2.3.2.1 Đánh giá thang đo bằng hệ s tin cố ậy Cronbach’s Alpha
Hệ số Cronbach Alpha là hệ số cho phép đánh giá xem nếu đưa các biến quan ’s sát nào đó thuộc về một biến nghiên cứu (biến tiềm ẩn, nhân tố) thì nó có phù hợp không. Hair Et al (2006) đưa ra quy tắc đánh giá như sau:
• < 0.6: Thang đo nhân tố là không phù hợp (có thể trong môi trường nghiên
cứu đối tượng không có cảm nhận về nhân tố đó)
• 0.6 – 07: Chấp nhận được với các nghiên cứu mới
• 0.7 – 0.8: Chấp nhận được
• 0.8 – 0.95: Tốt
• >= 0.95: Chấp nhận được nhưng không tốt, nên xét xét các biến quan sát có
thể có hiện tượng “trùng biến”. Tức là có khả năng xuất hiện biến quan sát thừa ở trong thang đo. Nó tương tự như trường hợp đa cộng tuyến trong hồi quy, khi đó biến thừa nên được loại bỏ.
Hệ s ố tương quan biế ổng là hệ ốn t s cho bi n mế ức độ“liên kết” giữa một biến quan sát trong nhân tố với các biến còn lại. Nó phản ánh mức độđóng góp vào giá trị khái niệm của nhân tố của m t biộ ến quan sát cụ ể. Tiêu chuẩn để đánh giá mộ th t biến có thực sựđóng góp giá trị vào nhân tố hay không là hệ ố s tương quan biến tổng phải lớn hơn 0.3. Nếu biến quan sát có hệ sốtương quan biến tổng nhỏhơn 0.3 thì phải loại nó ra khỏi nhân tố đánh giá.
2.3.2.2 Phương pháp EFA
Khái niệm:Phân tích nhân tố khám phá (gọi tắt là EFA), dùng để rút gọn một tập
hợp k biến quan sát thành một t p F (vậ ới F < k) các nhân tốcó ý nghĩa hơn. Trong nghiên
cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau.
Ví dụ áp dụng: thay vì đi nghiên cứu 20 đặc điểm nhỏ của một đối tượng, chúng ta có thể chỉnghiên cứu 4 đặc điểm lớn, trong mỗi đặc điểm lớn này gồm 5 đặc điểm nhỏcó sựtương quan với nhau. Điều này giúp tiết ki m thệ ời gian và kinh phí nhiều hơn cho người nghiên cứu.
• Hai mục tiêu chính của phân tích EFA:
(1)Phải xác định số lượng các nhân tố ảnh hướng đến một tập các biến đo lường.
(2)Phải xác định cường độ về mối quan hệ giữa mỗi nhân tố với từng biến đo lường.
• Các tiêu chí trong phân tích nhân tố khám phá EFA:
Hệ số Factor Loading:Được định nghĩa là trọng số nhân tố hay hệ số tải nhân tố. Là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Trong đó:
• Nếu 0.3 <=Factor loading <=0.4 được xem là biến quan sát có ý nghĩa thống kê đạt được mức tối thiểu
• Nếu Factor loading >= 0.5 được xem là biến quan sát có ý nghĩa thực tiễn • Nếu Factor loading >= 0.7: Biến quan sát có ý nghĩa thống kê rất tốt
Hệ số KMO (Kaiser – Meyer - Olkin):Là chỉ số dùng để đánh giá sự thích hợp của phân tích nhân tố, cụ thể là so sánh độ lớn của hệ số tương quan giữa 2 biến với hệ số tương quan riêng phần của chúng. Trị số của KMO được đánh giá như sau:
• KMO <0. 50: Không đạt • 0.50 <= KMO <0. 60: Xấu • 0.60 <= KMO <0. 70: Tạm được • 0.70 <= KMO <0. 80: Đạt • 0.80 <= KMO < 0.90: Tốt • 0.90 >= KMO: Rất tốt
=> Để sử dụng EFA, thì KMO phải lớn hơn 0.50
Kiểm định Bartlett (Bartlett’s test of sphericity):Dùng để xem xét sự tương quan giữa các biến quan sát trong nhân tố. Nếu phép kiểm định Bartlett có ý nghĩa thống kê Sig Bartlett’s Test < 0.05 (p<5%), chứng tỏ các biến quan sát có tương quan với nhau. Chúng ta có thể từ chối giả thuyết Ho (ma trận tương quan là ma trận đơn vị).
Trị số Eigenvalue: Tiêu chí để xác định tổng số lượng nhân tố trong EFA. Chỉ những nhân tố nào có trị số Eigenvalue >= 1 mới được giữ lại trong mô hình phân tích nhântố khám phá.
