242** 1 -0,122 0,210** 0,025 0,132* 0,621** Sig. (2-tailed) 0,000 0,056 0,001 0,700 0,039 0,000 KNDU Pearson Correlation 0,072 -0,122 1 0,144* 0,036 0,045 0,153* Sig. (2-tailed) 0,264 0,056 0,025 0,575 0,488 0,016 DNGV Pearson Correlation 0,144* 0,210** 0,144* 1 0,404** 0,120 0,346** Sig. (2-tailed) 0,024 0,001 0,025 0,000 0,061 0,000 MDCT Pearson Correlation 0,175** 0,025 0,036 0,404** 1 -0,023 0,130* Sig. (2-tailed) 0,006 0,700 0,575 0,000 0,716 0,041 GCDV Pearson Correlation 0,038 0,132* 0,045 0,120 -0,023 1 0,282** Sig. (2-tailed) 0,549 0,039 0,488 0,061 0,716 0,000 MDHL 0,347** 0,621** 0,153* 0,346** 0,130* 0,282** 1 0,000 0,000 0,016 0,000 0,041 0,000 **. Tương quan ở mức ý nghĩa 1%
*. Tương quan ở mức ý nghĩa 5% a. Cỡ mẫu N=245
(Nguồn: Tính toán từ dữ liệu điều tra) Ma trận này cho ta biết mối tương quan giữa biến Mức độ hài lòng của sinh viên (biến phụ thuộc) với các biến độc lập, cũng như sự tương quan giữa các biến độc lập với nhau. Giả thuyết Ho bị bác bỏ với giá trị Sig rất nhỏ 0,000. Với mức ý nghĩa α = 0,05 (độ tin cậy 95%), hệ số tương quan giữa biến phụ thuộc Mức độ hài lòng của sinh viên và các biến độc lập nhìn chung khá cao. Sơ bộ ta có thể kết luận
có mối tương quan giữa biến phụ thuộc và các biến độc lập và có thể đưa các biến độc lập vào mô hình để giải thích cho biến phụ thuộc ở đây là biến Mức độ hài lòng của sinh viên.
Mặc dù hầu hết hệ số tương quan giữa các biến độc lập với nhau không cao nhưng nhiều biến có tương quan ở mức 1% hoặc 5% điều này khiến chúng ta phải xem xét lại thật kỹ vai trò của các biến độc lập này trong mô hình hồi quy tuyến tính bội ta xây dựng được. Như vậy cả 6 biến trong mô hình đều được tác giả đưa vào phân tích hồi quy tuyến tính bội.
4.5.2. Phân tích hồi quy bội
Phân tích tương quan đã chứng minh được rằng, giữa các biến có mối tương quan với nhau, hệ số tương quan có giá trị thấp. Tuy nhiên, việc kiểm tra hiện tượng đa cộng tuyến là cần thiết, nhằm hạn chế những hậu quả nếu xảy ra hiện tượng này. Quá trình phân tích hồi quy tuyến tính bội tiếp theo nhằm kiểm tra có hay không mối quan hệ tuyến tính giữa các thành phần Mức độ hài lòng của sinh viên.
Bảng 4.9: Kết quả phân tích hồi quy bội
Tóm tắt mô hình Mô hình R Hệ số xác định R2 Hệ số xác định R2 điều chỉnh
Sai số chuẩn của mô hình
Hệ số Durbin- Watson
1 0,728a 0,530 0,519 0,51507 2,196
a. Biến độc lập: (Constant), CSVC, GCDV, KNDU, MDCT, MDTC, DNGV b. Biến phụ thuộc: MDHL ANOVAb Mô hình Tổng bình phương sai lệch df Trung bình tổng bình phương sai lệch F Giá trị Sig.
