CHƯƠNG 2 : PHƯƠNG PHÁP VÀ TỔ CHỨC NGHIÊN CỨU
2.3.5. Đánh giá bảng hỏi (thang đo)
Khi xây dựng thang đo lường một điều quan trọng là thang đo lường phải đảm bảo sự nhất quán và đảm bảo đo lường được vấn đề định đo. Do vậy thang đo lường cần phải được đánh giá độ tin cậy và độ giá trị trước khi đưa vào nghiên cứu chính thức.
Nghiên cứu tìm hiểu 5 nhóm yếu tố ảnh hưởng đến KQHT của SV. Trong đó có: học lực lớp 12 là 1 chỉ báo, yêu thích ngành học 1 chỉ báo; 3 còn yếu tố còn lại là thang đo nhiều chỉ báo đã được trình bày ở phần kế trên. Đối với các thang đo lường có nhiều chỉ báo cần được đánh giá độ tin cậy và độ giá trị. Trong nghiên cứu này tôi tiến hành phát bảng hỏi thử nghiệm và thu được 168 SV, kết quả điều tra được đánh giá bằng hệ số tin cậy Cronbach alpha, ngoài ra tác giả sử dụng phần mềm Conquest để đánh giá tính đồng hướng theo các nhân tố của nhóm câu hỏi.
- Phương pháp hệ số tin cậy Cronbach alpha: Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
+ Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay khơng; nhưng khơng cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến-tổng sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
+ Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
+ Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
+ Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,6).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:
+ Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0,4 (đây là những biến khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
+ Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).
- Sử dụng phần mềm Conquest để khẳng định lại độ tin cậy và độ giá trị của thang đo và đồng thời đánh giá tính đồng hướng theo các nhân tố của nhóm các câu hỏi nhằm có cơ sở điều chỉnh nội dung của những câu hỏi trong phiếu trao đổi ý kiến để có bộ cơng cụ chuẩn xác đo được chính xác đại lượng mà ta cần đo.
2.3.5.1. Đánh giá thang đo bằng hệ số tin cậy Cronbach alpha
Mục đích của đánh giá thang đo đề xuất bằng hệ số tin cậy Cronbach Alpha nhằm để loại một số biến rác. Các biến có tương quan biến tổng (item total correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo có độ tin cậy Cronbach Alpha từ 0,6 trở lên. Kết quả tính tốn Cronbach alpha của các thang đo được thể hiện trong bảng 2.1. Các thang đo được thể 23 biến quan sát (5 biến mục đích học tập, 5 biến phương pháp học tập và 13 biến điều kiện học tập). Kết quả cho thấy:
Biến mục đích học tập có hệ số Cronbach Alpha = 0,524 < 0,6, chỉ có MD2, MD3, MD4 là có hệ số tương quan biến tổng là > 0,3. Vậy nên tác giả quyết định loại nhóm biến mục đích học tập ra khỏi bảng hỏi.
Biến phương pháp học tập có có hệ số Cronbach Alpha = 0,799 > 0,6. Chỉ có MD2, MD3, MD4 là có hệ số tương quan biến tổng là > 0,3. Hệ số tương quan biến tổng của các biến trong nhóm này đều > 0,3. Như vậy đây là nhóm có các hệ số đánh giá nằm trong khung cho phép.
Biến điều kiện học tập có hệ số Cronbach Alpha = 0,644 > 0,6. Hệ số tương quan biến tổng của các biến trong nhóm đều > 0,3, trừ biến DK5 (lớp bạn thường có thảo luận trong các mơn học). Như vậy, tác giả dự định sẽ loại biến DK5 ra khỏi bảng hỏi. Khi xóa biến này ra khỏi thì hệ số Cronbach Alpha sẽ là 0,854 là hệ số nằm trong khoảng tốt hơn.