Total Variance Explained:Trị số này thể hiện các nhân tố cô đọng được bao nhiêu phần trăm và thất thoát bao nhiêu phần trăm biến quan sát dựa trên mức đánh giá 100%. Trị số này nên ở mức >= 50% thì mô hình EFA là phù hợp.
• Các bước để thực hiện EFA:
Theo Hoàng Trọng và Chu Mộng Ngọc(2010), có 6 bước để thực hiện EFA:
(adsbygoogle = window.adsbygoogle || []).push({});
Hình 2-2: Quy trình thực hiện phương pháp EFA
2.3.2.3 Phân tích tương quan – hồi quy
• Phân tích tương quan
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson và phân tích hồi quy để kiểm định các giả thuyết. Phân tích tương quan Pearson được thực hiện giữa biến phụ thuộc và biến độc lập nhằm khẳng định có mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập, khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Giá trị tuyệt đối của Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ. Đồng thời cũng cần phân tích tương quan giữa các biến độc lập với nhau nhằm phát hiện những mối tương quan chặt chẽ giữa các
biến độc lập. Vì những tương quan như vậy có thể ảnh hưởng lớn đến kết quả phân tích hồi quy như gây ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
• Phân tích hồi quy bội
Sau khi kết luận các biến độc lập và biến phụ thuộc có mối quan hệ tuyến tính với nhau có thể mô hình hóa quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Kiểm định sự phù hợp của mô hình thông qua kiểm định F và hệ số R2 hiệu chỉnh. Kiểm định giả thuyết về độ phù hợp của mô hình.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.
Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
2.3.2.4 Kiểm định s ự khác biệt giữa các nhóm thống kê
Sử dụng kiểm định T test và ANOVA một chiều để kiểm định có hay không sự - khác nhau trong đánh giá về ý định khởi nghiệp của sinh viên đại học Ngoại Thương cơ sở II các nhóm thống kê bao gồm: giới tính, chuyên ngành học.
Tuy nhiên, trước khi thực hiện kiểm định One Way ANOVA cần phải kiểm định Levene's Test sự bằng nhau của các phương sai tổng thể để xem xét mức độ đồng đều của dữ liệu quan sát.
Nếu Sig. < 0,05: Phương sai giữa các nhóm đối tượng khác nhau là khác nhau hay không có phân phối chuẩn thì kiểm định Kruskal Wallis được sử dụng để kết luận cho trường hợp này.
NếuSig. > 0,05: Phương sai không khác nhau hay có phân phối chuẩn. Ta sẽ sử dụng kiểm định One Way ANOVA để kết luận.
CHƯƠNG 3: KIỂM ĐỊNH MÔ HÌNH NGHIÊN CỨU
N=198 Giá trị biến Tần số Tỷ lệ
GIới tính Nữ 129 65,1%
Nam 69 34,9%
Chuyên ngành Kinh tế đối ngoại 85 43%
Quản trị kinh doanh quốc tế 38 19%
Tài chính quốc tế 26 13%
Kế toán- kiểm toán 28 14%
Logistic- quản lý chuỗi cung ứng 21 11%
Đối tượng sinh viên 1 11 5,5% 2 101 51% 3 36 18,2% 4 50 25,3% Bảng 2: Mô tảthống kê dữ liệu
3.1 Đánh giá thang đo bằng hệ s tin cố ậy Cronbach’s Alpha
3.1.1 Kiểm định độ tin cậy đố ới thang đo Hỗi v trợ khởi nghiệp
Kết quả Cronbach’s Alpha của thang đo hỗ trợ nghề nghiệp là 0,821>0,6; các hệ số tương quan tổng của các biến quan sát trong thang đo đều lớn hơn 0,3 và không có trường hợp loại biến nào làm cho Cronbach’s Alpha lớn hơn 0,821. Vì vậy, các biến quan sát này sẽ được sử dụng trong việc phân tích các nhân tố tiếp theo.
Bảng 3: Kết quảđánh giá độ tin cậy thang đo Hỗ trợ doanh nghiệp
3.1.2 Kiểm định độ tin cậy đố ới thang đo Tiếi v p cận tài chính (adsbygoogle = window.adsbygoogle || []).push({});
Kết quả Cronbach’s Alpha của thang đo tiếp cận tài chính là 0,777 > 0,6; các hệ số tương quan biến tổng (Corrected Item Total Correlation) của các biến quan sát tron- g thang đo đều lớn hơn 0,3 và không có trường hợp loại bỏ biến quan sát nào có thể làm cho Cronbach’s Alpha của thang đo này lớn hơn 0.777. Vì vậy, tất cả các biến quan sát đều được chấp nhận và sẽ được sử dụng trong phân tích nhân tố tiếp theo.
