81
3.4.1 Tổng thể nghiên cứu
Là những sinh viên từ năm nhất đến năm tư đang sinh sống và học tập tại TP Hồ Chí Minh, không phân biệt giới tính và chưa thực hiện những khảo sát tương tự liên quan đến chỉ số EQ trong khoảng thời gian từ 3 – 6 tháng gần đây. Mẫu sẽ được chọn theo phương pháp thuận tiện. Kích thước mẫu cần phụ thuộc vào kỹ thuật phân tích dữ liệu được sử dụng, yếu tố tài chính và khả năng tiếp cận đối tượng thăm dò.
3.4.2.Kích thước mẫu
Bảng 3. 10- Sốlượng biến quan sát
Mã Thang đ o Số biến quan sát
TT Tự tin 5 HV Hy vọng 5 LQ Lạc quan 5 TN Thích nghi 5 HL Hài lòng 7 HQ Hiệu quả 5 Tổng cộng 32
Kích thước mẫu cần thiết phụ thuộc vào kỹ thuật phân tích dữ liệu được sử dụng, yếu tố tài chính và khả năng tiếp cận đối tƣợng thăm dò. Dựa theo lý thuyết phân phối mẫu lớn, phương pháp phân tích cấu trúc tuyến tính đòi hỏi kích thước mẫu lớn để có được ước lượng tin cậy. Tuy nhiên kích thước bao nhiêu là phù hợp thì hiện nay chưa được xác định rõ ràng.
Nếu sử dụng phương pháp ước lượng Maximum Likelihood thì kích thước mẫu tối thiểu từ 100 đến 150. Cũng có nhà nghiên cứu cho rằng số quan sát tới hạn phải là 200 hay số quan sát ít nhất phải gấp năm lần số biến quan sát, ứng dụng vào nghiên cứu thì số mẫu phải quan sát là 25x5=125 .
Bên cạnh đó để đảm bảo phân tích một cách có hiệu quả thì kích thước mẫu cần phải đảm bảo theo công thức:
82
N: kích cỡ mẫu
m: số biến độc lập của mô hình
Sau quá trình thảo luận nhóm và phỏng vấn thử, nhóm đã đề xuất 6 thang đo, ở mỗi thang đo có số lượng biến quan sát được trình bày ở bảng trên.
Tổng số biến quan sát nhóm đề xuất là 32 biến, như vậy, áp dụng công thức trên: Y
= 32 x 8 + 50 = 306. Vậy số mẫu khảo sát tối thiểu nhóm nghiên cứu thực hiện là 306
mẫu. Nhưng nhóm quyết định chọn số mẫu là 500 để nghiên cứu mang tính khách quan và chính xác hơn.
3.4.3.Cách lấy Mẫu
Mẫu được chọn theo phương pháp thuận tiện. Khảo sát định lượng thực hiện tại khu vựcThànhphốHồChí Minh. Nghiên cứu được thực hiện theo phương phápphát bảng câu hỏi trực tiếp thông qua google drive, gửi qua mail, mạng xã hội.
3.5 PHÂN TÍCH D ỮLIỆU
Đề tài sử dụng hai phần mềm phân tích thống kê SPSS và AMOS để phân tích dữ liệu. Phần mềm SPSS 22.0 được sử dụng để đánh giá sơ bộ thang đo thông qua kiểm định hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA và phân tích thống kê mô tả mẫu. Phần mềm AMOS 20.0 được sử dụng để phân tích nhân tốkhẳng định CFA, kiểm định mô hình và giảthuyết ng phân tích bằ cấu trúc tuyến tính SEM. Dữ liệu sau khi thu thập sẽ sàng lọc những dữ liệu không phù hợp. Trình tự tiến hành phân tích dữ liệu đƣợc thực hiện như sau:
Bước 1 - Chuẩn b thông tin: thu nh n b ng tr l i, ti n hành làm sị ậ ả ả ờ ế ạch thông tin, mã hóa các thông tin c n thi t trong b ng tr l i, nh p li u và phân tích dầ ế ả ả ờ ậ ệ ữ liệu b ng phằ ần mềm SPSS 22.0.
