6. Kết cấu của luận văn
2.2.3. Phương pháp phân tích thông tin
2.2.3.1. Phương pháp so sánh
So sánh là phương pháp được sử dụng rộng rãi, phổ biến trong phân tích kinh tế nói chung. Mục đích của phân tích so sánh là làm rõ sự khác biệt hay những đặc
trưng của đối tượng nghiên cứu, từ đó giúp các đối tượng quan tâm có căn cứ để đưa ra quyết định lựa chọn.
Có các dạng so sánh thường được sử dụng trong phân tích là: So sánh bằng số tương đối, so sánh bằng số tuyệt đối và so sánh với số bình quân.
2.2.3.2. Phương pháp thống kê mô tả
Sử dụng phương pháp này giúp nhà nghiên cứu có được tài liệu, số liệu về vấn đề nghiên cứu cũng như các vấn đề liên quan. Từ đó tổng hợp, hệ thống hóa tài liệu và phản ánh, phân tích tài liệu theo nhiều khía cạnh khác nhau. Dùng các chỉ số để phân tích, đánh giá biến động của các hiện tượng giúp cho việc tổng hợp số liệu, tính toán các chỉ tiêu một cách đúng đắn, khách quan, có tính suy rộng cho nội dung nghiên cứu.
2.2.3.3. Phương pháp phân tích nhân tố (EFA)
Phương pháp này được dùng để phân tích các nhân tố ảnh hưởng đến mức độ hài lòng của đối tượng điều tra về chất lượng đào tạo nghề cho lao động nông thôn.
Quy trình: - Đánh giá độ tin cậy của thang đo với hệ số Cronbach’s Alpha - Phân tích nhân tố khám phá EFA
- Phân tích tương quan, hồi quy, kiểm định.
a. Đánh giá độ tin cậy của thang đo với hệ số Cronbach’s Alpha
Sử dụng hệ số tin cậy Cronbach Alpha để kiểm định mức độ chặt chẽ và sự tương quan giữa các biến quan sát trong mô hình. Cách làm này cho phép người nghiên cứu có thể loại bỏ những biến không phù hợp trong quá trình nghiên cứu. Theo đó, các biến có hệ số tương quan biến tổng (item-total corelation) lớn hơn 0,3 và có hệ số alpha từ 0,6 trở lên mới được xem là chấp nhận được và thích hợp đi vào phân tích bước tiếp theo [Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008]b; hệ số Cronbach’s Alpha nên từ 0,63 trở lên là sử dụng được [Nguyễn Văn Thắng, 2015].
b. Phân tích nhân tố khám phá EFA
Các thang đo đạt yêu cầu về độ tin cậy sẽ được sử dụng phân tích nhân tố để rút gọn một tập gồm nhiều biến quan sát thành một tập biến (gọi là nhân tố) ít hơn, các nhân tố được rút gọn này sẽ có ỹ nghĩa hơn nhưng vẫn chứa đựng hầu hết các
nội dung thông tin của tập biến quan sát ban đầu [Hair, Anderson, Tatham và Black, 1998]. Các kiểm định chính được thực hiện như sau:
- Kiểm định tính thích hợp của EFA
Sử dụng thước đo KMO để đánh giá sự thích hợp của mô hình EFA đối với dữ liệu thực tế nghiên cứu. Khi giá trị KMO thỏa mãn điều kiện: 0,5<KMO<1, phân tích nhân tố khám phá là thích hợp cho dữ liệu thực tế [Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008]b
- Kiểm định tương quan của các biến quan sát trong thước đo đại diện
Sử dụng kiểm định Barlet để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu mức ý nghĩa của kiểm định Bartlett nhỏ hơn 0.05, thì các biến quan sát có mối tương quan với nhau trong tổng thể.
- Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố
Sử dụng phương sai trích (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phương sai trích phải nhất thiết lớn hơn 50%. Ví dụ phương sai trích là 65%, có ý nghĩa là 65% thay đổi của các nhân tố được giải thích bởi các biến quan sát. [Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008]b
c. Phân tích hồi quy
* Mô hình hồi quy:
Nhằm xác định các nhân tố thực sự ảnh hưởng và mức độ ảnh hưởng của từng nhân tố đến chất lượng đào tạo nghề cho LĐNT.
