4.1 Đặc điểm mẫu khảo sát
4.3.1 Phân tích tương quan
Xây dựng ma trận hệ số tương quan giúp chúng ta xem xét mối tương quan tuyến tính giữa các biến trong mơ hình. Cụ thể chúng ta có thể xem xét mối tương quan giữa các biến độc lập với biến phụ thuộc, thậm chí là giữa các biến độc lập với nhau. Nếu các biến độc lập có mối tương quan chặt với nhau, chúng ta phải chú ý xem xét đến hiện tượng đa cộng tuyến. Ngồi ra, chúng ta cịn có thể loại bỏ biến độc lập bất kì nếu nó khơng có tương quan với biến phụ thuộc.
Bảng 4.14 cho thấy có sự tương quan giữa các biến độc lập và biến phụ thuộc (sig < 0.05). Trong đó biến SV -“định hướng mục tiêu học tập” có sự tương quan cao nhất với biến phụ thuộc DL -“động lực học tập” (0.479). Ngoài ra các biên độc lập đều có tương quan đáng kể vớ nhau, cụ thể giữa biến GV và PP có tương quan tương đối cao là 0.494, chúng ta sẽ xét đến đa cộng tuyến trong phần phân tích hồi qui.
Bảng 4.14. Ma trận hệ số tương quan DL GV SV MT PP DL Pcor (*) 1.000 0.237 0.479 0.232 0.398 Sig (**) 0.001 0.000 0.001 0.000 GV Pcor 0.237 1.000 0.214 0.420 0.494 Sig 0.001 0.003 0.000 0.000 SV Pcor 0.479 0.214 1.000 0.174 0.279 Sig 0.000 0.001 0.015 0.000 MT Pcor 0.232 0.420 0.174 1.000 0.385 Sig 0.001 0.000 0.015 0.000 PP Pcor 0.398 0.494 0.279 0.385 1.000 Sig 0.000 0.000 0.000 0.000
Nguồn: Tổng hợp từ hết quả chạy tương quan trên SPSS
(*) P : hệ số tương quan Pearson (**) Sig : sử dụng kiểm định 2 phía.
4.3.2 Phân tích hồi qui
Các biến độc lập (GV, SV, MT, PP) và biến phụ thuộc (DL) được đưa vào mô hình để kiểm định giả thuyết bằng phương pháp Enter (đồng thời), vì giả thuyết đưa ra là các yếu tố hành vi giảng viên, định hướng mục tiêu học tập của sinh viên, môi trường học tập và phương pháp giảng dạy tác động cùng chiều vào động lực học tập của sinh viên. Kết quả chạy hồi qui được trình bày trong bảng 4.15, 4.16 và 4.17.
Bảng 4.15. Bảng tóm tắt mơ hình
Mơ hình R R² Radj² Độ lệch chuẩn dự đoán 1 0.555 0.308 0.294 0.53925 Bảng 4.16. Bảng ANOVA Mơ hình Tổng bình phương df Bình phương trung bình F Sig 1 Hồi qui 24.771 4 6.193 21.297 0.000 Phần dư 55.541 191 0.291 Tổng 80.312 195
Bảng 4.17. Bảng trọng số hồi qui
Biến B SE β chuẩn
hóa t Sig
Tương quan Đa cộng tuyến Cor Partial Part T VIF
1.151 0.312 3.688 0.000
GV -0.005 0.075 -0.005 -0.068 0.946 0.237 -0.005 -0.004 0.690 1.449 SV 0.417 0.066 0.395 6.272 0.000 0.479 0.413 0.377 0.912 1.096 MT 0.052 0.056 0.063 0.930 0.354 0.232 0.067 0.056 0.780 1.283 PP 0.192 0.052 0.265 3.670 0.000 0.398 0.257 0.221 0.692 1.444
Nguồn: Tổng hợp từ hết quả chạy phân tích hồi qui trên SPSS
Kết quả chạy hồi qui cho thấy hệ số xác định R² = 0.308 (≠0). R² có khuynh hướng là ước lượng lạc quan cho thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mơ hình. Ở đây chúng ta sử dụng hệ số xác định Radj² = 0.294 để giải thích sự phù hợp của mơ hình sẽ an tồn và chính xác hơn. Ở bảng ANOVA (Bảng 4.16), kiểm định F cho thấy mức ý nghĩa sig = 0.000 < 0.05. Như vậy, mơ hình hồi qui là phù hợp, các biến độc lập trong mơ hình giải thích được gần 30% phương sai của biến động lực học tập. Còn lại 70% là do sự tác động của các yếu tố khác khơng được đưa vào mơ hình.
Xét bảng 4.17, trọng số hồi qui cho thấy các biến SV, PP có sự ảnh hưởng đến động lực học tập của sinh viên do chúng có mức ý nghĩa sig đều nhỏ hơn 0.05. Các biến này có tác động cùng chiều vào biến phụ thuộc DL do có hệ số Beta dương. So sánh mức độ tác động của hai biến này lên biến DL chúng ta thấy hệ số βSV lớn hơn hệ số βPP. Do đó, biến SV tác động vào DL mạnh hơn biến PP khá nhiều. Cả 2 biến SV và PP đều có hệ số phóng đại phương sai VIF < 2, do đó đạt yêu cầu. Như vậy, việc định hướng mục tiêu học tập rõ ràng sẽ làm tăng động lực học tập của sinh viên. Tương tự, phương pháp giảng dạy hiệu quả cũng làm tăng động lực học tập của sinh viên.
