3.2.1. Nghiên cứu định tính
Phƣơng pháp nghiên cứu định tính đƣợc thực hiện thông qua lấy ý kiên giảng viên và các bài báo khọc. ƣớc nghiên cứu này nhằm khám phá, hình thành cơ sở lý thuyết và mô hình nghiên cứu tham khảo. Trong quá trình tiến hành xậy dựng mô hình nghiên cứu, nhóm thực hiện tham khảo ý kiến của giảng viên và các bài báo khoa học, từ đó nhóm điều chỉnh lại các thang đo và xây dựng mô hình nghiên cứu lý thuyết cho đề tài nghiên cứu.
26 Trong quá trình xây dựng thang đo nhóm thực hiện các bƣớc sau:
- Xây dựng bảng câu hỏi nghiên cứu sơ bộ dựa vào kết quả thảo luận nhóm (8 bạn sinh viên) và tham khảo ý kiến giảng viên (Xem thêm Phụ lục 2, 3)
- Hiệu chỉnh và hoàn tất bảng câu hỏi lần cuối, đƣa ra bảng câu hỏi hoàn chỉnh và thang đo chính thức đề chuẩn bị nghiên cứu định lƣợng.
3.2.2. Nghiên cứu định lƣợng
Phƣơng pháp nghiên cứu định lƣợng đƣợc sử dụng trong nghiên cứu sơ bộ và nghiên cứu chính thức.
- Nghiên cứu sơ bộ: Tác giả tiến hành khảo sát thử 145 sinh viên trƣờng ĐH
CNTP TP. HCM, qua đó đánh giá sơ bộ thang đo các khái niệm nghiên cứu trƣớc khi tiến hành nghiên cứu chính thức. Thang đo đƣợc đánh giá sơ bộ thông qua hệ số tin cậy Cronbach‟s Alpha. Khi hệ số Cronbach‟s Alpha có giá trị từ 0.6 trở lên là thang đo có thể sử dụng đƣợc. Đồng thời, các biến có hệ số tƣơng quan giữa các biến và biến tổng (Item - Total Correlation) dƣới 0.4 sẽ bị loại bỏ. Tiếp theo là phân tích nhân tố EFA từ đó điều chỉnh bảng câu hỏi và tiến hành khảo sát chính thức.
- Nghiên cứu chính thức: Nhóm tiến hành khảo sát trực tiếp 180 sinh viên
trƣờng ĐH CNTP TP. HCM. Sau khi thu thập thông tin, tác giả tiến hành lọc các bảng câu hỏi nhằm loại ra các bảng câu hỏi không hợp lệ. Mẫu nghiên cứu chính thức là 160. Mục đích là nhằm thu thập, phân tích dữ liệu khảo sát cũng nhƣ kiểm định mô hình nghiên cứu. Thông tin đƣợc thu thập sẽ đƣợc làm sạch và xử lý bằng phần mêm SPSS 20.0.
Thang đo sau khi đƣợc phân tích thống kê giá trị trung bình của thang đo, đánh giá bằng phƣơng pháp phân tích hệ số tin cậy Cronbach‟s Alpha, phân tích nhân tố EFA sẽ đƣợc sử dụng phƣơng pháp phân tích tƣơng quan hồi quy để đo lƣờng mức độ ảnh hƣởng của từng nhân tố đến nhận dạng thƣơng hiệu. Từ các dữ liệu có đƣợc, nhóm tiến hành nhận xét, đánh giá sự tác động của các nhân tố ảnh hƣởng đến kết quả học tập của sinh viên HUFI.
27
3.3.1. Kích thƣớc mẫu
Để tiến hành phân tích hồi quy một cách tốt nhất, theo Tabachnick & Fidell (1996), kích thƣớc mẫu phải đảm bảo theo công thức:
n ≥ 8m + 50
Trong đó: n là cỡ mẫu; m là số biến độc lập trong mô hình
Trong khi đó, theo Harris RJ. Aprimer (1985) thì kích thƣớc mẫu phải thỏa mãn theo công thức:
n ≥ 104 + m
Với n là cỡ mẫu; m là số lƣợng biến độc lập và phụ thuộc hoặc:
n ≥ 50+ m, (m < 5)
Trƣờng hợp phân EFA, Hair & cộng sự (1998) cho rằng kích thƣớc mẫu tối thiểu phải là 50 và tốt hơn là 100 mẫu. Ngoài ra, theo Hatcher (1994) cho rằng kích thƣớc mẫu bằng ít nhất 5 lần biến quan sát (Hair & cộng sự , 1998) tƣơng ứng n ≥ 5k (k là số biến quan sát).
