6. Khách thể và đối tƣợng nghiên cứu
3.3. Hồi quy tuyến tính bội
84
Trên cơ sở kết quả tính hệ số tƣơng quan r, ta tiếp tục mô hình hóa mối quan hệ giữa các biến bằng mô hình hồi quy tuyến tính bội, trong đó HĐHT là biến phụ thuộc (Y) các biến ĐCHTTT, ĐCBT&GĐ, ĐCQHXH, ĐKHT, MĐHT, HVTNTT và HVSDTT là biến độc lập (X). Vì mục đích của cuộc nghiên cứu là so sánh để tìm ra sự tƣơng đồng và khác biệt trong các mối liên hệ giữa biến phụ thuộc và các biến độc lập giữa hai trƣờng, nên phƣơng pháp chọn biến từng bƣớc (Stepwise selection) trong SPSS đƣợc thực hiện với toàn bộ dữ liệu, lệnh Split file\ compare groups đƣợc sử dụng để chia dữ liệu và so sánh giữa nhóm của SV Trƣờng ĐH CSND và nhóm sinh viên Trƣờng ĐH Luật TPHCM.
Dữ liệu để chạy hồi quy là giá trị trung bình cộng của các khía cạnh trong từng nhân tố đƣợc rút trích trong phân tính nhân tố khám phá EFA. Việc mô hình hồi quy đƣợc tiến hành với giả định rằng (Y) có phân phối chuẩn đối với bất kỳ kết hợp nào của các biến độc lập (X) trong mô hình nghiên cứu.
3.3.1.Kết quả đối với nhóm sinh viên Trường Đại học CSND.
Bảng 3.4. Hệ số R2
điều chỉnh của các biến đƣa vào
mô hình hồi quy và Hệ số Durbin-Watson của nhóm SV Trƣờng ĐH CSND Mô hình Hệ số R R2 R 2 điều chỉnh Sai số tiêu chuẩn Hệ số Durbin- Watson 1 ,523(a) ,273 ,270 ,50971 2 ,626(b) ,392 ,386 ,46743 3 ,638(c) ,407 ,399 ,46267 1,853 a Biến độc lập: ĐCHTTT b Biến độc lập: ĐCHTTT, HVTNTT c Biến độc lập: ĐCHTTT, HVTNTT, ĐKHT d Biến phụ thuộc: HĐHT
85
Ta sử dụng hệ số xác định R2 điều chỉnh để đánh giá độ phù hợp của mô hình hồi quy tuyến tính đa biến. Ta thấy trong 3 mô hình thể hiện ở bảng 3.4 thì model 3 có R2 điều chỉnh = 0,399 (lớn nhất), nghĩa là mô hình hồi quy tuyến tính này phù hợp nhất với tập dữ liệu 39,9%. Hay 39,9% khác biệt của HĐHT quan sát có thể đƣợc giải thích bởi sự khác biệt về các biến độc lập trong mô hình gồm: ĐCHTTT, ĐKHT và HVTNTT.
Ngoài ra, kết quả kiểm định tƣơng quan các sai số kề nhau, với giá trị d (Durbin-Watson) = 1,853 tiệm cận mức 2 (Bảng 3.4), ta có thể kết luận các phần dƣ gần nhau không có tƣơng quan chuỗi bậc nhất với nhau. Giả định về tính độc lập của sai số đƣợc chấp nhận. Chứng tỏ không có sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Nhƣ vậy, với nhóm SV Trƣờng ĐH CSND, chỉ có 3 yếu tố có mối liên hệ tuyến tính mạnh, thích hợp để đƣa vào mô hình hồi quy tuyến tính bội để ƣớc lƣợng mức độ của HĐHT, đó là: ĐCHTTT, HVTNTT và ĐKHT. 3 yếu tố này giải thích gần 40% sự khác biệt của HĐHT của SV năm nhất Trƣờng ĐH CSND.
Bảng 3.5. Giá trị về độ phù hợp của mô hình hồi quy tuyến tính của nhóm SV Trƣờng ĐH CSND Mô hình Sum of Squares Df Mean Square F Sig. 3 Hồi quy 32,844 3 10,948 51,142 ,000(c) Phần dƣ 47,951 224 ,214 Tổng 80,795 227 c Biến độc lập: ĐCHTTT, HVTNTT, ĐKHT. d Biến phụ thuộc: HĐHT
Kiểm định F trong bảng phân tích phƣơng sai ANOVA đƣợc sử dụng để kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể.
86
Kiểm định này xem xét mối quan hệ tuyến tính giữa biến phụ thuộc Y và các biến độc lập X, nhƣng ở đây xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không.