Bước 2 - Nghiên c u th ng kê mô t : ti n hành th ng kê mô t d u thu ứ ố ả ế ố ả ữliệ thập được. Bước 3 - Đánh giá độ tin cậy: tiến hành đánh giá thang đo bằng phân tích Cronbach’s Alpha.
Bước 4 - Phân tích nhân t ố khám phá: phân tích thang đo bằng phân tích nhân t khám ố phá EFA (Exploratory Factor Analysis).
83 Factor Analysis).
Bước 6 - Phân tích c u trúc tuyấ ến tính SEM: để kiểm định độ thích hợp của mô hình. Bước 7 - Phân tích cấu trúc đa nhóm: giữa các nhóm gi i tính (nam và nớ ữ), thu nhập (thấp, trung bình, khá, cao).
3.5.1 Đánh giá độ tin cậy thang o đ
Thang đo được đánh giá độ tin cậy thông qua hai công cụ là hệ số Cronbach Alpha và phân tích nhân tố. Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Hệ số Cronbach’s Alpha đƣợc tính theo công thức: α = N*ρ / [1 + ρ*(N - 1)] trong đó ρ là hệ số tương quan trung bình giữa các mục hỏi và N là số mục hỏi.
Theo quy ước thì mộttậphợp các mụchỏi dùng đểđolường được đánh giá phải có hệ sốα lớn hơn hoặcbằng 0,8. Tuy nhiên, đốivới “trường hợp khái niệm đangđolường là mới hoặc mới đối với ngƣờitrảlời trong bốicảnh nghiên cứu” thì hệsốCronbach’s Alpha 0,6 từ trở lên Cronbach’s vàtương quan tổngbiến (Corrected Item Total – Correlation) phải lớn hơn 0,3 là phép đo đảm bảo độ tin cậy và chấp nhận được (Nunnally vad Burnstein, 1994).
3.5.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo (gọi là các nhân tố). Các nhân tố đượ út gọn này sẽ có ý nghĩa hơn nhưc r ng vẫnchứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá đƣợc dùng để kiểm định giá trị khái niệm của thangđo.
Phương pháp phân tích nhân tốđược tiến hành để rút gọntậphợp các biếnđộc lập thành một tập nhỏ hơn là các biến đại diện cho mỗi nhóm nhân tố mà không làm mất đi ý nghĩa giải thích và thông tin của nhóm nhân tố. Hệ số (Kaiser – Meyer –Olkin) KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0,5 và 1) có nghĩa là phân tích nhân tố thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu. Phương pháp sử dụng là Principal
84
component với phép quay nhân tố là Promax. Các biến quan sát có hệ số tải nhân tố (Loading Factor) nhỏ hơn 0,5 sẽ bị loại (Hair và cộng sự, 1998). Chọn nhân tố cố định có giá trị Eigenvalues >1 (Gerbing và Anderson, 1988).
Việc phân tích nhân tố sẽ được tiến hành với toàn bộ các biến quan sát, sau đó sẽ loại bỏ từng biến có hệ số truyền tải thấp.