Bảng 2.1 Kết quả Cronbach Alpha của các thang đo Biến
quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu
loại biến Tương quan biến tổng Alpha nếu loại biến Mục đích học tập, Alpha = 0,524 MD1 13,36 6,782 0,091 0,555 MD2 14,00 4,946 0,386 0,407 MD3 15,02 4,640 0,310 0,460 MD4 14,70 3,829 0,474 0,320 MD5 13,19 6,203 0,191 0,520 Phương pháp học tập, Alpha = 0,799 PP1 13,65 5,700 0,558 0,767 PP2 13,92 5,485 0,614 0,750 PP3 14,06 5,673 0,527 0,777 PP4 13,87 5,216 0,638 0,742 PP5 14,07 5,499 0,567 0,765
Điều kiện học tập, Alpha 0,644
DK1 45,92 37,138 0,483 0,610 DK2 46,20 36,099 0,584 0,598 DK3 45,87 37,755 0,493 0,615 DK4 46,10 37,632 0,368 0,619 DK5 46,13 29,487 0,044 0,854 DK6 46,20 37,528 0,372 0,619 DK7 46,23 35,996 0,554 0,599 DK8 46.18 37.633 0,305 0,624 DK9 46.17 36.750 0,415 0,612 DK10 46.08 36.161 0,521 0,601 DK11 45.93 36.989 0,516 0,608 DK12 46.29 36.340 0,407 0,610 DK13 46.14 36.662 0,460 0,608
2.3.5.2. Đánh giá thang đo bằng phần mềm Conquest
Sử dụng phần mềm Conquest để đánh giá tính đồng hướng của các câu hỏi trong thang đo về phương pháp học tập và thang đo về điều kiện học tập của nhà trường.
Ước tính phù hợp thống kê (Summary of item Estimates): giá trị mean điều kiện bằng hoặc gần bằng 0,00. SD điều kiện bằng hoặc gần bằng 1,00; Giá trị Infit Mean Square, outfit Mean Square điều kiện bằng hoặc gần bằng 1,00, SD điều kiện bằng hoặc gần bằng 0,00. Các trường hợp phân tích bằng phần mềm Conquest đều thỏa mãn điều kiện trên. Như vậy, kết luận dữ liệu phù hợp với mơ hình Rasch.
Ước tính trường hợp (Summary of case Estimates): Giá trị mean của
Infit Mean Square, Outfit Mean Square đáp ứng mean điều kiện bằng hoặc gần bằng 1,00. SD của Infit Mean Square, outfit Mean Square đáp ứng điều kiện bằng hoặc gần bằng 0,00. Như vậy, dữ liệu phù hợp với mơ hình Rasch.
Kiểm tra mức độ phù hợp của các câu hỏi theo file map ta thấy độ tin
cậy khá cao. Tuy nhiên, trong bảng số liệu 2.2 ta thấy có một số câu hỏi nằm ngoài khoảng Infit MNSQ [0,77 – 1,30], đó là:
Thang đo mục đích học tập MD2, MD3, MD4, MD5 tương tứng item số 3, 4, 5, 6 trong bảng số liệu trên.
Thang đo điều kiện học tập DK3, DK7 tương ứng với câu số 14, 18 trong bảng số liệu trên.
Căn cứ vào bảng hệ số tin cậy Cronbach alpha, các câu có hệ số tương quan thấp, một số câu có Infit MNSQ nằm ngoài khoảng [0,77 – 1,30]. Tác giả tiến hành loại các biến như sau:
Bảng 2.3: Bảng thống kê hệ số tin cậy của các tiểu thang đo, toàn thang đo và các item bị loại trong điều tra thử nghiệm
Các tiểu thang đo Hệ số tin cậy N (số biến) Item bị loại Yêu thích ngành học Loại
Mục đích học tập 0,524 5 Loại yếu tố này ra khỏi bảng hỏi Phương pháp học tập 0,799 5
Điều kiện học tập 0,854 (sau khi đã
loại Dk5)
13 DK5
2.3.5.3. Phân tích yếu tố khám phá
Trước khi kiểm định lý thuyết khoa học thì cần phải đánh giá độ tin cậy và giá trị của thang đo. Phương pháp Cronbach Alpha dùng để đánh giá độ tin cậy của thang đo. Còn phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
• Factor loading > 0,3 được xem là đạt mức tối thiểu • Factor loading > 0,4 được xem là quan trọng
• Factor loading > 0,5 được xem là có ý nghĩa thực tiễn
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:
Hệ số tải nhân tố (Factor loading) > 0,5; 0,5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0,05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %. Ở nghiên cứu này, theo mơ hình nghiên cứu có 3 nhóm yếu tố với 18 (sau khi trừ các biến nhóm Mục đích học tập MD1, MD2, MD3, MD4, MD5 và biến DK5) biến quan sát ảnh hưởng đến KQHT của học sinh. Sau khi khảo sát, dùng phương pháp phân tích yếu tố khám phá EFA với phép quay Varimax để phân tích 18 biến này. Sử dụng phương pháp kiểm định
KMO (Kaiser – Meyer - Olkin) và Bartlett để đo lường sự tương thích của mẫu khảo sát được bảng kết quả (Bảng 2.4).