Trong nghiên cứu của nhóm, nhóm chọn kích thƣớc mẫu theo phƣơng pháp của Hatcher (1994). Mô hình nghiên cứu có 12 thang đo và 66 biến quan sát nên kích thƣớc mẫu tối thiểu là 66 x 5 = 330 mẫu. Kích cỡ mẫu nghiên cứu dự kiến gồm 500 sinh viên. Đối tƣợng tham gia trong nghiên cứu này là sinh viên đang theo học tại các khoa của trƣờng Đại học Công nghiệp Thực phẩm thành phố Hồ Chí Minh.
3.3.2 Thu thập dữ liệu
Thu thập dữ liệu thứ cấp: Nghiên cứu định tính
- Với đề tài nghiên cứu các yếu tố ảnh hƣởng đến kết quả học tập của sinh viên. Với việc xác định những tài liệu liến quan cần thu thập, tác giả tiến hành thu thập những dữ liệu trên một sô phƣơng tiện nhƣ sau:
- Đối với báo và tạp chí: Dựa vào mục lục các tạp chí sẽ liệt kê các bài báo đã đƣợc đăng tải của từng tạp chí hoặc của nhiều loại tạp chí trong suốt cả năm, do vậy tác giả sẽ chọn ra những bài báo có tiêu đề liên quan đến học tập. Điều này giúp ích cho ngƣời nghiên cứu có cơ sở tạo lập cái nhìn tổng quan về các yếu tố ảnh hƣởng đến học tập của sinh viên.
28 Đối với dữ liệu hỗn hợp khác và dữ liệu từ nguồn Internet: Ngƣời nghiên cứu có thể dựa vào những bài luận án tiến sĩ, thạc sĩ, luận văn của các tác giả đã nghiên cứu trƣớc liên quan đến vấn đề học tập, hoặc các công trình khoa học của trƣờng đai học. Ngoài ra, một nguồn thông tin phong phú và cập nhật có thể khai thác từ Internet bằng việc tìm kiếm trực tuyến có hoặc không có trả phí.
Thu thập dữ liệu sơ cấp: Nghiên cứu định lƣợng
- Trong cuộc điều tra thu thập dữ liệu sơ cấp phục vụ cho đề tài này, ngƣời nghiên cứu lựa chọn pƣơng pháp sử dụng bảng câu hỏi để giúp thu đƣợc thông tin cần thiết. Bảng câu hỏi hay còn gọi là phiếu khảo sát đƣợc xem là công cụ phổ biến nhất khi thu thập các thông tin thống kê ( còn gọi là dữ liệu sơ cấp), cung cấp dữ liệu theo cấu trúc đã có sẵn. Nó thuƣờng tập hợp một tập hợp các câu hỏi mà qua đó ngƣời đƣợc hỏi sẽ trả lời, còn nhà nghiên cứu sẽ nhận đƣợc thông tin cần thiết.
- Bảng câu hỏi đƣợc thực hiện thông qua việc gửi bảng câu hỏi đến ngƣời đƣợc phỏng vấn bằng cách chúng tôi sẽ trực tiếp đến những lớp học tại trƣờng tận dụng thời điểm giải lao nhờ các bạn sinh viên dành ít phút để diền vào bảng hỏi, các bạn sinh viên sẽ trả lời dựa trên bảng câu hỏi đã đực thiết kế sẵn và sau đó gửi bảng câu hỏi lại cho ngƣời ngƣời làm nghiên cứu.
- Dữ liệu thu thập đƣợc từ bảng câu hỏi có thể kiểm soát đƣợc mà không cần sự có mặt của ngƣời nghiên cứu, dữ iệu rõ ràng và thuận tiện cho việc phân tích. Tuy nhiên, dữ liệu thu đƣơc còn đơn giản và phạm vi hạn chế, ít linh hoạt trong câu trả lời. Trong quá rình nhận bảng câu hỏi đã trả lời, ngƣời nghiên cứu cần theo dõi liên tục để xác nhận số bảng câu hỏi đã hoàn thành để gửi lời cảm ơn đến đối tƣợng đƣợc điều tra đồng thời có những hành động nhắc nhở đến những đối tƣợng chƣa trả lời phiếu để làm sao thu đƣợc kết quả nhƣ mong muốn.
3.4. Phƣơng pháp phân tích số liệu 3.4.1. Thống kê mô tả 3.4.1. Thống kê mô tả
Thống kê mô tả nhằm trình bày về mục đích của mô tả. Tóm tắt, mô tả sơ bộ cấu trúc, các đặc trƣng phân phối của số liệu. Xác định các ƣớc lƣợng phân phối, tham số của tổng thể từ mẫu số liệu. Thống kê mô tả cho phép các nhà nghiên cứu trình bày các
29 dữ liệu thu đƣợc dƣới hình thức cơ cấu và tổng kết. Các thống kê mô tả sử dụng trong nghiên cứu này để phân tích, mô tả dữ liệu bao gồm các tần số, tỷ lệ, giá trị trung bình và độ lệch chuẩn.
