Nhân tố Ký hiệu
mã hóa Các biến quan sát
Sự hài lịng
chung OVR1
Nhìn chung, tơi hài lịng với chất lượng đào tạo tại CTLK mà mình đang theo học
OVR2 Chất lượng đào tạo tại CTLK đáp ứng kỳ vọng của tôi OVR3 Tôi sẽ giới thiệu người thân, bạn bè đến học tại CTLK
(Nguồn: Tác giả tự đề xuất)
3.4. Nghiên cứu định lƣợng
Nghiên cứu định lượng được chia làm 2 giai đoạn: Nghiên cứu định lượng sơ bộ và nghiên cứu định lượng chính thức.
Ở bước nghiên cứu định lượng sơ bộ, một số bảng câu hỏi sơ bộ được gửi đến giáo viên hướng dẫn và nhân viên CTLK giữa ĐH Kinh tế TP.HCM và ĐH Victoria,
New Zealand để kiểm tra về hình thức và cách sử dụng từ ngữ; đồng thời 20 bảng câu hỏi khác được dùng để khảo sát ý kiến của 20 sinh viên đã và đang học tại CTLK giữa ĐH Kinh tế TP.HCM và ĐH Victoria, New Zealand. Kết quả phỏng vấn được xử lý qua phần mềm SPSS để kiểm tra độ tin cậy của thang đo. Kết quả kiểm tra cho thấy hệ số Cronbach's Alpha của các nhân tố đều lớn hơn 0,8 và hệ số tương quan của các biến quan sát với biến tổng đều lớn hơn 0,3 (Phụ lục 5). Như vậy, thang đo có độ tin cậy tốt và các biến quan sát trong bảng câu hỏi sơ bộ đều được đưa vào bảng câu hỏi chính thức. Ngồi ra, một số từ ngữ sử dụng chưa chính xác cũng được điều chỉnh.
3.4.1. Bảng câu hỏi chính thức
Nội dung bảng câu hỏi chính thức được chia làm 2 phần:
Phần I tìm hiểu các thông tin về CTLK mà sinh viên đang theo học, chuyên ngành và giới tính của sinh viên bằng những câu hỏi mở.
Phần II được thiết kế để đánh giá 6 nhân tố (Phương diện học thuật, Phương diện phi học thuật, Danh tiếng, Các vấn đề về chương trình, Tiếp cận, Thiết kế và đánh giá khóa học) được quan sát bởi 34 biến và thêm 3 biến để đánh giá Sự hài lòng chung. Để trả lời các câu hỏi này, người được phỏng vấn lựa chọn mức độ đồng ý theo thang đo Likert 5 điểm, thay đổi từ 1 là "Hồn tồn khơng đồng ý" đến 5 là "Hoàn toàn đồng ý" với phát biểu.
Bảng câu hỏi chính thức được trình bày trong Phụ lục 6.
3.4.2. Kích thƣớc mẫu và phƣơng pháp chọn mẫu
Theo Nguyễn Đình Thọ (2011), kích thước mẫu nghiên cứu phụ thuộc nhiều yếu tố như độ tin cậy cần thiết, phương pháp xử lý mẫu,... Kích thước mẫu càng lớn càng có lợi nhưng song song đó là kinh phí tốn kém và mất nhiều thời gian hơn cho việc lấy mẫu. Do đó, hầu hết các nhà nghiên cứu xác định kích thước mẫu qua cơng thức kinh nghiệm.
Hair at al. (2009) cho rằng trong phân tích nhân tố khám phá EFA (Explornary Factor Analysis), kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ
biến quan sát / biến đo lường là 5/1. Công thức kinh nghiệm cho cỡ mẫu trong phân tích EFA theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008) là cỡ mẫu phải bằng ít nhất 4 hoặc 5 lần số biến. Nghiên cứu này sử dụng phương pháp phân tích nhân tố EFA với số biến quan sát là 37 nên kích cỡ mẫu tối thiểu để phân tích EFA là 37*5=185 mẫu.
Để tiến hành phân tích hồi quy một cách tốt nhất, theo Tabachnick và Fidell (2007, trích trong Nguyễn Đình Thọ, 2011) thì kích thước mẫu phải đảm bảo theo công thức: n ≥ 8p+50; trong đó n là kích thước mẫu tối thiểu, p là số biến độc lập trong mơ hình. Theo đó, với mơ hình có 6 biến độc lập mà tác giả đang nghiên cứu, kích thước mẫu tối thiểu cần là 8*6+50=98.