3.5.3 Phân tích nhân tố khẳng định (CFA) và kiểm định thang o đ Mô hình cấu trúc tuyến tính (SEM) bao gồm nhiều kỹ thuật thống kê khác nhau nhƣ phân tích đường dẫn (Path Analysis), phân tích nhân tố khẳng định (Confirmatory Factor Analysis), mô hình nhân quả với các biến tiềm ẩn (Causal modeling with Latent variable, và cũng thường gọi là SEM), và thậm chí cả phân tích phương sai (Analysis of Variance), mô hình hồi quy tuyến tính bội (Multiple Linear Regression). Đề tài sẽ tập trung phân tích CFA và SEM. Trong kiểm định thang đo, phương pháp CFA trong phân tích cấu trúc tuyến tính SEM có nhiều quan điểmhơn so vớiphƣơng pháp truyềnthống như phương pháp hệsốtương quan, phương pháp phân tích nhân tố khám phá EFA, phương pháp đa khái niệm – đa phương pháp MTMM (Bagozzi & Foxall, 1996). Lý do là CFA cho phép chúng ta kiểmđịnhcấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa mộtkhái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường. Hơn nữa, chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không cần dùng nhiều phương pháp như trong phươngpháp truyền thống MTMM (Steenkamp & van Trijp, 1991).
Các đánh giá khi phân tích CFA gồm:
3.5.4 Đánh giá độ tin cậy của thang đ o
Thông qua Hệ số tin cậy tổng hợp (composite reliability), tổng phương sai trích (Fornell & Larcker, 1981) và hệ số tin cậy Cronbach’s Alpha. Phƣơng sai trích (Variance Extracted) của mỗi khái niệm nên vượt quá 0,5 (Hair, 1998) và phương sai trích cũng là một chỉ tiêu đo lường độ tin cậy. Nó phản ánhbiến thiên chung của các biến quan sát đƣợc tính toán bởi biến tiềm ẩn. Trong CFA một vấn đề quan trọng cần phải quan tâm khác là độ tin cậy của tập hợp các biến quan sát đolườngmột khái niệm (nhân tố); và như truyền thống, hệ số tin cậy Cronbach’s Alpha vẫnthường đượcsử dụng.Nó đolường tính kiên định nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời
85
3.5.5 Tính đơn hướng (Unidimensionality)
Mức độ phù hợp của mô hình với dữ liệu thị trƣờng cho chúng ta điều kiện cần vàđủ để cho tậpbiến quan sát đạt được tính đơn ướn h g,trừ trường hợpcác sai số củacácbiến quan sát có tương quan với nhau (Steenkamp & Van Trijp, 1991)
3.5.6 Giá trị hội tụ (Convergent validity)
Thang đo đạt được giá trị hội tụ khi các trọng số chuẩn hoá của thang đo đều cao (>0,5); và có ý nghĩa thống kê (P <0,05) (Gerbring & Anderson, 1988)
3.5.7 Giá trị phân biệt (Discriminant validity)
Có thể kiểm định giá trị phân biệt của các khái niệm trong mô hình tới hạn (saturated model - mô hình mà các khái niệm nghiên cứu được tự do quan hệ với nhau). Có thể thực hiện kiểm định hệ số tương quan xét trên phạm vi tổng thế giữa các khái niệm có thực sự khác biệt so với 1 hay không. Nếu nó thực sự khác biệt thì các thang đo đạt được giá trị phân biệt.
3.5.8 Giá trị liên hệ lý thuyết (Nomological validity)
Các giá trị trên đƣợc đánh giá thông qua mô hình đo lường. Riêng giá trị liên hệ lý thuyết được đánh giá trong mô hình lý thuyết (Anderson & Gerbing, 1988). Khi các vấn đề trên thoả mãn thì mô hình đo lường là tốt. Tuy nhiên, rất hiếm mô hình đo lường nào đạt được tất cả các vấn đề trên. Ví dụ, mô hình đo lường vẫn có thể đượcsửdụng khi thang đo không đạt được tính đơn hướng.
