CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3 Phương pháp phân tích dữ liệu
Dữ liệu nghiên cứu được phân loại theo hai nhóm, các dữ liệu thứ cấp và các dữ liệu sơ cấp cho khảo sát của nghiên cứu. Với từng nhóm dữ liệu khác nhau tác giả sử dụng các phương pháp phân tích khác nhau để đạt được mục tiêu của nghiên cứu. Trong đó:
3.3.1 Đối với các dữ liệu thứ cấp
Để đánh giá thực trạng về các chương trình đào tạo liên kết đại học, du học tại chỗ ngành kinh tế và quản trị kinh doanh tác giả sử dụng các nguồn dữ liệu thứ cấp từ các trường đại học, Bộ giáo dục và đào tạo trong giai đoạn 5 năm gần nhất. Các dữ liệu được phân loại theo chủ đề và sử dụng các phương pháp tổng hợp, đánh giá, so sánh số liệu để phản ánh đúng hiện trạng về hoạt động du học tại chỗ tại Việt Nam. Các dữ liệu này cho biết bức tranh lớn về hoạt động đào tạo liên kết và du học tại chỗ của các trường đại học.
3.3.2 Các phương pháp phân tích dữ liệu sơ cấp
Các dữ liệu sơ cấp thông qua khảo sát trong luận án này là trọng tâm của các phân tích. Các phương pháp phân tích được sử dụng là các phân tích đa biến thích hợp để đạt được mục tiêu của nghiên cứu. Các phương pháp cụ thể được sử dụng trong nghiên cứu bao gồm: (1) các thống kê mô tả mẫu nghiên cứu; (2) đánh giá tính tin cậy của các thang đo nghiên cứu; (3) phân tích khám phá nhân tố; (4) phân tích khẳng định nhân tố; (5) phân tích bằng mô hình cấu trúc tuyến tính và (6) đánh giá sự khác biệt của các nhân tố nhân khẩu tới ý định và quyết định lựa chọn chương trình của sinh viên. Cụ thể:
Thống kê mô tả mẫu nghiên cứu
Các đặc điểm nhân khẩu của các sinh viên sẽ được thống kê bằng bảng tần suất và tỷ lệ để có bức tranh đánh giá về tính đại diện cũng như tin cậy của mẫu nghiên cứu cho các phân tích dữ liệu tiếp theo.
Đánh giá sơ bộ thang đo
Các biến quan sát trong các thang đo bậc nhất được đánh giá tính tin cậy qua mẫu sơ bộ bằng hệ số Cronbach Alpha và hệ số tương quan biến tổng để đánh giá tính nhất quán nội tại của mỗi khái niệm nghiên cứu. Tiêu chuẩn phù hợp tham chiếu áp dụng cho nghiên cứu này là hệ số Cronbach Alpha lớn hơn 0.6 và các hệ số tương quan biến tổng của các biến quan sát trong mỗi khái niệm nghiên cứu (construct) lớn hơn 0.3 (Hair et al., 2006; Nunnally & Bernstein, 1994). Những biến quan sát không đạt các chỉ tiêu thống kê được xem xét lại giá trị nội dung (content validity) cân nhắc giữ lại cho điều tra chính thức. Trong trường hợp điều tra chính thức các phân tích vẫn không đạt sẽ được loại ra khỏi các phân tích của nghiên cứu trong các bước tiếp theo. Ở bước đánh giá sự tin cậy thang đo này tác giả cũng sử dụng phân tích khám phá nhân tố để đánh giá độ hội tụ và tính đơn hướng của các thang đo bậc nhất trong nghiên cứu. Tiêu chuẩn sử dụng cho phân tích khám phá nhân tố bao gồm hệ số KMO lớn hơn 0.5, phương sai giải thích lớn hơn 50%, các trọng số nhân tố (factor loading) lớn hơn 0.5 là đạt giá trị thực tiễn (Hair et al., 2006). Phương pháp xoay ma trận nhận tố sử dụng phương pháp thành phần chính với phép xoay trực giao (varimax) để thu được số nhân tố bé nhất với phương sai giải thích lớn nhất. Hai nhóm nhân tố (động cơ và rào cản) được phân tích độc lập với nhau. Các phân tích được thực hiện trên phần mềm SPSS.