1 Mô hình hồi quy 71,308 6 11,885 44,797 0,000a
Số dư 63,142 238 0,265
Tổng 134,450 244
a. Biến độc lập: (Constant), CSVC, GCDV, KNDU, MDCT, MDTC, DNGV b. Biến phụ thuộc: MDHL
Mô hình hồi quy
Mô hình Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa t Sig. Chỉ số đa cộng tuyến B Sai số chuẩn
Beta Tolerance VIF
1 (Constant) -0,930 0,327 -2,840 0,005 CSVC 0,174 0,048 0,169 3,618 0,000 0,903 1,107 MDTC 0,559 0,049 0,546 11,419 0,000 0,863 1,159 KNDU 0,171 0,044 0,178 3,888 0,000 0,943 1,060 DNGV 0,148 0,050 0,150 2,952 0,003 0,764 1,309 MDCT 0,024 0,048 0,024 0,494 0,622 0,809 1,237 GCDV 0,182 0,046 0,178 3,944 0,000 0,967 1,034 a, Biến phụ thuộc: MDHL
(Nguồn: Tính toán từ dữ liệu điều tra)
Kết quả phân tích hồi quy bội cho thấy:
Kết quả phân tích cho thấy trị số thống kê F được tính từ giá trị R2
có giá trị sig rất nhỏ (sig = 0,000) cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu. Các biến độc lập trong mô hình có quan hệ với biến phụ thuộc và mô hình có thể sử dụng được. Mô hình có R2
là 0,530 và R2 điều chỉnh là 0,519 có nghĩa là mô hình hồi quy tuyết tính bội đã xây dựng phù hợp với tập dữ liệu là 51,9%. Nói cách khác, các yếu tố trong mô hình có tác động đến khoảng 51,9% Mức độ hài lòng của sinh viên. Như vậy, ngoài các yếu tố nêu trên tác động đến sự hài lòng của sinh viên đối với chất lượng dịch vụ đào tạo tại trường Cao đẳng nghề CNTT iSpace, sự hài lòng của sinh viên còn bị ảnh hưởng bởi các yếu tố khác mà nghiên cứu này chưa đề cập đến.
Hệ số phóng đại phương sai VIF (Variance inflation factor) rất nhỏ (nhỏ hơn 2) cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra. Do đó, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy. Bảng kết quả trên cho ta hàm hồi quy có dạng như sau:
MDHL = - 0,930 + 0,174*CSVC + 0,559*MDTC + 0,171*KNDU + 0,148*DNGV + 0,182*GCDV
Trong đó:
CSVC: Cơ sở vật chất MDTC: Mức độ tin cậy KNDU: Khả năng đáp ứng GCDV: Giá cả dịch vụ
DNGV: Năng lực đội ngũ giảng viên MDHL: Mức độ hài lòng
Các hệ số hồi quy mang dấu dương thể hiện các yếu tố trong mô hình hồi quy trên ảnh hưởng tỷ lệ thuận đến sự hài lòng của sinh viên. Bảng kết quả 4.9 trên cho thấy, Mức độ tin cậy có ảnh hưởng đáng kể đến mức độ hài lòng của sinh viên và cũng là nhân tố ảnh hưởng mạnh nhất, kế đó là nhân tố Giá cả dịch vụ, Cơ sở vật chất, nhân tố ảnh hưởng yếu nhất đến Mức độ hài lòng của sinh viên chính là nhân tố Năng lực đội ngũ giảng viên. Riêng nhân tố Mức độ cảm thông do có giá trị Sig. > 0,05 nên bị loại ra khỏi mô hình hay nói cách khác nhân tố Mức độ cảm thông không có ảnh hưởng đến Mức độ hài lòng của sinh viên đối với Chất lượng đào tạo tại trường Cao đẳng nghề CNTT iSpace.
Như vậy kết quả hồi quy cho ta thấy sự hài lòng của sinh viên chịu tác động bởi 5 yếu tố đó là: Mức độ tin cậy, Giá cả dịch vụ, Cơ sở vật chất, Khả năng đáp ứng và Năng lực đội ngũ giảng viên.
4.5.3. Mô hình hiệu chỉnh lần 2
Sau khi phân tích hồi quy bội, mô hình nghiên cứu gồm 5 nhân tố có ảnh hưởng đến Mức độ hài lòng của sinh viên đối với Mức độ hài lòng của học sinh, sinh viên tại trường Cao đẳng nghề CNTT iSpace.
Trong đó, thành phần Mức độ tin cậy là thành phần tác động mạnh nhất đến Mức độ hài lòng của sinh viên, biến Năng lực đội ngũ giảng viên là biến có tác động nhỏ nhất đến đến Mức độ hài lòng của sinh viên. Mô hình nghiên cứu cuối cùng để đánh giá Mức độ hài lòng của học sinh, sinh viên đối với Chất lượng đào tạo tại trường Cao đẳng nghề CNTT iSpace gồm có 5 nhân tố đó là: Cơ sở vật chất, Mức độ tin cậy, Khả năng đáp ứng, Năng lực đội ngũ giảng viên và Giá cả dịch vụ.
