3.2.2 Nghiên cứu chính thức
3.2.2.3 Phương pháp phân tích
Đánh giá các thang đo
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mợng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
- Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có đợ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì đợ tin cậy nhất quán nội tại càng cao) (Nunally và Burnstein 1994; dẫn theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Peterson, 1994 dẫn theo Hồng Trọng và Chu Nguyễn Mợng Ngọc, 2005).
- Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí: - Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ hơn 0,4.
- Chọn thang đo có đợ tin cậy Alpha lớn hơn 0,6.
Phân tích nhân tố
Phương pháp phân tích nhân tố giúp thu gọn các biến quan sát thành những nhóm biến, các biến trong mỗi nhóm có quan hệ gần gũi nhau. Phân tích nhân tố được thực hiện để kiểm định sự hội tụ của các biến thành phần về khái niệm. Qua phân tích nhân tố, các biến quan sát sẽ được gom thành từng nhóm, mỗi nhóm đo lường một vấn đề riêng biệt, các biến quan sát trong các nhóm có thể bị tách ra hoặc nhập vào thành những nhóm mới so với dự định ban đầu (Hồng Trọng và Chu Nguyễn Mợng Ngọc, 2008).
Các tham số thống kê quan trọng trong phân tích nhân tố gồm:
Chỉ số Kaiser-Meyer-Olkin (KMO): Kiểm định sự thích hợp của phân tích nhân tố. Chỉ số KMO phải đủ lớn (> 0,5) thì mơ hình phân tích nhân tố là thích hợp. (Hair và cợng sự, 2006). Kiểm định Bartlett xem xét giả thuyết Ho: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hồng Trọng và Chu Nguyễn Mợng Ngọc, 2008).
Chỉ số Eigenvalue: Đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích, các nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình (Hair và cộng sự, 2006).
Tổng phương sai trích (Variance explained criteria): cho biết mức ý nghĩa của các nhân tố được rút trích; tổng phương sai trích phải lớn hơn 50%.
Hệ số tải nhân tố (factor loadings): Là hệ số tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Để thang đo đạt giá trị hợi tụ thì hệ số này phải lớn hơn hoặc bằng 0,5 trong một nhân tố. Để đạt giá trị phân biệt, khác biệt giữa các factor loadings phải lớn hơn hoặc bằng 0,3 (Hair và cộng sự, 2006).
Phương pháp trích nhân tố được chọn là Principal Component Analysis với phép quay góc Varimax để tìm ra các nhân tố đại diện cho các biến có hệ số lớn tại cùng mợt nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố.
Phân tích tương quan và hồi quy đa biến
Phân tích tương quan nhân tố khám phá EFA để đưa ra được mơ hình hồi quy các yếu tố văn hóa tổ chức ảnh hưởng đến sự hài lòng của học viên cao học tại Trường Đại học Nông Lâm TP.HCM. Sau khi xây dựng các thang đo thích hợp và phân tích nhân tố, tiến hành phân tích ma trận tương quan giữa các biến đợc lập (các yếu tố) và biến phụ tḥc (sự hài lịng của học viên cao học), chạy mơ hình hồi quy đa biến: Phương trình hồi quy:
Y = β0 + β1H1 + β2H2 + β3H3 + β4H4 + β5H5 + β6H6 + β7H7+ β8H8 + β9H9+ε Trong đó:
Y : Sự lòng của học viên cao học về chất lượng dịch vụ đào tạo βi : Hệ số hồi quy cũng từng yếu tố tác động (i > 0)
ε : Sai số
H1 : Cơ sở vật chất
H3 : Giảng viên H4 : Nhân viên H5 : Động lực H6 : Học phí H7 : Thực hiện cam kết H8 : Chương trình hỗ trợ H9 : Nhà trường
Ý nghĩa phân tích hồi quy bợi để xác định những biến độc lập có tác đợng hay khơng đối với biến phụ thuộc, mức độ tác động và xác định tầm quan trọng của biến độc lập đối với biến phụ thuộc.
Kiểm định tương quan từng phần của các hệ số hồi qui: Nhằm xác định biến đợc lập tương quan có ý nghĩa với biến phụ thuộc hay không, với mức ý nghĩa hệ số hồi qui từng phần có đợ tin cậy ít nhất 95% (Sig. < 0,05), ta kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc (Đinh Phi Hổ, 2012).
Theo Đinh Phi Hổ (2012), kiểm định mức đợ phù hợp của mơ hình:Nhằm xác định mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc. Kết quả được xem là phù hợp khi có ít nhất mợt hệ số hồi qui khác khơng.
Giả thuyết: H0: Hệ số hồi qui đều bằng khơng.
H1: Ít nhất mợt hệ số hồi qui khác khơng.
Phân tích phương sai (Analysis of variance, ANOVA). Kết quả kiểm định mức ý nghĩa đảm bảo đợ tin cậy ít nhất 95% (Sig < 0,05), chấp nhận giả thuyết H1, mơ hình được xem là phù hợp.
Kiểm định mức đợ giải thích mơ hình thơng qua hệ số R² hiệu chỉnh (Adjusted R- Square): Hệ số xác định R2
được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, tuy nhiên khơng phải phương trình càng có nhiều biến sẽ càng phù hợp với dữ liệu, R2 có khuynh hướng là mợt yếu tố lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có mợt biến giải thích
trong mơ hình. Như vậy, trong hồi quy tuyến tính bợi thường dùng hệ số R-square điều chỉnh (Adjusted R square) để đánh giá đợ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Bên cạnh đó, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin – Watson (VIF < 10). Hệ số Beta chuẩn hóa được dùng để đanh giá mức độ quan trọng của từng yếu tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức đợ tác đợng của biến đó đến quyết định càng lớn (theo Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Công cụ xử lý số liệu
Sử dụng các phương pháp thống kê thông thường với sự hỗ trợ của phần mềm Excel để tổng hợp thơng tin thứ cấp, tính tốn và phân tích các yếu tố văn hóa tổ chức ảnh hưởng đến sự hài lòng của học viên cao học tại Trường ĐH Nông Lâm TP.HCM. Sử dụng phần mềm SPSS 20 để kiểm định thang đo, phân tích nhân tố khám phá EFA và phân tích hồi qui tương quan giữa biến phụ thuộc với biến độc lập.
CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
4.1 Sơ lược về Trường ĐH Nơng Lâm TP.HCM và thực trạng đào tạo trình
độ thạc sĩ tại trường.