Nguồn: Phân tích dữ liệu - Phụ lục PL 6.5
Bảng 4.15 cho thấy, thang đo Phương pháp giảng dạy được đo lường qua 10 biến quan sát. Kết quả phân tích độ tin cậy của thang đo (Cronbach Alpha) là 0.943 > 0.6. Đồng thời cả 10 biến quan sát đều có tương quan biến tổng > 0.3 và
nhỏ hơn Cronbach Alpha. Như vậy, thang đo nhân tố Phương pháp giảng dạy đáp ứng độ tin cậy.
Cronbach Alpha của thang đo nhân tố Kết quả học tập (KQ) Bảng 4.16 Cronbach Alpha của thang đo nhân tố Kết quả học tập
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.6
Bảng 4.16 cho thấy, thang đo Kết quả học tập được đo lường qua 3 biến quan sát. Kết quả phân tích độ tin cậy của thang đo (Cronbach Alpha) là 0.705 > 0.6. Đồng thời cả 3 biến quan sát đều có tương quan biến tổng > 0.3 và nhỏ hơn Cronbach Alpha. Như vậy, thang đo nhân tố Động lực học tập đáp ứng độ tin cậy.
Kết luận: Sau khi đo lường độ tin cậy của các nhân tố thông qua hệ số Cronbach Alpha, cho thấy tất cả các biến của 5 nhân tố đều được giữ lại do tất cả các khía cạnh của các nhân tố trong nghiên cứu này đều đáp ứng được độ tin cậy.
4.3.2 Phân tích nhân tích khám phá EFA
Các thang đo tiếp tục được đánh giá thông qua phương pháp phân tích nhân tố khám phá EFA. Phương pháp này được sử dụng để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu này, phương pháp nhân tố khám phá EFA dựa vào mối tương quan giữa các biến với nhau để rút gọn thành những nhân tố có nghĩa hơn. Cụ thể, khi đưa tất cả các biến thu thập được (40 biến quan sát) vào phân tích, các biến có thể có liên hệ với nhau. Khi đó, chúng sẽ được gom thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng các nhân tố cơ bản tác động đến kết quả học tập của sinh viên cao đẳng chính quy khóa 14 tại Khoa Tài chính kế tốn, trường Cao đẳng Cơng nghệ Thủ Đức.
Nghiên cứu tiến hành sử dụng phương pháp trích hệ số Principal component với phép quay Varimax tại điểm dừng khi trích các yếu tố có Eigenvalue > 1. Thang đo nào có tổng phương sai trích từ 50% trở lên là được chấp nhận (Gerbing & Anderson, 1988). Các biến có trọng số (Factor loading) nhỏ hơn 0.5 sẽ bị loại. Tại mỗi khái niệm có chênh lệch trọng số (Factor loading) lớn nhất và bất kỳ phải đạt ≥ 0.3 (Jabnoun & AL – Tamini, 2003). Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser – Meyer – Olkin) phải có giá trị lớn (0.5 ≤ KMO ≤ 1), điều này thể hiện phân tích nhân tố là thích hợp. Nếu hệ số KMO < 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Theo Kaiser (1974), KMO ≥ 0.9 là rất tốt, 0.9 > KMO ≥ 0.8 là tốt, 0.8 > KMO ≥ 0.7 là được; 0.7 > KMO ≥ 0.6 là tạm được, 0.6 > KMO ≥ 0.5 là xấu và KMO < 0.5 là khơng thể chấp nhận được (Hồng Trọng và Mộng Ngọc, 2008).
Tác giả tiến hành phân tích nhân tố khám phá (EFA) theo từng bước. Lần đầu thực hiện EFA, 37 biến đã nhóm lại thành 05 nhân tố. Sau 02 lần thực hiện phép quay, có 5 nhóm chính thức được hình thành.
4.3.2.1 Phân tích nhân tố khám phá EFA cho biến độc lập
Khi phân tích nhân tố, nghiên cứu đặt ra 02 giả thuyết:
Giả thuyết H0: Các biến trong tổng thể khơng có tương quan với nhau Giả thuyết H1: Các biến trong tổng thể có tương quan với nhau
Bảng 4.17: Hệ số KMO và kiểm định Bartlett các thành phần
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.7
Kết quả kiểm định cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (sig = 0.000 < 0.05, bác bỏ giả thuyết H0, chấp nhận giả thuyết H1). Đồng thời, hệ số KMO = 0.869 > 0.5 và nằm trong khoảng 0.9 > KMO ≥ 0.8,
điều này chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp và dữ liệu phù hợp cho việc phân tích nhân tố.
