Hình 3.3: Mô hình và thang đo nghiên cứu chính thức
(Nguồn: Tổng hợp của tác giả) 3.4.1.4 Những giả thuyết cho mô hình nghiên cứu chính thức
Giả thuyết nghiên cứu:
- H1: Nhân tố Phương diện Học thuật ảnh hưởng đến mức độ hài lòng của sinh viên về CLDVĐT.
- H2: Nhân tố Phương diện Phi học thuật ảnh hưởng đến mức độ hài lòng của sinh viên về CLDVĐT.
- H3: Nhân tố Danh tiếng có tác động đến mức độ hài lòng của sinh viên về CLDVĐT.
- H4: Nhân tố Tiếp cận có tác động đến mức độ hài lòng của sinh viên về CLDVĐT.
- H5: Nhân tố Chương trình đào tạo có ảnh hưởng đến mức độ hài lòng của sinh viên về CLDVĐT.
Sự hài lòng của sinh viên đối với
chất lượng dịch vụ đào tạo tại Khoa Du lịch Trường ĐH Công nghiệp TP.HCM Phương diện Học thuật Phương diện Phi
học thuật Danh tiếng Tiếp cận Chương trình đào tạo H1 H2 H3 H4 H5
3.4.2 Nghiên cứu chính thức
Sau khi đã thực hiện xong giai đoạn nghiên cứu sơ bộ và rút ra được mô hình và thang đo nghiên cứu chính thức. Tác giả tiến hành giai đoạn nghiên cứu chính thức, giai đoạn này được thực hiện bằng cách thức tác giả gửi trực tiếp phiếu khảo sát đến đối tượng khảo sát – phiếu khảo sát là một bảng câu hỏi được soạn sẵn. Mục đích là để thu thập dữ liệu và nhận ý kiến của chính đối tượng khảo sát là sinh viên đang theo học tại Khoa Du lịch Trường HUFI đánh giá về CLDVĐT của nhà trường, từ đó cho thấy được các nhân tố nào tác động đến sự hài lòng của đối tượng khảo sát. Tác giả cũng xin tóm tắt ngắn gọn một số vấn đề cần chú ý và thực hiện trong giai đoạn này như sau:
3.4.2.1 Đối tượng khảo sát
Đối tượng khảo sát là sinh viên đang theo học năm 1, năm 2, năm 3 tại Khoa Du lịch Trường HUFI (tại thời điểm khảo sát, trường chưa có sinh viên đang học năm 4).
3.4.2.2 Thiết kế bảng câu hỏi
Tác giả tiến hành thiết kế Bảng khảo sát chính thức để đánh giá các nhân tố ảnh hưởng đến sự hài lòng của sinh viên đối với CLDVĐT tại Khoa Du lịch Trường HUFI. Bảng khảo sát chính thức được thiết kế tương tự như bảng khảo sát trong giai đoạn nghiên cứu định lượng sơ bộ, tuy nhiên, bảng khảo sát trong giai đoạn này chỉ còn sáu (06) nhân tố - bao gồm 5 nhân tố độc lập và 1 nhân tố phụ thuộc; 29 biến quan sát – gồm 26 biến độc lập (trong đó 19 biến tác giả kế thừa của Abdullah 2006 và 7 biến do tác giả đề xuất), 3 biến phụ thuộc tác giả kế thừa của Đặng Thị Hồ Thủy 2018. Tác giả tiến hành sắp xếp lại trật tự cũng như mã hóa lại các biến quan sát theo bảng khảo sát chính thức được tác giả trình bày ở Phụ lục 7.
3.5 Xác định cỡ mẫu
Theo Nguyễn Đình Thọ (2013) cho rằng kích thước mẫu cần cho nghiên cứu phụ thuộc vào nhiều yếu tố như phương pháp xử lý (hồi qui, phân tích nhân tố khám phá EFA, mô hình cấu trúc tuyến tính SEM,…) hoặc là độ tin cậy cần thiết,… Hầu
hết các nghiên cứu có số lượng mẫu tiến đến gần với số lượng tổng thể thì sẽ cho ta có được một kết quả nghiên cứu chính xác hơn so với số lượng mẫu khá nhỏ so với tổng thể. Tuy nhiên, việc thu thập một nguồn dữ liệu có kích thước mẫu lớn là tương đối khó khăn về mặt thời gian và chi phí. Chính vì vậy, cũng có không ít những nghiên cứu đã chỉ ra kích thước mẫu được lựa chọn với số liệu như thế nào là phù hợp, giúp ích cho các công cuộc nghiên cứu của các nhà nghiên cứu.