Để đo lường mức độ phù hợp của mô hình với thông tin thị trường, các chỉ số sử dụng là Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI_ Comparative Fit Index). Chỉ số Tucker & Lewis (TLI_ Tucker & Lewis Index); Chỉ số RMSEA (Root Mean Square Error Approximation). Mô hình đƣợc xem là thích hợp với dữ liệu thị trƣờng khi kiểm định Chi-square có P-value > 0,05. Tuy nhiên Chi-square có nhượcđiểm là phụ thuộc vào kích thướcmẫu.Nếumột mô hình nhậnđược các giá GFI, TLI, CFI trị ≥ 0,9 (Bentler & Bonett, 1980); CMIN/df ≤ 2,một sốtrường hợp CMIN/df có thể ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0,08, RMSEA ≤ 0,05
86
được xem là rất tốt (Steiger, 1990) thì mô hình được xem là phù hợp với dữ liệu thị trường, hay tương thích với dữ liệu thị trường. Mô hình nghiên cứu sẽ được đánh giá dựatrên các chỉ tiêu giá trị GFI ≥ 0,9, TLI ≥ 0,9, CFI ≥ 0,9, CMIN/df ≤ 3, RMSEA ≤ 0,08 thì mô hình phù hợp(tương thích) với dữ liệu thị trường.
3.5.9 Kiểm định mô hình bằng phân tích cấu trúc tuyến tính (SEM) Trong kiểm định giả thuyết và mô hình nghiên cứu, mô hình cấu trúc tuyến tính SEM Trong kiểm định giả thuyết và mô hình nghiên cứu, mô hình cấu trúc tuyến tính SEM cho phép chúng ta kết hợp đượ các khái niệm tiềm ẩn với đo lường của chúng và có c thể xem xét các đo lường độc lập hay kết hợp chung với mô hình thuyết cùng một lúc. lý Chính vì thế, phương pháp phân tích SEM được sử dụng rất phổbiến trong các ngành khoa học xã hội trong những nămgầnđây vàthường đượcgọi là phương pháp phân tích dữ liệu thế hệ thứ hai (Hulland, 1996).
Phương pháp phân tích cấu trúc tuyến tính được sử dụng để kiểm định mô hình nghiên cứu. Phương pháp ước lượng ML (Maximum Likelihood) được sử dụng để ước lượng các tham số trong các mô hình. Lý do là khi kiểm định phân phối của các biến quan sát thì phân phối này lệch một ít so với phân phối chuẩn đa biến, tuy nhiên hầu hết các kurtoses và skewnesses đều nằm trong khoảng [ 1; +1] nên ML vẫn là phương pháp ước - lượngthích hợp (Muthen & Kaplan, 1985). Phương pháp bootstrap sẽ được sử dụng để ước lượng lại các tham số mô hình kiểm trađộ tin cậycủacácước lượng. Kếtquảước lượng ML sẽ được sử dụng kiểm định lại các giảthuyết.
3.5.10 Phân tích cấu trúc đa nhóm
Phương pháp phân tích cấu trúc đa nhóm được sử dụng để so sánh mô hình nghiên cứu theo nhóm giới tính, nghề nghiệp. Giới tính chia làm hai nhóm nam và nữ, nghề nghiệp chia thành 2 nhóm là nhóm đã có khả năng tự lập, chưa có nghề nghiệp ổn định (còn đi học) và nhóm tự lập, có nghề nghiệp ổn định (đã đi làm).
Phương pháp phân tích cấu trúc đa nhóm sử dụng trong nghiên cứu này bao gồmkhả biến vàbấtbiến từngphần (cụcbộ).Phương pháp ước lượngML được ước lượng trong phân tích đa nhóm. Kiểm định Chi square được sử dụng để so sánh- giữa 2 mô hình bất biến và khả biến. Nếu kiểm định Chi square cho thấy giữa mô hình bất biến và mô hình - khả biến không có sự khác biệt (P value > 0,1) thì mô hình bất biến- sẽđƣợc chọn (có
87
bậctự do cao hơn). Ngượclại,nếusự khác biệt Chi-square là có ý nghĩa giữa hai mô hình (P-value < 0,05) thì chọn mô hình khả biến (có độ tương thích cao hơn)
88
CHƯƠNG 4: KẾT QU NGHIÊN CẢ ỨU
Từ k t qu c a thu th p dế ả ủ ậ ữ liệu được thu thập như ở thiết kế ở chương 3, chương 4 sẽ lần lượt thực hi n các phân tích th ng kê mô t và t n s ệ ố ả ầ ố đặt trưng của mẫu, đánh giá độ tin c y cậ ủa thang đo, phân tích nhân tố khẳng định, kiểm định độ thích h p c a mô hình ợ ủ và giả thuyết nghiên c u, phân tích cứ ấu trúc đa nhóm.