Bảng 4.18 Bảng phương sai trích
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.8
Bảng 4.18 cho thấy, các nhân tố đều có giá trị Eigenvalue > 1, phương sai trích là 64,117 % > 50% là đạt yêu cầu. Với phương pháp rút trích Principal companents và phép quay Varimax, có 05 thành phần được rút trích ra từ biến quan sát (bảng 4.18). Điều này, cho chúng ta thấy 05 thành phần rút trích ra thể hiện được khả năng giải thích được 64,117 % sự thay đổi của biến phụ thuộc trong tổng thể.
Bảng 4.19 Bảng ma trận xoay
Rotated Component Matrixa
Component 1 2 3 4 5 PPD5 .862 PPD4 .836 PPD2 .833 PPD6 .828 PPD7 .825 PPD8 .815 PPD3 .810 PPD1 .804 PPD9 .757 PPD10 .699 PPH2 .825
PPH4 .807 PPH3 .804 PPH1 .797 PPH7 .779 PPH5 .779 PPH8 .739 PPH6 .730 PPH11 .718 PPH9 .710 PPH10 .662 CL1 .830 CL3 .803 CL4 .796 CL2 .781 CL5 .755 CL9 .749 CL8 .736 CL7 .731 CL6 .695 DL2 .850 DL5 .840 DL4 .805 DL1 .799 DL3 .759 DK1 .891 DK2 .888
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.9
Kết luận:
Sau khi thực hiện phương pháp rút trích Principal companents và phép quay Varimax, kết quả các nhóm được gom lại như sau:
- Nhóm 1 (Động lực học tập – DL) gồm 5 biến: DL1, DL2, DL3. DL4. DL5
- Nhóm 2 (Chất lượng đào tạo – CL) gồm 9 biến: CL1, CL2, CL3, CL4, CL5, CL6, CL7, CL8, CL9
- Nhóm 4 (Phương pháp học tập – PPH) gồm 11 biến: PPH1, PPH2, PPH3, PPH4, PPH5, PPH6, PPH7, PPH8, PPH9, PPH10, PPH11
- Nhóm 5 (Phương pháp giảng dạy – PPD) gồm 10 biến: PPD1, PPD2, PPD3, PPD4, PPD5, PPD6, PPD7, PPD8, PPD9, PPD10
4.3.2.2 Phân tích nhân tố khám phá EFA cho biến phụ thuộc KQHT
Khái niệm kết quả học tập là khái niệm đơn hướng (Khi EFA, các biến quan sát rút thành 1 nhân tố). Kết quả EFA cho khái niệm kết quả học tập, chỉ có một nhân tố được rút trích ra, nhân tố này cũng được đặt tên là Kết quả học tập – “KQ”.
Bảng 4.20 Hệ số KMO và kiểm định Bartlett các thành phần - Biến phụ thuộc thuộc
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.10
Kết quả kiểm định cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (sig = 0.000 < 0.05). Đồng thời, hệ số KMO = 0.670 > 0.5 và nằm trong khoảng 0.7 > KMO ≥ 0.6, điều này chứng tỏ kiểm định Bartlett có ý nghĩa thống kê.
Bảng 4.21 Bảng phương sai trích - Biến phụ thuộc
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.11
Bảng 4.21 cho thấy, nhân tố này có giá trị Eigenvalue > 1, phương sai trích là 62,892% > 50% là đạt yêu cầu.
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.12
4.4 Hiệu chỉnh mơ hình
Từ kết quả phân tích EFA và Cronbach Alpha như trên, mơ hình nghiên cứu lý thuyết chính thức điều chỉnh gồm 05 nhân tố tác động đến kết quả học tập của sinh viên cao đẳng chính quy khóa 14 tại trường Cao đẳng Cơng nghệ Thủ Đức. Cụ thể, mơ hình này có 05 biến độc lập (Động lực học tập, Chất lượng đào tạo, Điều kiện học tập, Phương pháp học tập, Phương pháp giảng dạy và một biến phụ thuộc là kết quả học tập của sinh viên cao đẳng chính quy khóa 14 tại khoa TCKT trường Cao đẳng Cơng nghệ Thủ Đức) với các khía cạnh và số biến quan sát như ban đầu.