Như vậy, để tiến hành đồng thời phân tích nhân tố khám phá EFA và phân tích hồi quy, mẫu nghiên cứu cần có kích thước tối thiểu là 185 mẫu. Do số lượng sinh viên theo học CTLK tại TP.HCM không quá lớn, nên đề tài dự kiến chọn cỡ mẫu từ 185 đến 190 và chọn mẫu phi xác suất. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), lý do quan trọng khiến người ta sử dụng phương pháp chọn mẫu phi xác suất là tính tiết kiệm về thời gian và chi phí. Chọn mẫu theo định mức là một trong những cách thức chọn mẫu thuộc phương pháp chọn mẫu phi xác xuất nên tính tổng qt hóa khơng cao, tuy nhiên nếu nhà nghiên cứu chọn đúng thuộc tính kiểm sốt thì về mặt thực tiễn phương pháp này có thể đại diện cho đám đơng. Do đó, phương pháp chọn mẫu định mức là một phương pháp chọn mẫu phi xác xuất phổ biến trong nghiên cứu kiểm định lý thuyết khoa học (Nguyễn Đình Thọ, 2011). Ở nghiên cứu này, tác giả sử dụng phương pháp chọn mẫu định mức theo chương trình liên kết. Tuy nhiên, việc tiếp cận các sinh viên các CTLK tại TP.HCM là không dễ dàng nên trong quá trình thực hiện, một số định mức không được đảm bảo.
3.4.3. Công cụ thu thập dữ liệu
Bảng câu hỏi chính thức được in sẵn và gửi tận tay các sinh viên thuộc các CTLK. Trong quá trình thu lại các bảng câu hỏi, người phỏng vấn kiểm tra tại chỗ xem sinh viên đã hoàn thành đầy đủ các câu hỏi hay chưa, đồng thời điều chỉnh ngay những
sai sót về từ ngữ, chữ viết nếu có. Ngồi ra, tác giả cũng thiết kế một bảng câu hỏi trực tuyến bằng qua công cụ Google Documents để thu thập dữ liệu qua email và mạng xã hội.
3.5. Phƣơng pháp phân tích dữ liệu
Dữ liệu sau khi thu thập xong sẽ được làm sạch và xử lý bằng phần mềm SPSS 16.0. Các phương pháp phân tích được sử dụng trong nghiên cứu này bao gồm Thống kê mô tả, Đánh giá độ tin cậy thang đo bằng Cronbach's Alpha, Phân tích nhân tố khám phá EFA, Phân tích hồi quy, Kiểm định sự khác biệt các trung bình (T-test và ANOVA).
(1) Thống kê mô tả: Lập bảng tần số để mô tả mẫu theo các thuộc tính: tên
chương trình liên kết, giới tính, ngành học, cấu trúc chương trình.
(2) Đánh giá độ tin cậy thang đo
Cronbach's Alpha là phép kiểm định thống kê về khả năng giải thích cho một khái niệm nghiên cứu của tập hợp các biến quan sát trong thang đo thông qua hệ số Cronbach's Alpha. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), khi thang đo có hệ số Cronbach's Alpha giá trị từ 0,8 đến gần 1,0 là một thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhiều nhà nghiên cứu đề nghị rằng hệ số này từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm nghiên cứu là mới. Tuy nhiên, Cronbach's Alpha không cho biết biến nào nên loại bỏ, biến nào nên giữ lại. Vì vậy, bên cạnh Cronbach's Alpha, người ta còn sử dụng hệ số tương quan biến tổng (item-total correlation). Những biến nào có tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại (Nunnally and Burnstein, 1994 trích trong Nguyễn Đình Thọ, 2011).
(3) Phân tích nhân tố khám phá EFA
Theo Nguyễn Đình Thọ (2011), phương pháp phân tích EFA được dùng để rút gọn một tập biến thành một tập biến có các nhân tố ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát ban đầu. Trong đó:
Hệ số KMO dùng để đánh giá sự thích hợp của EFA. EFA được gọi là thích hợp khi 0,5 ≤ KMO ≤ 1. KMO ≥ 0,9 là rất tốt, KMO ≥ 0,8 là tốt, KMO ≥ 0,7 thì được, KMO ≥ 0,6 thì tạm được, cịn nếu KMO ≤ 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu. Ngồi ra, cần kiểm định Bartlett để xem xét giải thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể), nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) thì bác bỏ giả thuyết H0, nghĩa là các biến có tương quan với nhau trong tổng thể.