4.1 KẾT QU NGHIÊN CẢ ỨU THỐNG KÊ MÔ T : Ả
4.1.1 Kết quả khảo sát về năm học của sinh viên ở thành phố HCM
Có 125 người tham gia khảo sát là sinh viên năm nhất, chiếm 25%. Có 110 người tham gia khảo sát là sinh viên năm 2, chiếm 22%. Có 177 người là sinh viên năm 3, chiếm 35%. Có 88 người là sinh viên năm 4 chiếm 18%.
Bảng 4. 1-Th hiể ện năm học c a sinh viên thành ph H Chí Minhủ ở ố ồ Tần s ố Tỷ lệ (%) Năm 1 125 25 Năm 2 110 22 Năm 3 177 35 Năm 4 88 18 Tổng 500 100
Biểu đồ 4. 1- Biểu đồ thể hiện năm học của sinh viên tham gia kh o sát TP HCM ả ở
25% 22% 35% 18% 125 110 177 88
89
4.1.2 Kết quả khảo sát về giới tính
Có 120 người thực hiện khảo sát có giới tính là nam, chiếm 24% trên tổng số. Còn lại nữ380 người chi m 76%. ế Bảng 4. 2- Thể hi n t l gi i tính ệ ỷ ệ ớ Giới tính Tần s ố Tỷ lệ (%) Nam 120 24 Nữ 380 76 Tổng 500 100
Biểu đồ 4. 2- Biểu đồ thể hi n gi i tính c a sinh viên tham gia kh o sát ệ ớ ủ ả
4.1.3Kết quả khảo sát về ngành học của sinh viên
Các sinh viên tham gia khảo sát đế ừn t nhi u ngành hề ọc khác nhau. Trong đó ngành marketing có 149 người chiếm 29,8%. Có 70 người học qu n tr kinh doanh chi m 14%. ả ị ế 33 người h c kinh doanh qu c t ọ ố ếchiếm 6,6%. Có 22 người học ngành thương mại chiếm 4,4%. Có 5 ng i h c kinh doanh xu t nh p kh u chi m 1%. Có 30 h c qu n tr nhà ườ ọ ấ ậ ẩ ế ọ ả ị hàng khách s n chi– ạ ếm 6%. Có 35 ngườ ọi h c K toán chiế ếm 7%. Có 34 ngườ ọi h c Tài chính – ngân hàng chiếm 6,8%. Có 4 người học Thuế - Hải quan chi m 0,8%. Có 7 ế ngườ ọi h c M thuỹ ật Ki– ến trúc chiếm 1,4%. Có 23 ngườ ọc Y dượi h c –Bác sĩ chiếm 4,6%. Có 4 người học Âm nhạc – Sân khấu chiếm 0,8%. Số còn lại học những ngành khác là 84 người chiếm 16,8%.
24%
76%
90
Bảng 4. 3- B ng th hi n ngành h c c a các sinh viên tham gia kh o sát ả ể ệ ọ ủ ả
Ngành h c ọ Tần s ố Tỷ lệ (%) Marketing 149 29.8 Quản tr kinh doanh ị 70 14 Kinh doanh qu c t ố ế 33 6.6 Thương mại 22 4.4 Kinh doanh xu t nhấ ập khẩu 5 1 QT nhà hàng - khách s n ạ 30 6 Kế toán 35 7