Biến phụ thuộc là “Chất lượng đào tạo nghề cho LĐNT”, biến độc lập là các nhân tố ảnh hưởng đến chất lượng đào tạo nghề cho LĐNT. Mô hình được xây dựng như sau:
Y = β0 + β1X1 + β2X2 + β3X3 + … + βiXi + εi Trong đó:
Y: Biến phụ thuộc (chất lượng đào tạo nghề cho LĐNT)
Xi: Các biến độc lập (các nhân tố ảnh hưởng đến chất lượng đào tạo nghề cho LĐNT)
β0: hằng số
Các biến độc lập: X1 (Nhân tố đảm bảo); X2 (Nhân tố đáp ứng); X3 (Nhân tố tin cậy); X4 (Nhân tố hữu hình); X5 (Nhân tố cảm thông).
Giả thuyết nghiên cứu:
Giả thuyết 1: Có mối quan hệ tích cực giữa nhân tố “đảm bảo” đến chất lượng đào tạo nghề cho LĐNT trên địa bàn tỉnh Bắc Kạn
Giả thuyết 2: Có mối quan hệ tích cực giữa nhân tố “đáp ứng” đến chất lượng đào tạo nghề cho LĐNT trên địa bàn tỉnh Bắc Kạn
Giả thuyết 3: Có mối quan hệ tích cực giữa nhân tố “tin cậy” đến chất lượng đào tạo nghề cho LĐNT trên địa bàn tỉnh Bắc Kạn
Giả thuyết 4: Có mối quan hệ tích cực giữa nhân tố “hữu hình” đến chất lượng đào tạo nghề cho LĐNT trên địa bàn tỉnh Bắc Kạn
Giả thuyết 5: Có mối quan hệ tích cực giữa nhân tố “cảm thông” đến chất lượng đào tạo nghề cho LĐNT trên địa bàn tỉnh Bắc Kạn
- Kiểm định tương quan từng phần của các hệ số hồi quy
Mục tiêu của kiểm định này nhằm xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ý nghĩa của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig.< 0,05), kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.
- Mức độ 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 này được xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng 0, và mô hình được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác 0.
Giả thuyết Ho: Các hệ số hồi quy đều bằng 0 Đối thuyết H1: Có ít nhất 1 hệ số hồi quy khác 0.
Sử dụng phân tích phương sai ANOVA để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig.< 0,05), ta chấp nhận đối thuyết H1 mô hình được xem là phù hợp.
* Kiểm định các giả thiết của mô hình hồi quy
- Hiện tượng đa cộng tuyến
tích hồi quy sẽ không có hiện tượng đa cộng tuyến. Ngoài ra, ta còn dựa vào hệ số VIF (Variance inflation factor).
- Hiện tượng phương sai của sai số thay đổi
Phương sai của sai số thay đổi là hiện tượng các giá trị của sai số có phân phối không giống nhau và giá trị phương sau không như nhau. Bỏ qua phương sai của sai số thay đổi sẽ làm cho ước lượng của phương pháp bình phương nhỏ nhất (OLS) của các hệ số hồi quy không hiệu quả, các kiểm định giả thuyết không còn giá trị, các dự báo không còn hiệu quả. Để kiểm tra hiện tượng này, ta sử dụng kiểm định White được chạy kết quả từ phần mềm EVIEW, nếu mức ý nghĩa tích số của (số quan sát với R2 của hồi quy phần dư với các biến độc lập) lớn hơn 0,05; kết luận phương sai sai số không đổi.
- Hiện tượng tự tương quan
Hiện tượng tự tương quan là hiện tượng có diễn ra sự tương quan giữa các giá trị trong cùng một thành phần của các biến. Bỏ qua hiện tượng tự tương quan, các ước lượng tính được bằng OLS không còn là ước lượng hiệu quả. Trong mô hình hồi quy tuyến tính cổ điển chúng ta giả định không có tương quan giữa các phần dư hay Cov(ui,uj) = 0 với mọi i, j. Còn nếu tồn tại i và j mà Cov(ui,uj) ≠ 0 thì kết luận có tự tương quan.
Để kiểm định hiện tượng này ta dùng thống kê d của Durbin-Watson:
= -1 => d = 4: tự tương quan hoàn hảo âm
= 0 => d = 2: không có tự tương quan
= 1 => d = 0: tự tương quan hoàn hảo dương
* Phân tích mức độ ảnh hưởng của các nhân tố
- Sử dụng hệ số Beta chưa chuẩn hóa để nói lên ảnh hưởng của từng nhân tố đến biến phụ thuộc.
- Sử dụng Beta chuẩn hóa để xác định nhân tố nào là quan trọng, tác động nhiều nhất đến biến phụ thuộc.