Các giả thuyết cho mơ hình nghiên cứu chính thức như sau:
- H1: Động lực học tập có ảnh hưởng đến kết quả học tập của sinh viên - H2: Chất lượng đào tạo có ảnh hưởng đến kết quả học tập của sinh viên - H3: Điều kiện học tập có ảnh hưởng đến kết quả học tập của sinh viên - H4: Phương pháp học tập có ảnh hưởng đến kết quả học tập của sinh viên - H5: Phương pháp giảng dạy có ảnh hưởng đến kết quả học tập của SV Mơ hình hồi quy này được biểu diễn như sau:
4.5 Phân tích tương quan
Trước khi đi vào kiểm định mơ hình nghiên cứu bằng phân tích hồi quy tuyến tính bội, ta cần xem xét sự tương quan giữa các biến độc lập và biến phụ thuộc. Phân tích ma trận tương quan sử dụng hệ số tương quan Pearson để
lượng hóa mức độ chặc chẽ của mối liên hệ giữa 05 biến độc lập là Động lực học tập, Chất lượng đào tạo, Điều kiện học tập, Phương pháp học tập và Phương pháp giảng dạy với biến phụ thuộc là Kết quả học tập
Bảng 4.23 Ma trận tương quan giữa biến phụ thuộc và các biến độc lập
Nguồn: Phân tích dữ liệu - phụ lục PL 6.13
Hệ số này luôn nằm trong khoảng từ -1 đến 1, lấy giá trị tuyệt đối, nếu từ 0.4 đến 0.6 thì tương quan trung bình, lớn hơn 0.6 là tương quan chặt chẽ và càng gần về giá trị 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì mối quan hệ này lỏng.
Bảng 4.23 cho thấy: các biến độc lập DL, CL, DK, PPH, PPD có hệ số tương quan Pearson cùng chiều với biến phụ thuộc KQ, hệ số tương quan của biến phụ thuộc với các biến độc lập giao động từ 0.393 đến 0.554. Bên cạnh đó, hệ số sig = 0.000 < 0.05, có ý nghĩa thống kê. Điều này chứng tỏ các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc ở mức độ trung bình.
Cũng trong dữ liệu tại phụ lục PL 6.13 cho thấy giá trị sig giữa các biến độc lập với nhau tương đối lớn, hầu như là lớn hơn 0.05. Đồng thời, hệ số tương quan Pearson giữa các biến độc lập này tương đối thấp (hầu hết nhỏ hơn 0.3) nên khó xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập với nhau.
4.6 Phân tích hồi quy tuyến tính đa biến
4.6.1 Phương pháp nhập các biến thành phần trong mơ hình
Nghiên cứu thực hiện chạy hồi quy tuyến tính đa biến với phương pháp đưa vào một lượt bằng phương pháp Enter, trong đó:
- KQ là biến phụ thuộc. Thang đo của nhân tố Kết quả học tập của sinh viên cũng là thang đo khoảng từ 1 đến 5
- β0: Hằng số tự do
- βj: Trọng số hồi quy
- DL, CL, DK, PPH, PPD là các biến độc lập theo thứ tự sau: Động lực học tập, Chất lượng đào tạo, Điều kiện học tập, Phương pháp học tập, Phương pháp giảng dạy
4.6.2 Đánh giá mức độ phù hợp của mơ hình hồi quy tuyến tính bội
Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm biến độc lập vào mơ hình thì R2 càng tăng. Tuy nhiên, điều này cũng được chứng minh rằng khơng phải phương trình càng có nhiều biến sẽ phù hợp hơn với dữ liệu. trong trường hợp này, hệ số xác định R2 điều chỉnh được sử dụng để phản ánh chính xác hơn mức độ phù hợp của mơ hình hồi quy tuyến tính bội. R2 điều chỉnh không nhất thiết tăng lên khi nhiều biến độc lập được đưa thêm vào phương trình, nó là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó khơng phụ thuộc vào độ phóng đại của R2.
Bảng 4.24 Đánh giá mức độ phù hợp của mơ hình hồi quy
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.14
Bảng 4.24 cho thấy, giá trị hệ số R là 0.719 > 0.5. Do đó, đây là mơ hình thích hợp để sử dụng đánh giá mối quan hệ giữa biến phụ thuộc là các biến độc lập.