Bảng 2.4: kết quả kiểm định KMO và Bartlett KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,846 Approx. Chi- Square 1014,98 1 df 153 Bartlett's Test of Sphericity Sig. 0,000
Hệ số tải nhân tố (Factor loading) > 0,5; 0,5 ≤ KMO = 0,846 ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) của nghiên cứu được cho là thích hợp với phân tích nhân tố. Trị số KMO lớn gần bằng 1 có ý nghĩa là càng thích hợp với phân tích nhân tố.
Các con số trong bảng Rotated Component Matrix thể hiện các hệ số tải yếu tố (factor loading) lớn nhất trong mỗi biến quan sát. Để phân tích yếu tố EFA được xem là quan trọng và có ý nghĩa thực tiễn, chỉ giữ lại các biến quan sát có trọng số yếu tố >0,4; loại dần các biến quan sát có trọng số yếu tố <0,4; lần lượt phân tích lại theo quy trình trên, được các kết quả tại bảng 2.5.
Bảng 2.5: Bảng tóm tắt các hệ số khi sử dụng phân tích yếu tố Lần phân tích Tổng số biến phân tích Số biến bị loại Biến quan sát bị loại Hệ số KMO Sig Phương sai trích Số yếu tố phân tích được 1 18 1 YTNH 0,846 0,000 50,948 3 2 17 0 0,844 0,000 52,468 3
Như vậy, sau khi loại những biến quan sát có trọng số nhỏ hơn 0,4. Sau 2 lần phân tích yếu tố EFA, mơ hình nghiên cứu cịn lại 17 biến, trích thành 3 yếu tố (bảng 2.6).
Bảng 2.6: Các yếu tố cịn lại sau khi phân tích EFA Rotated Component Matrixa
Component 1 2 3 DK2 0,770 DK1 0,716 DK3 0,648 DK8 0,558 DK4 0,534 DK7 0,512 DK9 0,476 PP4 0,793 PP2 0,763 PP5 0,722 PP1 0,700 PP3 0,691 DK12 0,778 DK13 0,772 DK10 0,596 DK11 0,576 DK6 0,469
Kết quả cuối cùng khi phân tích yếu tố EFA cho 17 biến quan sát sau lần phân tích thứ 2 được tổng hợp và trình bày ở Bảng phân tích nhân tố tương ứng với các biến quan sát 2.6.
Các giá trị Eigenvalues đều lớn hơn 1 và độ biến thiên được giải thích tích lũy là 52,468% cho biết 3 nhóm yếu tố nêu trên giải thích được 52,468% sự biến thiên của các biến quan sát.
Bảng 2.7: Bảng Phương sai trích khi phân tích yếu tố
Total Variance Explained
Giá trị riêng ban đầu Tổng phân tách hệ số tải
bình phương Tổng phép xoay hệ số tải bình phương Thành phần Tổng % phương sai % Lũy tiến Tổng % phương sai % Lũy tiến Tổng % phương sai % Lũy tiến 1 5,259 30,933 30,933 5,259 30,933 30,933 3,419 20,112 20,112 2 2,400 14,119 45,052 2,400 14,119 45,052 2,847 16,749 36,862 3 1,261 7,416 52,468 1,261 7,416 52,468 2,653 15,607 52,468 4 0,958 5,635 58,103 5 0,922 5,426 63,529 6 0,821 4,832 68,361 7 0,779 4,583 72,943 8 0,687 4,039 76,982 9 0,618 3,634 80,616 10 0,563 3,312 83,928 11 0,512 3,010 86,937 12 0,469 2,756 89,694 13 0,420 2,468 92,162 14 0,384 2,256 94,418 15 0,372 2,185 96,603 16 0,322 1,892 98,496 17 0,256 1,504 100,000 Phương pháp phân tích thành tố chủ chốt