- Mô tả mẫu: Sinh viên có nhu cầu đăng ký khóa học bổ trợ chuyên ngành
- Phương pháp chọn mẫu: Kích thước mẫu là một vấn đề được các nhà nghiên cứu quam tâm rất nhiều vì nó liên quan trực tiếp đến độ tin cậy của các tham số thống kê, mỗi phương pháp phân tích thống kê đòi hỏi kích thước mẫu khác nhau.
Hiện nay để xác định kích thước mẫu người ta thường dựa vào các công thức kinh nghiệm (Nguyễn Đình Thọ, 2011). Theo Hair & , Anderson, Tatham và Black (1998) thì quy luật tổng quát cho cỡ mẫu tối thiểu trong phân tích nhân tố khám phá EFA là gấp 5 lần số biến quan sát và số lượng mẫu phù hợp cho phân tích hồi quy đa biến cũng là gấp 5 lần số biến quan sát. Mô hình nghiên cứu này có 29 biến quan sát như vậy kích thước mẫu tối thiểu sẽ là: 29*5= 145 mẫu cần khảo sát.
Tuy nhiên cũng có ý kiến cho rằng số lượng mẫu tối thiểu là 10 nhân (x) số biến. Tùy vào phương pháp xử lý mà kích thước mẫu cần thiết là khác nhau. Nguyễn Đình Thọ (2011) cho rằng “kích thước mẫu được xác định dựa vào kinh nghiệm, tối thiểu
phải là 50, tốt hơn là 100 và tỷ lệ quan sát/ biến đo lường tối thiểu là 5:1”. Kích thước mẫu trong nghiên cứu này là n = 353, đạt tiêu chuẩn cho mô hình nghiên cứu. Phương pháp lấy mẫu thuận tiện được sử dụng để thu thập dữ liệu.
3.2.2. Phương pháp thu thập thông tin, dữ liệu
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.
Tiêu chuẩn để lựa chọn là Hệ số tải nhân tố (factor loading) ≥ 0,5; Thang đo đạt yêu cầu khi tổng phương sai trích (Cumulative %) ≥ 50%. Để thực hiện EFA cần kiểm
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. R 2 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:
Cơ sở lý thuyết
Nghiên cứu chính thức
download by : skknchat@gmail31
Phân tích nhân tố khám phá EFA
‘ Thang đo hoàn chỉnh
Phân tích hồi quy
- Loại các biến cố có trọng số EFA nhỏ
- Kiểm tra nhân tố trích được
- Kiểm định mô hình
- Kiểm định giả thuyết
3.3. .Phương pháp xử lý và phân tích thông tin
- Theo phương pháp nghiên cứu định tính: xử lý tại bàn bằng cách nghe và đọc lại các câu trả lời phỏng vấn từ đó lấy những thông tin đủ tiêu chí, tổng hợp lại những nội dung quan trọng để đánh giá.
- Theo phương pháp nghiên cứu định lượng: Dữ liệu từ việc khảo sát được đưa vào phần mềm.Sử dụng Google Form, Exel khảo sát qua bảng câu hỏi kết hợp chạy phầm mềm SPSS để đưa ra kết quả cuối cùng.