Hình 4.4: Mô hình hiệu chỉnh lần 2
(Nguồn: Tác giả nghiên cứu và tổng hợp)
4.5.4. Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
4.5.4.1.Giả định liên hệ tuyến tính
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) thì để đánh giá mức độ đường thẳng phù hợp với dữ liệu khảo sát thì phương pháp khá thông dụng được dùng là vẽ đồ thị phân tán giữa các phần dư và giá trị dự đoán mà mô hình hồi quy tuyến tính cho ra. Người ta hay vẽ biểu đồ phân tán giữa 2 giá trị này đã được chuẩn hóa (standardized) với phần dư trên trục tung và giá trị dự đoán trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán với phần dư, chúng sẽ phân tán rất ngẫu nhiên.
Tác giả thực hiện vẽ biểu đồ phân tán bằng cách sao lưu giá trị dự đoán chuẩn hóa và phần dư chuẩn hóa trong quá trình phân tích hồi quy và sử dụng lệnh sẽ biểu đồ phân tán bằng phần mềm SPSS 16.0. Cơ sở vật chất Mức độ tin cậy Khả năng đáp ứng Năng lực đội ngũ giảng viên Giá cả dịch vụ Mức độ hài lòng của học sinh, sinh
Kết quả từ hình 4.5 cho thấy, phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 chứ không tạo thành một hình dạng nào. Như vậy giả định tuyến tính được thỏa mãn.
Hình 4.5: Biểu đồ phân tán giữa các phần dư và giá trị dự đoán đã được chuẩn hóa
(Nguồn: Tính toán t dữ liệu điều tra)
4.5.4.2.Giả định phương sai của sai số không đổi
Giả định phương sai thay đổi nếu bị vi phạm sẽ gây ra khá nhiều hậu quả tai hại đối với mô hình được ước lượng bằng phương pháp OLS. Nó làm cho các ước lượng của các hệ số hồi quy không chệnh nhưng không hiệu quả, ước lượng của các phương sai bị chệch làm kiểm định các giả thuyết mất hiệu lực và khiến ta đánh giá nhầm về chất lượng của mô hình hồi quy tuyến tính.
Với cỡ mẫu trong luận văn, tác giả sử dụng một loại kiểm định khá đơn giản là kiểm định tương quan hạng Spearman. Giả thuyết đặt ra cho kiểm định là Phương
sai của sai số thay đổi, nếu giả thuyết này đúng thì hệ số tương quan hạng tổng thể giữa phần dư và biến độc lập sẽ khác không.
Với biến mới được xây dựng là ABScuare sau khi sử dụng phần mềm SPSS 16.0 tác giả cũng thu được kết quả như sau:
Bảng 4.10: Kết quả kiểm định Spearman’s
Correlations
ABScuare MDHL Spearman's rho ABScuare Correlation Coefficient 1,000 0,067
Sig. (2-tailed) 0,0 0,296
N 245 245
MDHL Correlation Coefficient 0,067 1,000
Sig. (2-tailed) 0,296 0,0
N 245 246
(Nguồn: Tính toán t dữ liệu điều tra)
Kết quả kiểm định cho thấy chúng ta không thể bác bỏ giả thuyết Ho: hệ số tương quan hạng của tổng thể bằng không, như vậy giả thuyết phương sai của sai số thay đổi bị bác bỏ.
4.5.4.3.Giả định về phân phối chuẩn của phần dư
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,… Vì vậy chúng ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của các phần dư.
Hình 4.6: Biểu đồ tần số của các phần dư
(Nguồn: Tính toán t dữ liệu điều tra)
Từ hình cho ta một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Ở đây ta kỳ vọng phần dư quan sát có phân phối xấp xỉ chuẩn. Vì theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho rằng: “Thật không hợp lý khi chúng ta kỳ vọng rằng các phần dư quan sát có phân phối hoàn toàn chuẩn vì luôn luôn có những chênh lệch do lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong quan sát mẫu cũng chỉ xấp xỉ chuẩn mà thôi”. Như vậy, trong bài nghiên cứu này dựa vào biểu đồ tần số Histogram có thể nói phân phối phần dư xấp xỉ chuẩn (trung bình Mean 0 và độ lệch chuẩn Std. Dev. = 0,984 tức là gần bằng 1).
Từ kết quả biểu đồ Q-Q plot cũng cho ta kết quả để khảo sát phân phối của phần dư. Nhìn từ biểu đồ ta thấy những giá trị của các điểm phân vị của phân phối của biến theo các phân vị của phân phối chuẩn. Những giá trị kỳ vọng này tạo thành một đường chéo. Các điểm quan sát thực tế tập trung khá sát đường chéo. Nên ta có thể kết luận: phân phối phần dư có thể xem như chuẩn.