Đánh giá chính thức thang đo
Kết quả hình thành các nhân tố ở phân tích khám phá nhân tố tiếp tục được đưa vào phân tích khẳng định nhân tố (CFA) để kiểm chứng lại tính tương thích của mô hình với dữ liệu thực tế. Phân tích khẳng định nhân tố được thực hiện cho hai giai đoạn, giai đoạn 1 phân tích mới mô hình đo lường và giai đoạn 2 là phân tích với mô hình tới hạn. Mô hình đo lường được phân tích với từng nhân tố thu được từ phân tích EFA để đánh giá tính hội tụ của khái niệm nghiên cứu. Mô hình tới hạn được sử dụng để đánh giá
tính thích hợp của mô hình nghiên cứu với dữ liệu thực tế, giá trị phân biệt giữa các nhân tố hình thành. Tiêu chuẩn phù hợp được tham chiếu trong nghiên cứu này là Chi-square/df nhỏ hơn 3, CFI, TLI, IFI lớn hơn 0.9, RMSEA nhỏ hơn 0.08 (Hair et al., 2006) (Hooper et al., 2008) (Kline, 2011). Các trọng số nhân tố của phân tích CFA lớn hơn 0.5 được xem là đạt giá trị hội tụ. Để kiểm tra giá trị phân biệt (discriminant validity) tác giả sử dụng kiểm định hệ số tương quan của các nhân tố với giá trị 1 bằng so sánh khoảng tin cậy 95% với phương pháp boostrap với mẫu tái lập là 1000. Phân tích dữ liệu thực nghiệm được thực hiện với sự hỗ trợ của phần mềm AMOS.
Phân tích mô hình cấu trúc tuyến tính và kiểm định các giả thuyết nghiên cứu
Để kiểm định các giả thuyết nghiên cứu trong mô hình đã xây dựng tác giả sử dụng phân tích bằng mô hình cấu trúc tuyến tính (SEM) với sự hỗ trợ của phần mềm AMOS. Mô hình nghiên cứu cũng được đánh giá tính tương thích với dữ liệu thực tế qua các chỉ số Chi-square/df; CFI, TLI, IFI và RMSEA. Các tiêu chuẩn thích hợp mô hình được lấy như tại phân tích CFA. Mức ý nghĩa thống kê cho các kiểm định quan hệ nhân quả lấy ở mức 5% theo thông lệ.
Đánh giá sự khác biệt về mức độ ảnh hưởng của các biến nhân tố nhân khẩu tới ý định và quyết định lựa chọn chương trình học của sinh viên.
Để đánh giá sự khác biệt về mức độ ảnh hưởng của các yếu tố nhân khẩu tới ý định và quyết định lựa chọn chương trình học của sinh viên, tác giả sử dụng các phân tích bằng T-test và phân tích bằng ANOVA. Đối với phân tích T-test kiểm định Levene được sử dụng để kiểm tra tính phương sai giữa các nhóm để chỉ định loại kiểm định thích hợp. Tương tự như vậy với phân tích phương sai, kiểm định Levene cũng được sử dụng để kiểm định hiện tượng đồng phương sai giữa các nhóm.
Dựa trên kết luận phương sai khác biệt hay không tác giả sẽ chỉ định kiểm định hậu định (post hoc test) thích hợp bằng kiểm định LSD, Turkey, Bonferroni hay Tamhane.
Đánh giá điểm trung bình, độ lệch chuẩn và khoảng tin cậy 95% của các nhân tố
Để đánh giá mức độ cảm nhận của sinh viên với từng nhân tố ảnh hưởng tới quá trình ra quyết định lựa chọn chương trình, tác giả sử dụng điểm trung bình, độ lệch chuẩn và khoảng tin cậy 95% giá trị trung bình để đánh giá.