Thống kê mô tả là phƣơng pháp dùng để tổng hợp các phƣơng pháp đo lƣờng, mô tả, trình bày số liệu đƣợc ứng dụng vào trong lĩnh vực kinh tế. Bảng thống kê là hình thức trình bày số liệu thống kê và thu thập thông tin làm cơ sở để phân tích và kết luận, cũng là trình bày vấn đề nghiên cứu nhờ vào đó mà nhà quản trị có thể đƣa ra nhận xét về vấn đề đang nghiên cứu. Trong đề tài nghiên cứu này, phƣơng pháp thống kê mô tả đƣợc dùng để mô tả các yếu tố ảnh hƣởng đến kết quả học tập của sinh viên đang theo học tại trƣờng HUFI.
3.4.2. Phân tích độ tin cậy Cronbach’s Alpha
Công cụ kiểm định độ tin cậy thang đo Cornbach‟s Alpha sẽ giúp chúng ta kiểm tra xem các biến quan sát của nhân tố có đáng tin không, có tốt không. Phép kiểm định này phản ánh mức độ tƣơng quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố. Nó cho biết trong các biến quan sát của một nhân tố biến nào đã đóng góp vào việc đo lƣờng khái niện nhân tố, biến nào không. Kết quả Cronbach Alpha của nhân tố tốt thể hiện rằng các biến quan sát chúng ta liệt kê là rất tốt, thể hiện đƣợc đặc tính của nhân tố mẹ chúng đã có đƣợc một thang đo tốt cho nhân tố mẹ này.
Mức giá trị hệ số Cronbach‟s Alpha (Nguồn: Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS tập 2, NXB Hồng Đức, trang 24):
Từ 0.8 đến gần bằng 1: Thang đo lƣờng rất tốt. 0.7 đến gần bằng 0.8: Thang đo lƣờng sử dụng tốt. Từ 0.6 trở lên: Thang đo đủ điều kiện.
Phƣơng pháp Cronbach‟s Alpha dùng để loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach‟s Alpha. Những số có hệ số tƣơng quan biến tổng (Item – Total Correlation) nhỏ hơn 0,3 sẽ bị loại.
30
3.4.3. Phân tích nhân tố EFA
Phân tích nhân tố(EFA – Exploratory Factor Analysis)là tên chung của một nhóm các thủ tục đƣợc sử dụng chủ yếuđể thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu, chúng ta có thể thu thập đƣợc một số lƣợng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lƣợng của chúng phải đƣợc giảm bớt xuống đến một số lƣợng mà chúng ta có thể sử dụng đƣợc.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Factor loading >0.3 đƣợc xem là đạt mức tối thiểu. • Factor loading > 0.4 đƣợc xem là quan trọng.
• Factor loading > 0.5 đƣợc xem là có ý nghĩa thực tiễn
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: 1. Hệ số tải nhân tố (Factor loading ) > 0.5
2. 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số đƣợc dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.
Kiểm định Bartlett có ý nghĩa thống kê Sig. (Significance ≤ 0.05): Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tƣơng quan với nhau trong tổng thể. Phần trăm phƣơng sai toàn bộ (Percentage of variance) lớn hơn 50% thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên 100% thì giá trị này cho biết phân tích nhân tố giải thích đƣợc bao nhiêu phần trăm.
3.4.4. Phân tích tƣơng quan
Hệ số tƣơng quan có giá trị từ -1 đến 1. Hệ số tƣơng quan bằng 0 hay gần 0 có nghĩa là hai biến không có liên hệ gì với nhau, ngƣợc lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến có một mối liên hệ tuyệt đối.Nếu giá trị của hệ số tƣơng quan là âm (r <0) có nghĩa là khi x tăng cao thì y giảm (và ngƣợc lại, khi x giảm thì y tăng); nếu giá
31 trị hệ số tƣơng quan là dƣơng (r > 0) có nghĩa là khi x tăng cao thì y cũng tăng, và khi x tăng cao thì y cũng tăng theo.