Theo nghiên cứu của Tabachnick và Fidell (1996) đã cung cấp cho giới nghiên cứu công thức để tính kích thước mẫu là n = 50 + 8*m (với m là số biến độc lập). Như vậy nếu tính theo công thức này thì mô hình nghiên cứu của tác giả bao gồm 5 biến độc lập, vậy số lượng mẫu tối thiểu cần phải lấy cho đề tài này là 90 mẫu.
Ngoài ra, theo nghiên cứu của Hair và cộng sự (2006), đối với phân tích nhân tố khám phá EFA thì cho rằng kích thước mẫu sử dụng tối thiểu là 50, tốt hơn là 100 và tỷ lệ số biến quan sát/biến đo lường là 5:1 (tức 1 biến đo lường cần tối thiểu 5 quan sát), từ đó ta có công thức tính kích thước mẫu n = 5*x (trong đó x là số biến quan sát). Đối với nghiên cứu này của tác giả có tổng cộng 26 biến quan sát, vậy số lượng mẫu tối thiểu tác giả cần phải thu thập là 130 mẫu.
Từ hai (02) công thức xác định kích thước mẫu như trên và dựa trên nguyên tắc mẫu càng lớn thì độ tin cậy càng cao, kết quả nghiên cứu chính xác hơn, tác giả chọn cỡ mẫu cho nghiên cứu của mình tối thiểu là 130 mẫu.
3.6 Phương pháp phân tích dữ liệu
Các dữ liệu sau khi được thu thập thông qua việc khảo sát trực tiếp trả lời bảng câu hỏi của đối tượng nghiên cứu sẽ được xử lý bằng excel và phần mềm thống kê SPSS 20.0. Kết quả thu về của dữ liệu sẽ được tác giả dựa trên một số phương pháp phân tích được sử dụng trong nghiên cứu như sau:
3.6.1 Kiểm định Cronbach’s alpha và Corrected Item – Total Correlation
Kiểm định Cronbach’s alpha là kiểm định nhằm phân tích, đánh giá độ tin cậy của thang đo. Mục đích của kiểm định này là tìm hiểu xem các biến quan sát có cùng đo lường cho một khái niệm cần đo hay không. Giá trị đóng góp nhiều hay ít
được phản ánh thông qua hệ số tương quan biến tổng Corrected Item – Total Correlation. Qua đó, cho phép loại bỏ những biến không phù hợp trong mô hình nghiên cứu.
Về lý thuyết, hệ số Cronbach’s alpha càng cao càng tốt, có nghĩa là thang đó có độ tin cậy càng cao. Tuy nhiên, điều này không thực sự như vậy; vì hệ số Cronbach’s alpha quá lớn (> 0,95) cho thấy có nhiều biến trong thang đo không có khác biệt gì với nhau nghĩa là chúng có cùng đo lường một nội dung nào đó của khái niệm nghiên cứu. Hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường (redundancy). Vì vậy, Cronbach’s alpha ≥ 0,6 là thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally & Bernstein 1994) (Nguyễn Đình Thọ 2013).
Các biến đo lường dùng để đo lường cùng một khái niệm nghiên cứu nên chúng phải có tương quan chặt chẽ với nhau. Vì vậy, khi kiểm tra từng biến đo lường chúng ta sử dụng hệ số tương quan biến tổng (item – total correlation). Nếu một biến đo lường có hệ số tương quan biến tổng hiệu chỉnh ≥ 0,3 thì biến đó đạt yêu cầu (Nunnally và Bernstein 1994). Tuy nhiên, nếu chúng trùng lắp hoàn toàn (r = 1) thì hai biến đo lường này thật sự chỉ làm một việc và chúng chỉ cần một trong hai biến là đủ. Vì vậy, một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,75 – 0,95].
Dựa vào khung lý thuyết trên, đối với nghiên cứu này, tác giả sử dụng tiêu chuẩn để chấp nhận các biến là Cronbach’s alpha > 0,6 và Corrected Item – Total Correlation ≥ 0,3.