Kết quả kiểm định phƣơng sai ở mô hình 3 (Bảng 3.5), giá trị F là 51,142 với mức ý nghĩa quan sát đƣợc là sig = 0,000 lớn hơn 0,05 nên có thể kết luận mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tổng thể.
Bảng 3.6. Các hệ số hồi quy riêng
của các biến đƣa vào mô hình của nhóm SV Trƣờng ĐH CSND
Mô hình Hệ số hồi quy Hệ số tiêu chuẩn hóa Cộng tuyến B Std.
Error Beta t Sig.
Toler- ance VIF 1 Hằng số 1,508 0,224 6,726 0,000 ĐCHTTT 0,526 0,057 0,523 9,219 0,000 1,000 1,000 HVTNTT ĐKHT 2 (Constant) 0,658 0,242 2,715 0,007 ĐCHTTT 0,419 0,055 0,416 7,641 0,000 0,912 1,096 HVTNTT 0,371 0,056 0,360 6,613 0,000 0,912 1,096 ĐKHT 3 (Constant) 0,510 0,248 2,057 0,041 ĐCHTTT 0,378 0,057 0,376 6,662 0,000 0,831 1,203 HVTNTT 0,347 0,056 0,337 6,156 0,000 0,884 1,132 ĐKHT 0,117 0,049 0,133 2,378 0,018 0,849 1,178 a Biến phụ thuộc: HĐHT
87
HVTNTT từ model 1 đến model 2, 3 giảm dần. Điều này đƣợc hiểu là mức độ trung bình của HĐHT dƣới tác động của ĐCHTTT và HVTNTT giảm dần khi đi qua 3 mô hình (ĐKHT không đổi).
Ta sử dụng mô hình 3, ở đây hầu hết các giá trị ß đều tƣơng ứng với mức ý nghĩa quan sát nhỏ sig = 0,000 hoặc 0,018 (<0,05) nên với tập dữ liệu mẫu và mô hình đƣợc mô tả thì đủ bằng chứng có ý nghĩa thống kê cho thấy ß # 0.
Ta thấy, với mô hình sử dụng (Mô hình 3, bảng 3.6), độ chấp nhận Tolerance và hệ số phóng đại phƣơng sai (VIF) không có dấu hiệu bất thƣờng ở bất kỳ biến nào. Hệ số tƣơng quan r giữa các biến độc lập và biến phụ thuộc (Bảng 1, trang 127) cũng không có bất thƣờng nào. Ta kết luận không có hiện tƣợng cộng tuyến xẩy ra trong mô hình nghiên cứu này.
Phƣơng trình hồi quy bội đƣợc phƣơng pháp chọn từng bƣớc (stepwise selection) ƣớc lƣợng trên mô hình 3 (Bảng 3.6) cho thấy, ĐCHTTT, ĐKHT và HVTNTT dự đoán tốt nhất cho HĐHT của SV năm nhất Trƣờng ĐH CSND. Ba yếu tố này đều ảnh hƣởng theo chiều thuận đến HĐHT, có nghĩa là: nếu ĐCHTT càng tích cực, ĐKHT càng tốt và việc thực hiện các HVTNTT càng thƣờng xuyên thì HĐHT càng tích cực.
Các yếu tố về MĐHT, ĐCHT khác và HVSDTT cũng có ảnh hƣởng đến HĐHT nhƣng không còn nổi bật khi đƣa vào mô hình cùng với yếu tố ĐCHTTT, ĐKHT và HVTNTT.
Từ kết quả ở bảng 3.6, ta có Phƣơng trình thể hiện HĐHT dự đoán theo ĐCHTTT, ĐKHT và HVTNTT của SV Trƣờng ĐH CSND:
HĐHT = 00,51 + 00,378*ĐCHTTT + 00,347*HVTNTT + 00,117*ĐKHT.
Phƣơng trình hồi quy bội đƣợc phƣơng pháp Stepwise ƣớc lƣợng theo mô hình 3 (Bảng 3.6) cho thấy ĐCHTTT, HVTNTT và ĐKHT là 3 biến dự đoán tốt nhất cho HĐHT. Khi ĐCHT của SV tăng lên 1 điểm sẽ làm cho
88
HĐHT của SV tăng lên 0,378 lần trong điều kiện các HVHT và ĐKHT không đổi. Khi các HVHT tăng lên 1 điểm thì HĐHT của SV sẽ tăng lên 0,347 lần trong điều kiện ĐCHT và ĐKHT không đổi. Tƣơng tự khi ĐKHT tăng lên 1 điểm sẽ làm cho HĐHT tăng lên 0,117 lần trong điều kiện ĐCHT và các HVHT không đổi.
