1.1 .Lịch sử nghiên cứu vấn đề
2.3. Quy trình nghiên cứu
2.4.3. Phương pháp thống kê toán học
Tác giả sử dụng phần mềm thống kê SPSS 16 để phân tích các số liệu định lượng đã khảo sát được nhằm các mục đích sau:
Đánh giá độ hiệu lực của thang đo
Độ hiệu lực của thang đo được xác định như là mức độ chính xác mà thang đo có đo đúng cái cấu trúc nó được thiết kế để đo. Mỗi thang đo có nhiều “kiểu hiệu lực” khác nhau, bao gồm độ hiệu lực nội dung; độ hiệu lực cấu trúc; độ hiệu lực tiêu chuẩn và độ hiệu lực dự báo. Theo các chuyên gia thiết kế thang đo thì đánh giá độ hiệu lực nội dung và độ hiệu lực cấu trúc thực chất là xác định xem thang đo đó có đưa ra được một nội dung, một cấu trúc phù hợp để đo một đặc tính cụ thể nào đó khơng (tức là liệu mỗi item có nội dung phù hợp với nội dung cụ thể cần đo của một chỉ số cụ thể, thuộc một miền đo cụ thể hay từng item có liên quan trực tiếp với một thành phần cụ thể của miền đo và phép đo đó phải có cấu trúc trùng với cấu trúc của cái định đo) và một thang đo được coi là có độ hiệu lực nếu nó đưa ra được một cách đo phù hợp, đo đúng cái nó được thiết kế để đo và được gọi là độ hiệu lực của sự đo lường.
Mỗi thang đo có những miền đo nhất định, những item được thiết kế cho một miền đo nào đó địi hỏi phải có tính đồng nhất, do vậy có thể dùng phương pháp phân tích nhân tố (EFA) để đánh giá tính đồng nhất của các item (các item có cùng miền đo được kỳ vọng có quan hệ đáng kể với cùng một
loại factor) và đánh giá cấu trúc của phép đo. Thang đo có độ hiệu lực tốt địi hỏi các item phải có tính đồng nhất tức là có hệ số tải nhân tố (factor loading) lớn hơn 0.3 mới được coi là phù hợp.
Phân tích nhân tố EFA
Sử dụng phương pháp phân tích nhân tố EFA với phép quay Varimax để tiến hành phân tích 20 biến quan sát về năng lực ngôn ngữ của sinh viên trong học tập. Số lượng nhân tố được xác định theo phương pháp xác định là 2 nhân tố (tương ứng với 2 thành tố trong năng lực ngôn ngữ). Kết quả cụ thể như sau:
Bảng 2.4.3.1.: Kiểm định KMO và Bartlett’s cho biến độc lập Kiểm định KMO và Bartlett’s
Chỉ số KMO 0.946
Kiểm định Bartlett’s 5238.00
Df 190
Sig. .000
Hệ số KMO là 0.946 (Hệ số KMO là một chỉ số tiêu dùng để xem xét sự
thích hợp của EFA, 0.5 ≤ KMO ≤ 1) thì phân tích nhân tố EFA là thích hợp).
Kiểm định Bartlett để xem xét giả thuyết H0: Độ tương quan giữa các biến quan sát bằng không trong tổng thể và ở đây, giá trị Sig = 0.00 < 0.05 nên giả thuyết H0 bị bác bỏ. Điều này có nghĩa là các biến quan sát có tương quan với nhau trong tổng thể và phân tích nhân tố EFA là thích hợp
Thực hiên phân tích nhân tố theo Principal Components với phép quay Varimax
Bảng 2.4.3.2: Bảng Eigenvalues và phương sai trích cho biến độc lập
Component
Initial Eigenvalues Extraction Sums of Squared Loadings
Total % of
Variance Cumulative % Total
% of
Variance Cumulative %
2 1.168 5.839 74.944 1.168 5.839 74.944 3 .793 3.965 78.909 4 .656 3.280 82.189 5 .547 2.736 84.925 6 .479 2.395 87.321 7 .403 2.014 89.335 8 .312 1.559 90.893 9 .291 1.456 92.350 10 .259 1.297 93.647 11 .218 1.089 94.736 12 .201 1.003 95.738 13 .179 .897 96.635 14 .143 .714 97.349 15 .140 .698 98.047 16 .105 .524 98.571 17 .092 .462 99.033 18 .082 .408 99.441 19 .070 .352 99.793 20 .041 .207 100.000
Phương sai trích là 74.9% (>50%) điều này có nghĩa 2 nhân tố giải thích được 74.9% biến thiên của các biến quan sát (17)
Bảng 2.4.3.3: Ma trận nhân tố với phép xoay Principal Varimax cho biến độc lập Rotated Component Matrixa
Component 1 2 dv2 .846 dv3 .839 dv4 .804 dv6 .782 dv1 .780 dv7 .779 dv9 .739 dv8 .731 dv5 .726 dv12 .715
dv10 .660 dv11 .610 nn2 .887 nn3 .795 nn8 .773 nn4 .747 nn7 .745 nn5 .726 nn1 .712 nn6 .694
Các số liệu trong bảng Rotated Component Matrix thể hiện các trọng số nhân tố hay hệ số tải nhân tố (factor loading) của mỗi biến quan sát. Để phân tích nhân tố EFA được xem là quan trọng và có ý nghĩa thực tiễn thì chỉ giữ lại các biến quan sát có trọng số nhân tố > 0.4 đối chiếu bảng Rotated Component Matrix cho thấy các biến quan sát đều có trọng số nhân tố > 0.4
Hai nhân tố sau khi phân tích được mơ tả và đặt tên như bảng
Bảng 2.4.3.4: Mô tả các nhân tố sau khi phân tích EFA
Nhân tố Số biến
quan sát
Tên các biến quan sát Đặt tên nhân tố
F1 8 Nn1, nn2, nn3, nn4, nn5, nn6, nn7, nn8 Nghe - Nói F2 12 Dv1, dv2, dv3, dv4, dv5, dv6, dv7, dv8, dv9, dv10, dv11, dv12 Đọc - viết
Để đảm bảo dữ liệu của 2 nhân tố mới được phân tích có giá trị và có độ tin cậy, tiến hành kiểm định Cronbach’s Alpha đối với các biến quan sát trong các nhân tố. Kết quả phân tích cho thấy như sau
Bảng 2.4.3.5: Tổng hợp độ tin cậy của các nhân tố
Nhân tố Nghe – Nói Đọc – Viết
Số biến quan sát 8 12
Từ kết quả các bảng cho thấy các biến quan sát đều có hệ số tương quan tương đối cao đối với biến tổng. Điều này có nghĩa các biến quan sát trong từng nhân tố có tính đồng nhất và đều đóng góp cho độ tin cậy của các nhân tố đó