Mặt khác, giá trị hệ số xác định R2 hiệu chỉnh là 0.506. Điều này có nghĩa là mơ hình hồi quy tuyến tính đã xây dựng phù hợp với dữ liệu 50,6%. Hay 50,6% kết quả học tập của sinh viên cao đẳng chính quy khóa 14 tại khoa TCKT, trường cao đẳng Công nghệ Thủ Đức thay đổi là do sự thay đổi của các biến độc lập: Động lực học tập, Chất lượng đào tạo, Điều kiện học tập, Phương pháp học tập, Phương pháp giảng dạy. Cịn 49,4% là do các nhân tố khác ngồi mơ hình tác động và ảnh hưởng của sai số ngẫu nhiên.
Cũng từ dữ liệu này cho thấy, Hệ số Durbin – Watson = 2.128, nằm trong khoảng giá trị biến thiên gần bằng 2 (từ 1 đến 3). Điều này có nghĩa các phần sai số khơng có tương quan chuỗi bậc nhất với nhau hay nói cách khác không xảy ra hiện tượng tự tương quan trong mơ hình này.
4.6.3 Kiểm định độ phù hợp của mơ hình hồi quy tuyến tính
Kiểm định F về tính phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kiểm định này cho biết biến phụ thuộc có tương quan tuyến tính với tồn bộ các biến độc lập hay không.
Giả thuyết H0 là a0 = a1 = a2 = a3 = a4 = a5 = 0
Kiểm định F và giá trị sig
Nếu giả thuyết H0 bị bác bỏ, có thể kết luận các biến độc lập trong mơ hình có thể giải thích được sự thay đổi của biến phụ thuộc. Điều này đồng nghĩa mơ hình xây dựng phù hợp với tập dữ liệu các biến.
Bảng 4.25 Kiểm định tính phù hợp của mơ hình hồi quy
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.15
Kết quả từ bảng 4.25 cho thấy giá trị Sig = 0.000 là rất nhỏ (<0.05) chứng tỏ rằng mơ hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập được. Các
biến đưa vào mơ hình đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% nên bác bỏ giả thuyết H0. Điều này có nghĩa là các biến độc lập trong mơ hình có tương quan tuyến tính với biến phụ thuộc, tức là sự kết hợp các biến độc lập có thể giải thích được sự thay đổi của biến phụ thuộc. Mơ hình hồi quy tuyến tính bội được xây dựng phù hợp và có thể sử dụng được.
4.6.4 Kiểm định giả thuyết về ý nghĩa của các hệ số hồi quy Bảng 4.26 Bảng kết quả các trọng số hồi quy Bảng 4.26 Bảng kết quả các trọng số hồi quy
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.16
Kết quả từ bảng 4.26 cho thấy, giá trị Sig của tất cả các biến độc lập trong mơ hình đều bằng 0.000 < 0.05 nên tất cả các biến trong mơ hình đều có ý nghĩa thống kê. Khi xét tstat > tα/2 (5.227) = 1.9705 (nhỏ nhất là 5.212). Điều này thể hiện độ tin cậy khá cao của mơ hình mà nghiên cứu đã xây dựng.
4.7 Kiểm tra các giả định mơ hình hồi quy bội
Kiểm tra các giả định sau:
- Phương sai của sai số (phần dư) không đổi. - Các phần dư có sai số chuẩn
- Khơng có mối tương quan giữa các biến độc lập
Nếu các giả định này bị vi phạm thì các ước lượng khơng đáng tin cậy nữa (Hoàng Trọng - Mộng Ngọc, 2008).
4.7.1 Kiểm định giả định phương sai của sai số (phần dư) không đổi Bảng 4.27 Bảng kiểm định giả định phương sai của sai số Bảng 4.27 Bảng kiểm định giả định phương sai của sai số
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.17
Hình 4.1: Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.18
Hình 4.1 cho thấy các phần dư phân tán ngẫu nhiên quanh trục O (là quanh giá trị trung bình của phần dư) trong một phạm vi khơng đổi. Điều này có nghĩa là phương sai của phần dư không đổi.
4.7.2 Kiểm định giả định các phần dư có phân phối chuẩn
Phần dư có thể khơng tn theo phân phối chuẩn vì những lý do như sử dụng sai mơ hình, phương sai không phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích … (Hồng Trọng - Mộng Ngọc, 2008). Biểu đồ tần số (Histogram, Q-Q Plot, P-P Plot) của các phần dư (đã được chuẩn hóa) được sử dụng để kiểm tra giả định này.
Nguồn: Phân tích dữ liệu - Phụ lục PL 6.19
Kết quả từ biểu đồ tần số P-P Plot cho thấy các điểm phân tán xung quanh