3.6.2 Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Phương pháp EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố chứa đựng ý nghĩa về mặt tính đơn hướng, hội tụ và tách biệt hơn. Cần chú ý là Cronbach’s alpha cần phải được thực hiện trước để loại các biến rác (garbage items) trước khi thực hiện phân tích EFA. Qui trình này giúp tránh được các biến rác vì các biến rác này có thể tạo nên các nhân tố giả (artificial factors) khi phân tích EFA (Churchill 1979). Tác giả tiến hành EFA theo từng bước như sau:
Bước 1: Kiểm tra điều kiện để phân tích EFA. Phân tích EFA dựa trên cơ sở mối quan hệ giữa các biến đo lường Xi. Vì vậy, trước khi quyết định sử dụng EFA chúng ta cần phải xem xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số tương quan (correlation matrix) có thể nhận biết được mức độ quan hệ giữa các biến. Theo Hair và cộng sự (2006), nếu hệ số tương quan nhỏ (< 0,3) sử dụng EFA là không phù hợp. Một số tiêu chí sử dụng để đánh giá mối quan hệ giữa các biến:
Kiểm định Bartlett (Bartlett ’s test of sphericity): nếu phép kiểm định có p < 0,05, ta kết luận ma trận tương quan là ma trận đơn vị, nghĩa là các biến có quan hệ nhau.
Kiểm định KMO (Kaiser – Meyer – Olkin measure of Sampling Adequacy) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan từng phần của chúng (Norusis 1994). KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn và để sử dụng EFA, KMO phải > 0,5 (Nguyễn Đình Thọ 2013).
Kích thước mẫu: để sử dụng EFA cần phải có kích thước mẫu lớn. Trong EFA, kích thước mẫu thường được xác định dựa vào kích thước tối thiểu và số lượng biến đo lường đưa vào phân tích. Theo mục 3.5, tác giả đã chọn kích thước mẫu tối thiểu là 130 mẫu.
Tóm lại, tiêu chuẩn cho nghiên cứu này của tác giả là mức ý nghĩa Sig của Barlett’s Test of Sphericity < 0,05; KMO > 0,5 và kích thước mẫu tối thiểu phải là 130 phiếu khảo sát.
Bước 2: Đánh giá giá trị thang đo bằng EFA
Trọng số nhân tố hay còn gọi là hệ số tải nhân tố (Factor loading). Đối với thuộc tính này, cần phải chú ý hai tiêu chí, một là hệ số tải nhân tố phải ≥ 0,5 (là giá trị được chấp nhận trong thực tiễn) và hai là nếu chênh lệch trọng số của biến đó < 0,3 thì cần loại bỏ biến này(Nguyễn Đình Thọ 2013). Hay theo Hair và cộng sự (1998) hệ số factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0,3 được xem là đạt mức tối thiểu, factor loading > 0,4
được xem là quan trọng, factor loading > 0,5 được xem là có ý nghĩa thực tiễn (Nguyễn Khánh Duy 2009). Đạt được tiêu chí này thì các biến quan sát đạt được giá trị hội tụ và giá trị phân biệt.
Số lượng nhân tố trích: có nhiều phương pháp chọn nhân tố hay còn gọi là chọn điểm dừng và dừng ở nhân tố thứ mấy. Có ba phương pháp thường được sử dụng là tiêu chí Eigenvalue, tiêu chí điểm gãy và xác định trước số lượng nhân tố. Trong bài nghiên cứu của mình tác giả chọn tiêu chí Eigenvalue vì đây là một tiêu chí được sử dụng phổ biến trong xác định số lượng nhân tố trong phân tích EFA hiện nay. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue tối thiểu = 1 (hoặc ≥ 1).
Tổng phương sai trích: khi đánh giá kết quả EFA cuối cùng ta cần xem xét phần tổng phương sai trích. Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường, và tổng này phải đạt từ 50% trở lên, thể hiện tỷ lệ giải thích của các nhân tố được rút ra. Thỏa được điều kiện này, ta kết luận là mô hình EFA phù hợp.
Như vậy, tiêu chuẩn cho nghiên cứu này của tác giả là đối với số lượng nhân tố trích (dừng ở Eigenvalue tối thiểu = 1); trọng số nhân tố (factor loading ≥ 0,5 và chênh lệch trọng số trong cùng 1 biến > 0,3); tổng phương sai trích > 50%.
3.6.3 Phân tích hồi qui đa biến và kiểm định giả thuyết
Sau khi hoàn tất việc phân tích đánh giá hệ số độ tin cậy Cronbach’s Alpha và EFA, các biến không đảm bảo giá trị hội tụ tiếp tục bị loại khỏi mô hình cho đến khi các tham số được nhóm theo các nhóm biến. Để phân tích mô hình nghiên cứu của đề tài, phân tích hồi qui đa biến với ước lượng bình phương bé nhất OLS sẽ được sử dụng để ước lượng các trọng số hồi qui với các bước như sau:
- Bước 1: Kiểm tra tương quan giữa các biến trước khi phân tích hồi qui tuyến tính: điều kiện cần trước khi chạy hồi qui là các biến độc lập (X) phải tương quan với biến phụ thuộc (Y). Hệ số tương quan Pearson được dùng để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của hệ số Pearson tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ
(Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Các biến độc lập có tương quan chặt chẽ với biến phụ thuộc (sig. < 0,5) thì các biến đó có ý nghĩa thống kê và được đưa vào chạy hồi qui.