Hình 4.7: Biểu đồ phân phối chuẩn của phần dư
(Nguồn: Tính toán t dữ liệu điều tra)
4.5.5. Phân tích ảnh hưởng của các biến định tính đến Mức độ hài lòng của sinh viên của sinh viên
Ở những phần trước, chúng ta đã kiểm định các nhân tố đến sự hài lòng của sinh viên cũng như xác định mức độ hài lòng của học sinh, sinh viên đối với Chất lượng đào tạo tại trường Cao đẳng CNTT iSpace. Trong phần này, tác giả tiến hành phân tích ANOVA để xem xét mối quan hệ giữa các nhóm giới tính, năm học, và chuyên ngành học có tác động như thế nào đối với Mức độ hài lòng của sinh viên. Giả thuyết Ho ở đây là không có sự khác biệt về Mức độ hài lòng của sinh viên giữa các nhóm sinh viên có giới tính, năm học và chuyên ngành học khác nhau. Kết quả được trình bày trong các bảng 4.11, 4.12, và 4.13 dưới đây:
Bảng 4.11: Kết quả phân tích ANOVA biến giới tính
Test of Homogeneity of Variances
MDHL
Levene Statistic df1 df2 Sig. 0,514 1 244 0,474
ANOVA
MDHL
Sum of Squares
df Mean Square F Sig.
Between Groups 18,632 1 18,632 38,744 0,000
Within Groups 117,339 244 0,481
Total 135,971 245
(Nguồn: Kết quả khảo sát của tác giả)
Kiểm định Independent-sample T-test được sử dụng để cho ta biết có sự khác biệt trong sự đánh giá mức độ hài lòng của nhóm học sinh, sinh viên có giới tính hay Chuyên ngành khác nhau.
Bảng 4.11 cho ta thấy có sự khác biệt có ý nghĩa thống kê về đánh giá của học sinh, sinh viên về mức độ hài lòng của họ với Chất lượng đào tạo tại trường Cao đẳng nghề CNTT iSpace đối với các nhóm có giới tính khác nhau (giá trị Sig. trong Levene bằng 0,474 > 0,05 nên kết quả ANOVA có thể được sử dụng, giá trị Sig. trong bảng ANOVA bằng 0 nên có sự khác biệt có ý nghĩa thống kê).
Bảng 4.12: Kết quả phân tích ANOVA biến năm học
Test of Homogeneity of Variances
MDHL
Levene Statistic df1 df2 Sig. 0,471 2 243 0,625
ANOVA
MDHL
Sum of Squares
df Mean Square F Sig.
Between Groups 2,364 2 1,182 2,150 0,119
Within Groups 133,607 243 .550
Total 135,971 245
(Nguồn: Kết quả khảo sát của tác giả)
Bảng 4.12 cho ta thấy không có sự khác biệt có ý nghĩa thống kê về đánh giá của học sinh, sinh viên về mức độ hài lòng của họ với Chất lượng đào tạo tại trường Cao đẳng nghề CNTT iSpace đối với các nhóm có năm học khác nhau (do giá trị Sig. trong Levene bằng 0,625 > 0,05 nên kết quả ANOVA có thể được sử dụng
nhưng giá trị Sig. trong bảng ANOVA bằng 0,119 > 0,05 nên không thể bác bỏ giả thuyết Ho là không có sự có sự khác biệt trong đánh giá của những người có số năm theo học khác nhau).
Bảng 4.13: Kết quả phân tích ANOVA biến chuyên ngành học
Test of Homogeneity of Variances
MDHL
Levene Statistic df1 df2 Sig.
1,769 5 240 0,120
ANOVA
MDHL
Sum of Squares
df Mean Square F Sig.
Between Groups 26,944 5 5,389 11,863 0,000
Within Groups 109,026 240 0,454
Total 135,971 245
(Nguồn: Kết quả khảo sát của tác giả)
Trong bảng 4.13 cho thấy Có sự khác biệt trong sự đánh giá mức độ hài lòng của nhóm học sinh, sinh viên có Chuyên ngành khác nhau cụ thể như sau: Có sự khác biệt giữa nhóm học chuyên ngành an ninh mạng với nhóm ngành thiết kế đồ họa và lập trình di động; nhóm ngành quản trị mạng với nhóm ngành thiết kế đồ họa và lập trình di động; nhóm ngành thiết kế đồ họa và bác sĩ máy tính; nhóm ngành lập trình di động và bác sĩ máy tính. (Xem chi tiết trong phần phân tích sâu