Bảng 3. 9- Bảng kết quả nghiên cứu sơ bộ
Mã Nhận định khơng đồng ýHồn tồn Khơng đồng ý Bình thường Đồng ý Hồn tồn đồng ý
TT Tự tin
TT1
Tôi tự tin vào năng lực trong việc phân tích và tìm ra giải
pháp cho các vấn đề trong học tập của mình.
8 44 243 241 53
TT2 Tơi tự tin khi trình bày các ý tưởng trong học tập với bạn
bè và thầy cô. 13 71 222 221 62
TT3 Tôi tự tin thảo luận các vấn đề đang gặp phải trong học
tập. 13 48 181 275 72
TT4 Tôi tự tin trong việc thiết lập
các mục tiêu trong học tập. 10 56 216 240 67
TT5 Tơi tự tin trong việc hồn
thành mục tiêu của mình. 14 54 231 224 66
HV Hy vọng
HV1 Tơi có thể thiết lập mục tiêu rõ ràng cho việc học của
mình. 6 62 196 262 63
HV2 Tôi cho rằng bất kỳ một vấn đề nào trong học tập cũng có
nhiều cách để giải quyết. 8 15 91 313 162
HV3 Ở thời điểm hiện tại tôi hăng hái theo đuổi mục tiêu của
mình. 14 47 210 226 92
HV4 Tơi cảm thấy mình đạt được khá nhiều thành cơng trong
học tập. 20 119 254 157 39
HV5 Tôi biết nhiều cách để đạt được mục tiêu trong việc học
tập của mình. 18 83 243 190 55
LQ Lạc quan
LQ1 Tôi luôn lạc quan về việc học
tập của mình trong tương lai. 14 57 192 245 81
LQ2 Khi gặp khó khăn trong học tập tơi tin sẽ có giải pháp giải
quyết. 10 19 155 309 96
LQ3 Tôi luôn kỳ vọng mọi việc
theo ý mình. 9 34 129 264 153
LQ4 Tôi luôn gặp may mắn trong
việc học tập của mình 24 124 244 152 45
LQ5 Tơi ln nhìn vào mặt tích cực của các vấn đề gặp phải
trong học tập. 12 51 187 246 93
TN Thích nghi
TN1 Tôi dễ dàng phục hồi sau khi gặp những vấn đề rắc rối
trong học tập. 12 66 183 266 62
TN2
Nếu gặp khó khăn trong học tập phải giải quyết một mình tơi vẫn có thể làm được bằng
cách này hay cách khác.
TN3 Tơi dễ dàng kiểm sốt những
muộn phiền trong học tập. 12 102 219 204 52
TN4 Tơi ít cảm thấy lo lắng về
việc học của mình. 36 175 164 155 59
TN5 Tơi cảm thấy mình có thể xử lý nhiều bài tập trong cùng
một thời gian. 43 168 202 129 47
HL Hài lòng
HL1 Tơi hài lịng về mơi trường
học tập của mình. 12 50 217 246 64
HL2 Tơi hài lịng về bạn bè của
mình. 10 28 185 254 112
HL3 Tơi hài lịng về thầy cơ của
mình. 6 42 223 257 61
HL4 Tơi hài lịng với đặc điểm, tính chất về ngành học hiện
tại của mình. 8 47 191 262 81
HL5 Tơi hài lịng với sự đào tạo
của trường. 10 51 251 228 49
HL6 Tơi hài lịng với điểm số của
mình. 29 136 236 165 22
HL7 Tơi có cơ hội thể hiện khả năng của mình trong học tập,
đội nhóm. 8 53 209 248 70
HQ Hiệu quả
HQ1 Tơi có kết quả học tập đạt
như mục tiêu tôi đề ra 27 144 235 154 29
HQ2 Tơi có kết quả học tập của kì
sau cao hơn kỳ trước 21 66 231 216 55
HQ3 Tôi tin rằng tôi là người học
tập có hiệu quả. 18 117 272 148 34
HQ4 Bạn bè tôi đánh giá tơi là
người học tập có hiệu quả 19 86 263 182 39
HQ5 Thầy cô tôi nhận xét tôi là
người học tập có hiệu quả. 23 101 303 134 27
Các thang đo sau sẽ bị loại ra trong bảng khảo sát vì số trung bình hồn tồn đồng ý, đồng ý, bình thường, hồn tồn khơng đồng ý và không đồng ý là:
HV5 Tôi biết nhiều cách để đạt được mục tiêu trong việc học tập của mình.
LQ4 Tơi ln gặp may mắn trong việc học tập của mình HL6 Tơi hài lịng với điểm số của mình.
HL7 Tơi có cơ hội thể hiện khả năng của mình trong học tập, đội nhóm.
Các thang đo cịn lại sẽ giữ lại và hoàn thiện bảng câu hỏi và tham gia vào khảo sát chính thức.
3.4.1 Tổng thể nghiêncứu
Là những sinh viên từ năm nhất đến năm tư đang sinh sống và học tập tại TP Hồ Chí Minh, khơng phân biệt giới tính và chưa thực hiện những khảo sát tương tự liên quan
đến chỉ số EQ trong khoảng thời gian từ 3 – 6 tháng gần đây. Mẫu sẽ được chọn theo phương pháp thuận tiện. Kích thước mẫu cần phụ thuộc vào kỹ thuật phân tích dữ liệu được sử dụng, yếu tố tài chính và khả năng tiếp cận đối tượng thăm dị.