- Bước 2: Phương trình hồi qui đa biến
Yi = βo + β1*X1i + β2*X2i + ...+ β6*X6i + ei Trong đó:
Yi : Giá trị sự hài lòng của sinh viên đối với chất lượng dịch vụ tại quan sát thứ i.
βo : Hệ số chặn.
βp : Hệ số hồi qui riêng phần biến độc lập thứ p. Xpi : Giá trị của biến độc lập thứ p tại quan sát thứ i. ei : Biến độc lập ngẫu nhiên có phân phối chuẩn.
3.6.4 Kiểm định sự khác biệt theo phương pháp phân tích T-Test, phân tích phương sai ANOVA phương sai ANOVA
Sau khi tác giả thực hiện phân tích hồi qui đa biến và kiểm định các giả tuyết, tác giả sẽ tiến hành kiểm định sự khác biệt theo các yếu tố nhân khẩu học như giới tính, năm học. Qua đó sẽ giúp tác giả có cái nhìn về sự khác biệt trong ảnh hưởng của các nhân tố đến sự hài lòng của sinh viên về CLDVĐT tại HUFI theo các biến định tính.
Tóm tắt chương 3
Trong chương 3 tác giả đã trình bày chi tiết phương pháp nghiên cứu luận văn. Quá trình nghiên cứu được thực hiện thông qua 2 giai đoạn là nghiên cứu sơ bộ và nghiên cứu chính thức.
Nghiên cứu sơ bộ sử dụng phương pháp nghiên cứu định tính (thảo luận với 2 chuyên gia học thuật có kinh nghiệm giảng dạy lâu năm) để thiết lập bảng thang đo nháp, từ đó dùng phương pháp nghiên cứu định lượng (khảo sát thử 36 sinh viên) để xác định độ tin cậy của các thang đo nhằm xác định được mô hình và thang đo chính thức. Kết quả của nghiên cứu sơ bộ, tác giả đã xác định được mô hình nghiên cứu chính thức gồm 5 biến độc lập, 1 biến phụ thuộc và liệt kê ra được 29 biến quan sát để đo lường cho 6 khái niệm trong mô hình nghiên cứu này.
Nghiên cứu chính thức thực hiện bằng phương pháp nghiên cứu định lượng thông qua phương pháp phỏng vấn trực tiếp bằng bảng câu hỏi khảo sát. Cách thức thực hiện nghiên cứu định lượng như: Cách xây dựng thang đo, thiết kế bảng câu hỏi, cách chọn mẫu, cách thức xử lý số liệu bằng phần mềm SPSS 20.0 như làm sạch dữ liệu, đánh giá hệ số Cronbach’s Alpha, EFA, hồi qui tuyến tính, phân tích T-test, Anova.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương này sẽ trình bày các kết quả nghiên cứu thông qua việc phân tích dữ liệu thu thập được. Tác giả thực hiện các bước: Mô tả mẫu nghiên cứu; đánh giá độ tin cậy các thang đo qua hệ số Cronbach’s Alpha; sử dụng phương pháp phân tích các tố khám phá EFA để kiểm định giá trị của các thang đo; phân tích hồi qui tuyến tính nhằm xác định mức độ ảnh hưởng của các nhân tố đến sự hài lòng của sinh viên về CLDVĐT nói chung, đồng thời xem xét sự phù hợp của các yếu tố trong thang đo và kiểm định các giả thuyết ban đầu; sử dụng phương pháp phân tích T-Test, phân tích phương sai (ANOVA) để kiểm định sự khác biệt theo các yếu tố nhân khẩu học.
4.1 Kết quả thống kê mô tả
4.1.1 Kết quả thống kê mô tả mẫu theo dữ liệu trùng lắp
Sau khi phát ra 240 phiếu khảo sát, tổng số phiếu khảo sát được thu về là 224 phiếu. Sau khi kiểm tra và loại bỏ 14 phiếu không đạt yêu cầu thì còn lại 210 phiếu đạt yêu cầu và được đưa vào để phân tích dữ liệu, sau khi đưa dữ liệu vào phân tích SPSS tác giả nhận thấy có 2 phiếu khảo sát bị trùng lắp nên 2 phiếu này sẽ bị loại