-1 ≤ r ≤ 1
Diễn giải hệ số tƣơng quan r (Fraenkel & Wallen, 2006): - Từ 0.75 đến 1: Có mối quan hệ rất chặt chẽ
- Từ 0.50 đến 0.75: Có mối quan hệ tƣơng đối chặt chẽ - Từ 0.25 đến 0.50: Có mối quan hệ yếu
- Từ 0 đến 0.25: Có mối quan hệ kém chặt chẽ
Trị tuyệt đối r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tƣơng quan tuyến tính chặt chẽ. (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Mục đích chạy tƣơng quan Pearson nhằm kiểm tra mối tƣơng quan tuyến tính chặt chẽ giữa biến phụ thuộc và biến độc lập, vì điều kiện để hồi quy là trƣớc hết phải tƣơng quan, Ngoài ra cần nhận diện vấn đề đa cộng tuyến khi các biến độc lập có tƣơng quan mạnh với nhau. Dấu hiệu nghi ngờ dựa vào giá trị Sig. tƣơng quan giữa biến độc lập nhỏ hơn 0.05 và trị tƣơng quan Pearson lớn. Khi gặp phải nghi ngờ này, cần chú ý đa cộng tuyến sẽ đƣợc xem xét khi phân tích hồi quy (kiểm tra hệ số VIF).
3.4.5. Phân tích hồi quy
Phân tích hồi quy là phƣơng pháp ƣớc lƣợng hoặc dự báo một biến (biến phụ thuộc) trên cơ sở giá trị đã cho của các biến khác (biến độc lập). Về kỹ thuật, trong phân tích hồi quy các biến không có tính chất đối xứng, biến phụ thuộc là đại lƣợng ngẫu nhiên và các biến giải thích giá trị của chúng (biến độc lập) đã đƣợc xác định.
Kiểm tra VIF để tránh hiện tƣợng đa cộng tuyến xảy ra. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), hiện tƣợng đa cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng này là chúng
32 cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc, làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định mức ý nghĩa trong khi hệ số R Square vẫn khá cao.
- VIF < 2: Hiện tƣợng đa cộng tuyến giữa các biến độc lập ảnh hƣởng không đáng kể đến mô hình.
- 2 ≤ VIF ≤ 10: Hiện tƣợng đa cộng tuyến giữa các biến độc lập ảnh hƣởng đáng kể đến mô hình.
- VIF > 10: Hiện tƣợng đa cộng tuyến.
Hệ số xác định R bình phƣơng hiệu chỉnh dùng để đánh giá độ phù hợp của mô hình. Kiểm định F dùng để kiểm định giả thuyết về độ phù hợp của mô hình hồi quy. Mục đích kiểm định mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Giả thuyết H0 là các hệ số hồi quy bằng 0. Nếu giả thuyết H0 bị bác bỏ chứng tỏ mô hình tác giả xây dựng phù hợp với tập dữ liệu. Giá trị Sig. < 0.05 cho thấy an toàn khi bác bỏ giả thuyết H0.
3.5. Xây dựng thang đo
Các thang đo đƣợc xây dựng dựa trên việc tổng hợp từ các nghiên cứu về các yếu tố ảnh hƣởng đến kết quả học tập trƣớc đây của một số tác giả. Các yếu tố ảnh hƣởng đến kết quả học tập trong thang đo đã đƣợc trình bày dƣới đây và đã đƣợc khẳng định sau khi tiến hành nghiên cứu định tính. Toàn bộ các biến trong đề tài nghiên cứu sử dụng thƣớc đo đã đƣợc kiểm định trong các nghiên cứu trƣớc đây, thể hiện bằng các câu hỏi và những tuyên bố xoay quanh nội hàm của các biến để ngƣời trả lời phiếu điều tra đƣa ra nhận định và quan điểm của họ. Thang đo Likert 5 điểm đã đƣợc lựa chọn và áp dụng cho nghiên cứu và quy ƣớc mức độ thang đo theo điểm số nhƣ sau:
1: Hoàn toàn đồng ý 2: Đồng ý
33 4: Không đồng ý
5: Hoàn toàn không đồng ý
3.5.1. Thang đo kết quả học tập
KQHT của sinh viên đƣợc đo lƣờng dựa vào đánh giá tổng quát của chính sinh viên về kiến thức và kỹ năng họ thu nhận đƣợc trong quá trình tham gia môn học. Thang đo KQHT của sinh viên vào bốn biến quan sát đƣợc đo bằng thang đo Likert 5 điểm (Xem thêm Phụ lục 4).
ả 3: Tha đo kết quả học tập
Bảng 3.1: Thang đo kết quả học tập
Biến quan sát Ký hiệu
Tôi đã gặt hái đƣợc từ nhiều kiến thức từ các môn học KQHT1 Tôi đã phát triển đƣợc nhiều kỹ năng từ các môn hoc KQHT2 Tôi có thể ứng dụng đƣợc những gì đã học từ các môn học KQHT3 Nhìn chung, tôi đã học đƣợc rất nhiều kiến thức và các kỹ năng trong