Điều này có thể giải thích nhƣ sau: ĐCHT càng đúng đắn, rõ ràng sẽ thúc đẩy SV càng tích cực hơn trong HĐHT của mình. Mức độ thực hiện các HVHT càng thƣờng xuyên là một trong những biểu hiện của HĐHT tích cực. Bên cạnh đó, ĐKHT thuận lợi chính là yếu tố kích thích các HĐHT đạt hiệu quả cao nhất.
3.3.2.Kết quả đối với nhóm sinh viên Trường Đại học Luật TPHCM.
Có 4 biến thỏa mãn tiêu chuẩn: xác suất F đƣa vào 0,05; xác suất F loại ra 0,10 đƣợc đƣa vào mô hình (Bảng 3, trang 129).
Bảng 3.7. Hệ số R2
điều chỉnh của các biến đƣa vào mô hình
hồi quy và Hệ số Durbin-Watson của nhóm SV Trƣờng ĐH Luật TPHCM Mô hình Hệ số R R2 R 2 điều chỉnh Sai số tiêu chuẩn Hệ số Durbin- Watson 1 0,462(a) 0,213 0,209 0,509 2 0,551(b) 0,304 0,297 0,479 3 0,578(d) 0,334 0,324 0,471 4 0,595(e) 0,354 0,341 0,465 2,054 a Biến độc lập: ĐCHTTT b Biến độc lập: ĐCHTTT, HVTNTT c Biến độc lập: ĐCHTTT, HVTNTT, HVSDTT d Biến độc lập: ĐCHTTT, HVTNTT, HVSDTT, ĐKHT e Biến phụ thuộc: HĐHT
89
Ta sử dụng hệ số xác định R2 điều chỉnh (Bảng 3.7) để đánh giá độ phù hợp của mô hình hồi quy tuyến tính đa biến. Ta thấy trong 4 mô hình thì mô hình 4 có R2 điều chỉnh = 00,341 (lớn nhất), nghĩa là mô hình hồi quy tuyến tính này phù hợp nhất với tập dữ liệu 34,1%. Hay 340,1% khác biệt của HĐHT quan sát có thể đƣợc giải thích bởi sự khác biệt về các biến độc lập trong mô hình gồm: ĐCHT, ĐKHT, hành vi học theo chƣơng trình và học ngoại khóa, tự đánh giá.
Ngoài ra, kết quả kiểm định tƣơng quan các sai số kề nhau, với giá trị d (Durbin-Watson) = 2,054 tiệm cận mức 2 (Bảng 3.7) ta có thể kết luận các phần dƣ gần nhau không có tƣơng quan chuỗi bậc nhất với nhau. Giả định về tính độc lập của sai số đƣợc chấp nhận. Chứng tỏ không có sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Nhƣ vậy, với SV Trƣờng ĐH Luật TPHCM, có 4 yếu tố có mối liên hệ tuyến tính mạnh, thích hợp để đƣa vào mô hình hồi quy tuyến tính bội để ƣớc lƣợng mức độ của HĐHT, đó là: ĐCHTTT, HVTNTT, HVSDTT và ĐKHT. 4 yếu tố này giải thích khoảng 34,1% sự khác biệt của HĐHT của SV năm nhất Trƣờng ĐH Luật TPHCM.
Bảng 3.8. Giá trị về độ phù hợp của mô hình
hồi quy tuyến tính của nhóm SV Trƣờng ĐH Luật TPHCM
Mô hình
Sum of
Squares df
Mean
Square F Sig.
4 Hồi quy 23,630 4 5,907 27,349 0,000(e) Phần dƣ 43,201 200 0,216
Tổng 66,830 204
d Biến độc lập: (liên tục), ĐCHTTT, HVTNTT, HVSDTT, ĐKHT e Biến phụ thuộc: HĐHT
90
Kết quả kiểm định phƣơng sai ở mô hình 4 (Bảng 3.8), giá trị F là 27,349 với mức ý nghĩa quan sát đƣợc là sig = 0,000 (< 0,05) nên có thể kết luận mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tổng thể.
Ta thấy, độ lớn của hệ số hồi quy của biến ĐCHTTT, biến HVTNTT và HVSDTT từ mô hình 1 đến mô hình 2, 3, 4 giảm dần. Điều này đƣợc hiểu là mức độ trung bình của HĐHT dƣới tác động của ĐCHTTT, HVTNTT, HVSDTT giảm dần khi đi qua 4 mô hình với ĐKHT không đổi (Bảng 6, trang 131).