3.1.3 Kiểm định độ tin cậy đố ới thang đo Nhậi v n thức tính khả thi
Kết quả Cronbach’s Alpha của thang đo hỗ trợ nghề nghiệp là 0,79>0,6; các hệ số tương quan tổng của các biến quan sát trong thang đo đều lớn hơn 0,3 và không có trường hợp loại biến nào làm cho Cronbach’s Alpha lớn hơn 0,79. Vì vậy, các biến quan sát này sẽ được sử dụng trong việc phân tích các nhân tố tiếp theo.
Bảng 5: Kết quả đánh giá độ tin cậy thang đo Nhận thức tính khảthi
3.1.4 Kiểm định độ tin cậy đố ới thang đo Môi trười v ng giáo dục
Kết quả Cronbach’s Alpha của thang đo môi trường giáo dục khởi nghiệp là 0,713> 0,6; các hệ số tương quan tổng của các biến quan sát trong thang đo đều lớn hơn 0,3 và không có trường hợp loại biến nào làm cho Cronbach’s Alpha lớn hơn 0,713. Vì vậy, các biến quan sát này sẽ được sử dụng trong việc phân tích các nhân tố tiếp theo.
Bảng 6: Kết quảđánh giá độ tin cậy thang đo Môi trường giáo dục
3.1.5 Kiểm định độ tin cậy đố ới thang đo Đặc điểm tính cách i v
Kết quả Cronbach’s Alpha của thang đo đặc điểm tính cách là 0,799> 0,6; các hệ số tương quan tổng của các biến quan sát trong thang đo đều lớn hơn 0,3 và không có trường hợp loại biến nào làm cho Cronbach’s Alpha lớn hơn 0,799. Vì vậy, các biến quan sát này sẽ được sử dụng trong việc phân tích các nhân tố tiếp theo.
3.1.6 Kiểm định độ tin cậy đối với thang đo Thái độ hành vi
Kết quả Cronbach’s Alpha của thang đo thái độ đối với hành vi khởi nghiệp là 0,728 > 0,6; các hệ số tương quan biến tổng ( Corrected Item Total Correlation) của các - biến quan sát trong thang đo đều lớn hơn 0,3 nhưng TD5 có hệ số Cronbach’s Alpha nếu loại biến ( Cronbach’s Alpha if item Deleted) lại lớn hơn hệ số Cronbach’s Alpha của thang đo (0,740 > 0,728). Do đó, biến quan sát TD5 bị loại và các biến quan sát còn lại sẽ được sử dụng trong việc phân tích các nhân tố tiếp theo.
Bảng 8: Kết quả đánh giá độ tin cậy thang đo Thái độ đối với hành vi khởi
nghiệp
Kết quả Cronbach’s Alpha của thang đo thái độ đối với hành vi khởi nghiệp sau khi loại TD5 là 0,74> 0,6; các hệ số tương quan tổng của các biến quan sát trong thang đo đều lớn hơn 0,3 và không có trường hợp loại biến nào làm cho Cronbach’s Alpha lớn hơn 0,74. Vì vậy, các biến quan sát này sẽ được sử dụng trong việc phân tích các nhân tố tiếp theo.
Bảng 9: Kết quả đánh giá độ tin cậy thang đo Thái độ đối với hành vi khởi nghiệp sau khi lo i TD5ạ
3.1.7 Kiểm định độ tin cậy đố ới thang đo Ý địi v nh khởi nghiệp
Kết quả Cronbach’s Alpha của thang đo ý định khởi nghiệp là 0,803>0,6; các hệ số tương quan tổng của các biến quan sát trong thang đo đều lớn hơn 0,3 và không có trường hợp loại biến nào làm cho Cronbach’s Alpha lớn hơn 0,803. Vì vậy, các biến quan sát này sẽ được sử dụng trong việc phân tích các nhân tố tiếp theo.
3.2 Phân tích nhân tốkhám phá EFA
Sau khi phân tích hệ số tin cậy Cronbach’s Alpha, các thang đo được đánh giá tiếp theo bằng phương pháp nhân tố khám phá EFA. Kết của Cronbach’s Alpha cho thấy 25 biến quan sát của 6 biến độc lập đủ yêu cầu về độ tin cậy. Vì vậy, 25 biến quan sát của thang đo này được tiếp tục đánh giá bằng EFA.