Tiêu chuẩn rút trích nhân tố gồm chỉ số Eigenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích - cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thốt). Các nhân tố có Eigenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì vậy, các nhân tố chỉ được rút trích khi Eigenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%.
Hệ số tải nhân tố (Factor loading) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair et al. (1998), hệ số tải nhân tố lớn hơn 0,3 được xem là đạt mức tối thiểu (nếu chọn mức này thì cỡ mẫu phải từ 350 trở lên), lớn hơn 0,4 được xem là quan trọng, lớn hơn 0,5 được xem là có ý nghĩa thực tiễn. Nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố lớn hơn 0,55; cỡ mẫu khoảng 50 thì hệ số này phải lớn hơn 0,75. Trong nghiên cứu này, tác giả sử dụng phương pháp trích Principal Component với phép xoay Varimax, rút trích các nhân tố có Eigenvalue >1, tổng phương sai trích ≥ 50%, 0,5 ≤ KMO ≤ 1 và kiểm định Bartlett có Sig. < 0,05; loại bỏ các biến quan sát có hệ số tải nhân tố Factor loading ≤ 0,5.
(4) Phân tích hồi quy
Sau khi rút trích được các nhân tố từ phân tích EFA, tác giả sử dụng mơ hình hồi quy bội để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập. Trước khi tiến hành phân tích hồi quy cần xem xét sự tương quan giữa các biến, kiểm định các giả định mơ hình hồi quy.
- Xem xét sự tƣơng quan giữa các biến: Hệ số Pearson được dùng để xem xét các
mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và biến độc lập cũng như giữa các biến độc lập với nhau. Nếu giữa biến phụ thuộc và biến độc lập có hệ số tương quan lớn chứng tỏ giữa chúng có mối quan hệ với nhau và từ đó có thể phân tích hồi quy tuyến tính. Mặt khác, nếu giữa các biến độc lập có tương quan lớn với nhau thì đó là dấu hiệu cho thấy giữa chúng có thể xảy ra hiện thượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Kiểm định các giả định của mơ hình hồi quy: Theo Hồng Trọng và Chu Nguyễn
Mộng Ngọc (2008), để đảm bảo sự diễn dịch từ kết quả hồi quy của mẫu cho tổng thể có giá trị, cần tiến hành các giả định của hàm hồi quy, bao gồm Liên hệ tuyến tính, Phân phối chuẩn của phần dư, Tính độc lập của sai số và Khơng có hiện tượng đa cộng tuyến.
Liên hệ tuyến tính: Sử dụng biểu đồ phân tán Scatterplot với phần dư chuẩn hóa trên trục tung và giá trị dự đốn chuẩn hóa trên trục hồnh. Nếu giả định liên hệ tuyến tính thỏa mãn thì ta sẽ khơng nhận thấy mối liên hệ nào giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên.
Phân phối chuẩn của phần dư: phần dư có thể khơng tn theo phân phối chuẩn do sử dụng mơ hình khơng đúng, phương sai khơng phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích. Nghiên cứu này sẽ sử dụng biểu đồ tần số Histogram và biểu đồ P-P plot để khảo sát phân phối của phần dư.
Tính độc lập của sai số: hiện tượng này xảy ra có thể do các biến có ảnh hưởng khơng được đưa hết vào mơ hình do giới hạn và mục tiêu nghiên cứu, sai số trong đo lường các biến... Các lý do này có thể dẫn đến vấn đề tương quan chuỗi trong sai số. Tương quan chuỗi cũng gây ra những sai lệch nghiêm trọng đến mơ hình hồi quy tuyến tính như hiện tượng thay đổi phương sai. Để kiểm định tương quan này, có thể dùng đại lượng thống kê Durbin-Watson. Nếu Durbin-Watson nằm trong khoảng từ 1 đến 3 thì có thể chấp nhận hiện tượng tương quan không xảy ra.
Hiện tượng đa cộng tuyến: là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau, dẫn đến việc khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc, làm tăng độ lệch chuẩn của hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định mức ý nghĩa trong khi hệ số R2 vẫn khá cao. Hiện tượng này được kiểm định thơng qua hệ số phóng đại phương sai VIF (Variance Inflation Factor). Đa cộng tuyến xảy ra nếu VIF lớn hơn 10.
