Nghiên cứu này vận dụng kết hợp hai nguồn dữ liệu thứ cấp và sơ cấp. Để biết được mức độ ảnh hưởng của các yếu tố đến quyết định lựa chọn khóa học bổ trợ chuyên ngành của sinh viên, chúng tôi thu thập và phân tích dữ liệu như sau:
- Đối với dữ liệu sơ cấp: Thu thập thông tin thông qua bảng câu hỏi khảo sát google form đối với sinh viên ĐHTM có và đang tham gia khóa học bổ trợ chuyên ngành.
- Đối với dữ liệu thứ cấp: Thông qua các giáo trình, luận án, internet,Website trường đại học Thương Mại, các công trình nghiên cứu và luận văn tương tự, có liên quan.
Dữ liệu sau khi thu thập sẽ được nhập và làm sạch, xử lý qua phần mềm SPSS. Các bước sử dụng để phân tích dữ liệu trong nghiên cứu:
Bước 1: Lập bảng tần số thống kê để mô tả mẫu Bước 2: Đánh giá độ tin cậy thang đo
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp (biến rác) và hạn chế các biến rải rác trong quá trình nghiên cứu, đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach’s Alpha. Những biến có hệ số tương quan biến - tổng nhỏ hơn 0,3 sẽ bị loại. Thang đo được chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu > 0,6 (Nguyễn Đình Thọ, 2011). Thông thường thang đo có Cronbach’s Alpha từ 0,7 đến 0,8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo nghiên cứu có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo tốt nhất.
Bước 3: Phân tích nhân tố khám phá EFA
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy, những biến còn lại được tiếp tục sử dụng tiến hành phân tích nhân tố.
Phân tích nhân tố là một phương pháp thống kê được sử dụng để phân tích mối liên hệ tác động qua lại giữa một số lượng lớn các biến và giải thích các biến này dưới dạng các nhân tố ẩn.
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu này có nhiều biến để nghiên cứu, hầu hết chúng có tương quan với nhau và cần được rút gọn để có thể dễ dàng quản lý.
tra hệ số KMO (Kaiser-Meyer-Olkin) ≥ 0,5 và Eigenvalue ≥ 1, đồng thời thực hiện phép xoay bằng phương pháp trích Principal component, phép quay Varimax với những trường hợp cần xoay (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Bước 4: Phân tích hồi quy bội
Mô hình hồi quy bội biểu diễn mối quan hệ giữa hai hay nhiều biến độc lập định lượng với biến phụ thuộc định lượng ( Nguyễn Đình Thọ, 2012). Các biến độc lập định lượng trong bài làm của chúng tôi được trích xuất từ phép xoay Varimax và kiểm định EFA.
Theo Nguyễn Đình Thọ (2012), để ước lượng các trọng số hồi quy βi (i= 1...5) trong mô hình hồi quy bội ta dùng phương pháp bình phương bé nhất. Một thước đo cho sự phù hợp của mô hình tuyến tính thường dùng là hệ số xác định R2. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số xác định R2 càng gần 1 thì mô hình xây dựng càng thích hợp, gần 0 thì mô hình càng kém thích hợp. Hệ số xác định R2
này đã được chứng minh là hàm không giảm theo các biến độc lập đưa vào mô hình, càng đưa thêm biến độc lập vào mô hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng không phải phương trình càng có nhiều biến phụ thuộc sẽ càng phù hợp hơn với dữ liệu. Như vậy, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mô hình. Trong tình huống R2 hiệu chỉnh từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. R2 hiệu chỉnh không nhất thiết tăng lên khi nhiều biến được đưa thêm vào phương trình. Như vậy, dùng R2 hiệu chỉnh để đánh giá phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Đối với các câu trả lời phỏng vấn, tác giả tìm ra điểm chung phần lớn của các câu trả lời, hỏi sâu để tìm ra nguyên nhân câu trả lời.
Quy trình thu thập thông tin vẽ bằng sơ đồ:
Thang đo nháp
Nghiên cứu sơ bộ: - Thảo luận nhóm - Phỏng vấn thử
Điều chỉnh Nghiên cứu
chính thức
- Loại các biến có hệ số tương quan biến tổng nhỏ. Thang đo
chính Cơ sở lý thuyết
‘