Bảng 3.9. Các hệ số hồi quy riêng của các biến đƣa vào mô hình của nhóm SV Trƣờng ĐH Luật TPHCM
Ta sử dụng mô hình 4 (bảng 3.9), ở đây hầu hết các giá trị ß đều tƣơng ứng với mức ý nghĩa quan sát nhỏ sig lần lƣợt là: 0,000/ 0,007 và 0,014 tất cả đều nhỏ hơn 0,05 nên với tập dữ liệu mẫu và mô hình đƣợc mô tả thì đủ bằng chứng có ý nghĩa thống kê cho thấy ß # 0.
Bảng 3.9 cho ta thấy, với mô hình sử dụng (mô hình 4), độ chấp nhận Tolerance và hệ số phòng đại phƣơng sai (VIF) không có dấu hiệu bất thƣờng ở bất kỳ biến nào. Hệ số tƣơng quan r giữa các biến độc lập và biến phụ thuộc
Mo- del Hệ số hồi quy Hệ số tiêu chuẩn hóa Cộng tuyến B Std.
Error Beta T Sig.
Tole- rance VIF 4 (Constant) 0,914 0,237 3,856 0 ĐCHTTT 0,254 0,05 0,312 5,066 0 0,85 1,177 HVTNTT 0,194 0,071 0,19 2,726 0,007 0,665 1,504 ĐKHT 0,134 0,054 0,155 2,487 0,014 0,829 1,207 HVSDTT 0,137 0,05 0,179 2,722 0,007 0,746 1,341
91
(Bảng 2, trang 127) cũng không có bất thƣờng nào. Ta kết luận không có hiện tƣợng cộng tuyến xẩy ra trong mô hình nghiên cứu này.
Phƣơng trình hồi quy bội đƣợc phƣơng pháp chọn từng bƣớc ƣớc lƣợng trên mô hình 4 (bảng 3.9) cho thấy, ĐCHTTT, HVTNTT, HVSDTT và ĐKHT dự đoán tốt nhất cho HĐHT của SV năm nhất Trƣờng ĐH Luật TPHCM. Bốn yếu tố này đều ảnh hƣởng theo chiều thuận đến HĐHT, có nghĩa là: nếu ĐCHT càng tích cực, ĐKHT càng tốt và việc thực hiện các HVHT càng thƣờng xuyên thì HĐHT càng tích cực.
Các yếu tố về MĐHT và các ĐCHT khác cũng có ảnh hƣởng đến HĐHT nhƣng không còn nổi bật khi đƣa vào mô hình cùng với yếu tố ĐCHTTT, HVTNTT, HVSDTT và ĐKHT.
Phƣơng trình thể hiện động học tập dự đoán theo ĐCHTTT, HVTNTT, HVSDTT và ĐKHT của SV Trƣờng ĐH Luật TPHCM đƣợc xác định theo kết quả phân tích tại bảng 3.9 nhƣ sau:
HĐHT = 0,914 + 0,254*ĐCHTTT + 0,194*HVTNTT + 0,137*HVSDKT + 0,134*ĐKHT
Phƣơng trình hồi quy bội đƣợc phƣơng pháp chọn từng bƣớc ƣớc lƣợng theo mô hình 4 (Bảng 3.9) cho thấy ĐCHTTT, HVTNTT, HVSDTT và ĐKHT là 4 biến dự đoán tốt nhất cho HĐHT. Khi ĐCHT của SV tăng lên 1 điểm sẽ làm cho HĐHT của SV tăng lên 0,254 lần trong điều kiện các HVHT và ĐKHT không đổi. Khi HVTNTT hay HVSDTT tăng lên 1 điểm thì HĐHT của SV sẽ tăng lên lần lƣợt là 0,137 và 0,194 lần trong điều kiện ĐCHT và ĐKHT không đổi. Tƣơng tự khi ĐKHT tăng lên 1 điểm sẽ làm cho HĐHT tăng lên 0,134 lần trong điều kiện ĐCHT và các HVHT không đổi.
Tƣơng tự nhƣ với nhóm SV Trƣờng ĐH CSND, điều này có thể giải thích nhƣ sau: ĐCHT càng đúng đắn, rõ ràng sẽ thúc đẩy SV càng tích cực hơn trong HĐHT của mình. Mức độ thực hiện các HVHT càng thƣờng xuyên
92
là một trong những biểu hiện của HĐHT tích cực. Bên cạnh đó, ĐKHT thuận lợi chính là yếu tố kích thích các HĐHT đạt hiệu quả cao nhất.