- Phân tích hồi quy: Nếu các giả định khơng bị vi phạm, mơ hình hồi quy tuyến tính được xây dựng có dạng tổng quát như sau:
Y = B0 + B1X1 + B2X2 + B3X3+ ... + BiXi
Trong đó: Y: sự hài lịng chung
Xi: các yếu tố tác động đến sự hài lòng B0: Hằng số, Bi: các hệ số hồi quy
Khi tiến hành phân tích hồi quy tuyến tính, cần đánh giá độ phù hợp của mơ hình bằng giá trị R2 điều chỉnh và kiểm định độ phù hợp của mơ hình bằng giá trị F. R2 điều chỉnh là hệ số xác định tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong mơ hình hồi quy theo quy tắc R2 càng gần 1 thì mơ hình xây dựng càng thích hợp, R2 càng gần 0 thì mơ hình càng ít thích hợp với dữ liệu mẫu. Kiểm định F trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mơ hình tuyến tính tổng thể. Nếu giả thuyết H0 của kiểm định F bị bác bỏ thì mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được. (Nguyễn Đình Thọ, 2011).
(5) Kiểm định sự khác biệt các trung bình: được tiến hành để xem xét ảnh
hưởng giữa các biến liên quan đến đặc điểm cá nhân của người khảo sát và mức độ hài lòng chung, tác giả tiến hành kiểm định T-test và ANOVA.
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU
Mục đích của chương này là phân tích, mơ tả mẫu khảo sát, trình bày kết quả kiểm định thang đo và các giả thuyết đưa ra trong mơ hình. Nội dung chương gồm 5 phần chính: (1) Mô tả mẫu; (2) Đánh giá thang đo; (3) Điều chỉnh mơ hình nghiên cứu; (4) Kiểm định mơ hình nghiên cứu; (5) Kiểm định sự khác biệt về sự hài lòng đối với chất lượng dịch vụ đào tạo theo đặc điểm cá nhân; (6) Thảo luận kết quả nghiên cứu.
4.1. Mô tả mẫu
Mẫu được thu thập bằng 2 phương pháp:
Phát bảng câu hỏi và thu trực tiếp: người phỏng vấn đến từng lớp học thuộc các chương trình liên kết, phát bảng câu hỏi và thu lại ngay sau khi người được khảo sát hoàn tất. Tổng số bảng câu hỏi phát ra là 160, số bảng câu hỏi thu hồi lại được là 145 (tỷ lệ hồi đáp là 90,6%). Sau khi kiểm tra, có 6 bảng câu hỏi bị loại do điền thiếu thông tin hoặc chỉ chọn một mức đánh giá cho tất cả các phát biểu. Cuối cùng, thu được 139 bảng câu hỏi hợp lệ.
Dùng bảng câu hỏi dạng trực tuyến: bảng khảo sát trực tuyến được thiết kế sao cho người trả lời phải hồn thành tất cả các câu hỏi thì mới gửi đi được. Có 49 bảng câu hỏi trực tuyến được hồi đáp, trong đó tác giả loại đi 2 bảng khảo sát chỉ chọn một mức đánh giá cho tất cả các phát biểu. Cuối cùng thu được 47 bảng câu hỏi hợp lệ.
Thông qua 2 phương pháp trên thu được 186 mẫu hợp lệ. Cỡ mẫu này phù hợp với cỡ mẫu dự kiến cần có để tiến hành phân tích nhân tố EFA và phân tích hồi quy.
Phân bố mẫu theo một số thông tin cá nhân của người được phỏng vấn được trình bày trong bảng 4.1.
Bảng 4.1: Phân bố mẫu theo một số thông tin cá nhân của ngƣời đƣợc phỏng vấn
Phân bố mẫu theo Số
lƣợng
% trong mẫu
Chương trình liên kết sinh viên đang theo học
ĐH Kinh tế TP.HCM - ĐH Victoria
(New Zealand) 60 32,3
ĐH Kinh tế TP.HCM - ĐH Western
Sydney (Úc) 26 14
ĐH Ngoại thương Cơ sở II TP.HCM
- ĐH Bedfordshire (Anh) 55 29,6 ĐH Sư phạm kỹ thuật TP.HCM -
ĐH Sunderland (Anh) 26 14
ĐH Bách khoa TP.HCM - ĐH
Illinois Springfield (Mỹ) 11 5,9 ĐH Tài chính Marketing - ĐH HELP