Biến GV và MT đều có VIF < 2, tuy nhiên chúng lại khơng có ý nghĩa thống kê do mức ý nghĩa sig lần lượt là 0.946, 0.354 (>0.05), do đó chúng ta sẽ cân nhắc
việc loại hai biến này khỏi mơ hình. Biến GV tác động âm vào DL với (βGV = -0.005),
hệ số tương quan Cor trong bảng 4.17 chúng ta thấy rằng cả hai biến GV và MT đều tác động dương vào biến DL với hệ số tương quan lần lượt là 0.237, 0.232.
Trong bảng trọng số hồi qui, giá trị t của GV, MT đều nhỏ hơn 2. Hệ số tương quan giữa biến GV và MT trong bảng 4.14 là 0.420, sự tương quan giữa 2 biến độc lập này là khá cao khi so sánh mối tương quan với các biến khác. Nhìn vào hệ số tương quan từng phần Pcor(GV,DL) trong bảng 4.17 (là tương quan giữa GV và DL khi ảnh hưởng tuyến tính của các biến độc lập khác đối với biến độc lập GV bị loại bỏ) và hệ số tương quan riêng phần Scor(GV,DL) (là tương quan giữa GV và DL khi ảnh hưởng tuyến tính của các biến độc lập khác đối với cả DL và GV bị loại bỏ) đều âm. Điều này có nghĩa các biến cịn lại đã giải thích phần biến GV giải thích cho DL. Trong trường hợp này chúng ta không thể kết luận là hành vi giảng viên khơng có tác động vào biến động lực học tập, bởi hành vi giảng viên đã được thể hiện trong các biến độc lập còn lại. Xem xét thêm hệ số tương quan giữa các biến độc lập: cor(GV,SV) = 0.214, cor(GV,MT) = 0.420, cor(GV,PP) = 0.494. Chúng ta thấy tương quan giữa biến GV và các biến độc lập là tương đối cao nên dẫn đến hiện tượng đa cộng tuyến dù VIF của biến GV đạt yêu cầu (VIF = 1.449 < 2). Kết quả phân tích hồi qui sau khi loại biến GV có R² = 0.308, có thể thấy việc thêm biến GV vào mơ hình khơng làm tăng hệ số xác định R². Trong khi đó R² sau khi loại bỏ biến MT giảm xuống còn 0.305 (Xem thêm phụ lục 4.8). Qua những lập luận trên chúng ta sẽ loại biến GV khỏi mơ hình và tiến hành chạy hồi qui lần 2. Kết quả được thể hiện ở bảng 4.18.
Bảng 4.18. Bảng trọng số hồi qui sau khi loại bỏ biến GV
Biến B SE β chuẩn
hóa t Sig
Tương quan Đa cộng tuyến Cor Partial Part T VIF 1.141 0.278 4.102 0.000
SV 0.416 0.066 0.395 6.300 0.000 0.479 0.414 0.378 0.917 1.091 MT 0.051 0.054 0.062 0.952 0.342 0.232 0.069 0.057 0.847 1.181 PP 0.190 0.048 0.264 3.941 0.000 0.398 0.274 0.237 0.806 1.241
Xét biến MT trong bảng trọng số hồi qui sau khi loại bỏ biến GV, có mức ý nghĩa sig = 0.342 > 0.05. Như vậy chúng ta vẫn sẽ xem xét loại biến MT khỏi mơ hình do khơng có ý nghĩa thống kê. Như vậy, chúng ta sẽ xem xét mơ hình hồi qui khi chỉ cịn lại 2 biến là SV và PP như bảng 4.19.
Bảng 4.19. Kết quả phân tích hồi qui (sau khi loại biến GV và MT)
Mơ hình R R² Radj² Độ lệ chuẩn dự đoán 1 0.552 0.305 0.298 0.53772 Mơ hình Tổng bình phương df Bình phương trung bình F Sig 1 Hồi qui 24.508 2 12.254 42.381 0.000 Phần dư 55.804 193 0.289 Tổng 80.312 195 Biến B SE β chuẩn hóa
t Sig Tương quan Đa cộng tuyến Cor Partial Part T VIF
1.261 0.250 5.044 0.000
SV 0.421 0.066 0.399 6.376 0.000 0.479 0.417 0.383 0.920 1.086 PP 0.207 0.046 0.284 4.535 0.000 0.396 0.310 0.272 0.920 1.086
Nguồn: Tổng hợp từ hết quả chạy phân tích hồi qui trên SPSS
Nhìn vào kết quả phân tích hồi qui (sau khi loại biến GV và MT), R² giảm từ 0.308 còn 0.304, tuy nhiên Radj² tăng từ 0.294 lên 0.298. Như vậy hai biến SV và PP giải thích được gần 30% phương sai của biến DL. Mức ý nghĩa trong kiểm định F đạt yêu cầu (Sig=0.000<0.05). Kết quả này cũng cho thấy biến độc lập SV và PP thực sự ảnh hưởng đến DL do có mức ý nghĩa sig <0.05. Trong đó biến SV có sự tác động mạnh nhất vào DL khi hệ số βSV = 0.399 và βPP = 0.284, các biến này tác động cùng chiều vào DL do có hệ số Beta dương. Các biến này đều có hệ số phóng đại phương sai VIF < 2, do đó đạt yêu cầu.