3.2.1 Phân tích nhân tốkhám phá EFA của biến độc l p ậ
3.2.1.1 Kết quả kiểm định KMO và Bartlett của các biến độc lập
Bảng 11: Kết quả kiểm định KMO và Bartlett của các biến độc lập
Có:
Chỉ số KMO: 0,5 < KMO = 0,866 < 1
Do đó, phân tích nhân tố EFA được chấp nhận với tập dữ liệu nghiên cứu. Ngoài ra, Sig. = 0,000 < 0,05 nên phân tích nhân tố EFA là phù hợp.
Bảng 12: Total Variance Explained
Có:
- Trị số Eigenvalue = 1.023 > 1 và trích được 6 nhân tố mang ý nghĩa tóm tắt thông tin tốt nhất. (adsbygoogle = window.adsbygoogle || []).push({});
Bảng 13: Ma tr n xoayậ
Từ bảng ma trận xoay ta thấy, 25 biến quan sát trong đó có 20 biến quan sát có hệ số tải lớn hơn 0,5 được gom thành 6 yếu tố và còn lại 5 biến quan sát bao gồm: KT5, GD1, GD3, DD5 và TD4 có hệ số tải bé hơn 0,5 (hệ số tải tiêu chuẩn).
3.2.1.2 Kết quả kiểm định KMO và Bartlett của các biến độc lập sau khi loạ ỏ i b biến xấu
Bảng 14: Kết quả kiểm định KMO và Bartlett của các biến độc lập sau khi loại bỏ bi n xế ấu
Sau khi loại bỏ các biến quan sát có hệ số tải bé hơn 0,5, ta có chỉ số KMO mới: 0,5< KMO=0,825 <1. Ngoài ra, Sig. = 0,000 < 0,05 nên phân tích nhân tố EFA là phù hợp.
Bảng 15: Total Variance Explained sau khi loại bỏ ế bi n xấu
Có:
- Trị số Eigenvalue = 1.021 > 1 và trích được 5 nhân tố mang ý nghĩa tóm tắt thông tin tốt nhất.
Bảng 16: Ma tr n xoay sau khi loậ ại bỏ ế bi n xấu
Sau khi loại bỏ các biến quan sát có hệ số tải nhỏ hơn 0,5 ở trên, kết quả ma trận xoay mới cho thấy, 20 biến quan sát được gom thành 5 nhân tố, tất cả các biến quan sát đều có hệ số tải lớn hơn 0,5.
• Nhóm nhân tố 1 bao gồm các biến KT1, KT4, GD4, DD1, DD2, TD1, TD2, TD3, tên của nhóm nhân tố gộp này là nguồn lực khác (NLK). • Nhóm nhân tố 2 bao gồm các biến HT1, HT2, HT3, HT4.
• Nhóm nhân tố 3 bao gồm các biên TC1, TC2, TC3.
• Nhóm nhân tố 4 bao gồm các biến KT2, KT3, GD2, tên của nhóm nhân tố gộp này là tính khả thi (KT).
• Nhóm nhân tố 5 bao gồm các biến DD3, DD4.
Với việc biến các biến quan sát KT1, KT4, GD4, DD1, DD2, TD1, TD2, TD3 cùng chung một nhóm đã hình thành nên 1 nhóm nhân tố mới với tên gọi nguồn lực khác (NLK):
H7: Nguồn lực khác có tác động thuận chiều đến ý định khởi nghiệp của sinh viên.
Các biến quan sát KT2, KT3, GD2 cùng chung 1 nhóm nên cũng hình thành 1 nhóm nhân tố mới với tên gọi tính khả thi (KT). Nhân tố này đồng thời phản ánh tính khả thi và môi trường giáo dục, điều này đồng nghĩa với việc giả thuyết ban đầu đặt ra ở chương I bị thay đổi, giả thuyết mới như sau:
H8: Tính khả thi có tác động thuận chiều đến ý định khởi nghiệp của sinh viên.
Do đó, ta có thể kết luận rằng mô hình không phù hợp với giả thiết ban đầu, điều này dẫn đến thay đổi các giả thuyết mới như sau:
H1: Hỗ trợ khởi nghiệp có thể ảnh hưởng thuận chiều tới ý định khởi nghiệp. H4: Đặc điểm tính cách tác động thuận chiều tới ý định khởi nghiệp.
H5: Tiếp cận tài chính tác động thuận chiều tới ý định khởi nghiệp.
H7: Nguồn lực khác có tác động thuận chiều đến ý định khởi nghiệp của sinh viên. H8: Tính khả thi có tác động thuận chiều đến ý định khởi nghiệp của sinh viên.