CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU 2.1.Quy trình và thiết kế bộ câu hỏi nghiên cứu
2.4. Kỹ thuật phân tích
Sau khi tổng hợp các phiếu khảo sát, nhóm nghiên cứu sẽ mã hóa các phiếu khảo sát hợp lệ, nhập liệu và làm sạch thông qua SPSS 20.
• Kiểm định Cronbach’s Alpha
Nhằm đánh giá độ tin cậy của các thang đo, đặt cơ sở cho việc hiệu chỉnh mô hình và các giả thuyết nghiên cứu.
- “Cronbach (1951) đưa ra hệ số tin cậy cho thang đo. Chú ý, hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo (bao gồm từ 3 biến quan sát trở lên) chứ
Yếu tố Đặc điểm Tỷ lệ% Tần số
nhân tố có 3 biến quan sát trở lên” (trích nguồn từ: Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 355.)
- “Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]. Ve lý thuyết, hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này không hoàn toàn chính xác. Hệ số Cronbach’s Alpha quá lớn (khoảng từ 0.95 trở lên) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang đo. Hệ số Cronbach’s Alpha quá lớn (khoảng từ 0.95 trở lên) gây ra hiện tượng trùng lắp trong thang đo” (trích nguồn từ: Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 364)
• Kiểm định, phân tích nhân tố khám phá EFA
Sau khi loại các biến không đảm bảo độ tin cậy, các biến giữ lại sẽ được xem xét tính phù hợp thông qua phân tích nhân tố khám phá để trả lời câu hỏi liệu các biến (chỉ số) dùng để đánh giá các câu hỏi đo lường căng thẳng trong học tập của sinh viên có độ kết dính cao không và chúng có thể gom gọn lại thành một số nhân tố ít hơn để xem xét không.
“Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu”. Trị số của KMO phải đạt giá trị 0.5 trở lên là điều kiện đủ để phân tích nhân tố là phù hợp trích nguồn từ: Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS Tập 2, NXB Hồng Đức, trang 31). “Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa (Sig < 0.05), các biến quan sát có tương quan với nhau trong tổng thể. Phương pháp tính hệ số với phép quay Varimax và điểm dừng khi trích các yếu tố Eigenvalue lớn hơn 1. Trong phân tích nhân tố các biến có hệ số tải nhân tố (factor loading) nhỏ hơn 0.5 sẽ tiếp tục bị loại. Nếu một biến quan sát nằm thuộc 2 nhân tố trở lên thì khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn hơn hoặc bằng 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.”
• Phân tích hồi quy