3.4.2. Kích thước mẫu
Bảng 3. 10- Số lượng biến quan sát
Mã Thang đ o Số biến quan sát
TT Tự tin 5 HV Hy vọng 5 LQ Lạc quan 5 TN Thích nghi 5 HL Hài lòng 7 HQ Hiệu quả 5 Tổng cộng 32
Kích thước mẫu cần thiết phụ thuộc vào kỹ thuật phân tích dữ liệu được sử dụng, yếu tố tài chính và khả năng tiếp cận đối tƣợng thăm dò. Dựa theo lý thuyết phân phối mẫu lớn, phương pháp phân tích cấu trúc tuyến tính địi hỏi kích thước mẫu lớn để có được ước lượng tin cậy. Tuy nhiên kích thước bao nhiêu là phù hợp thì hiện nay chưa được xác định rõ ràng.
Nếu sử dụng phương pháp ước lượng Maximum Likelihood thì kích thước mẫu tối thiểu từ 100 đến 150. Cũng có nhà nghiên cứu cho rằng số quan sát tới hạn phải là 200
hay số quan sát ít nhất phải gấp năm lần số biến quan sát, ứng dụng vào nghiên cứu thì số mẫu phải quan sát là 25x5=125.
Bên cạnh đó để đảm bảo phân tích một cách có hiệu quả thì kích thước mẫu cần phải đảm bảo theo cơng thức:
N: kích cỡ mẫu
m: số biến độc lập của mơ hình
Sau quá trình thảo luận nhóm và phỏng vấn thử, nhóm đã đề xuất 6 thang đo, ở mỗi
thang đo có số lượng biến quan sát được trình bày ở bảng trên.
Tổng số biến quan sát nhóm đề xuất là 32 biến, như vậy, áp dụng công thức trên: Y
= 32 x 8 + 50 = 306. Vậy số mẫu khảo sát tối thiểu nhóm nghiên cứu thực hiện là 306 mẫu. Nhưng nhóm quyết định chọn số mẫu là 500 để nghiên cứu mang tính khách quan
và chính xác hơn.
3.4.3. Cách lấy Mẫu
Mẫu được chọn theo phương pháp thuận tiện. Khảo sát định lượng thực hiện tại khu vực Thành phố Hồ Chí Minh. Nghiên cứu được thực hiện theo phương pháp phát bảng câu hỏi trực tiếp thông qua google drive, gửi qua mail, mạng xã hội.
3.5 PHÂN TÍCH DỮ LIỆU
Đề tài sử dụng hai phần mềm phân tích thống kê SPSS và AMOS để phân tích dữ liệu. Phần mềm SPSS 22.0 được sử dụng để đánh giá sơ bộ thang đo thông qua kiểm
định hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA và phân tích thống kê mơ tả mẫu. Phần mềm AMOS 20.0 được sử dụng để phân tích nhân tố khẳng định CFA, kiểm định mơ hình và giả thuyết bằng phân tích cấu trúc tuyến tính SEM. Dữ liệu sau khi thu thập sẽ sàng lọc những dữ liệu khơng phù hợp. Trình tự tiến hành
phân tích dữ liệu đƣợc thực hiện như sau:
Bước 1 - Chuẩn bị thông tin: thu nhận bảng trả lời, tiến hành làm sạch thơng tin, mã
hóa các thơng tin cần thiết trong bảng trả lời, nhập liệu và phân tích dữ liệu bằng phần mềm SPSS 22.0.
Bước 2 - Nghiên cứu thống kê mô tả: tiến hành thống kê mô tả dữ liệu thu thập được. Bước 3 - Đánh giá độ tin cậy: tiến hành đánh giá thang đo bằng phân tích Cronbach’s
Alpha.
Bước 4 - Phân tích nhân tố khám phá: phân tích thang đo bằng phân tích nhân tố khám
Factor Analysis).
Bước 6 - Phân tích cấu trúc tuyến tính SEM: để kiểm định độ thích hợp của mơ hình. Bước 7 - Phân tích cấu trúc đa nhóm: giữa các nhóm giới tính (nam và nữ), thu nhập (thấp, trung bình, khá, cao).
3.5.1 Đánh giá độ tin cậy thang đo
Thang đo được đánh giá độ tin cậy thông qua hai công cụ là hệ số Cronbach Alpha và phân tích nhân tố. Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng và Chu
Nguyễn Mộng Ngọc, 2005). Hệ số Cronbach’s Alpha đƣợc tính theo công thức: α = N*ρ / [1 + ρ*(N - 1)] trong đó ρ là hệ số tương quan trung bình giữa các mục hỏi và N là số mục hỏi.
Theo quy ước thì một tập hợp các mục hỏi dùng để đo lường được đánh giá phải có hệ số α lớn hơn hoặc bằng 0,8. Tuy nhiên, đối với “trường hợp khái niệm đang đo lường là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu” thì hệ số Cronbach’s
Alpha từ 0,6 trở lên Cronbach’s và tương quan tổng biến (Corrected Item – Total Correlation) phải lớn hơn 0,3 là phép đo đảm bảo độ tin cậy và chấp nhận được
(Nunnally vad Burnstein, 1994).
3.5.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát
thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo (gọi là các nhân tố). Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá đƣợc dùng để kiểm định giá trị khái niệm của thang đo.
Phương pháp phân tích nhân tố được tiến hành để rút gọn tập hợp các biến độc lập thành một tập nhỏ hơn là các biến đại diện cho mỗi nhóm nhân tố mà khơng làm mất đi ý nghĩa giải thích và thơng tin của nhóm nhân tố. Hệ số (Kaiser – Meyer – Olkin) KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0,5 và 1) có nghĩa là phân tích nhân tố thích hợp, cịn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu. Phương pháp sử dụng là Principal
component với phép quay nhân tố là Promax. Các biến quan sát có hệ số tải nhân tố (Loading Factor) nhỏ hơn 0,5 sẽ bị loại (Hair và cộng sự, 1998). Chọn nhân tố cố định có giá trị Eigenvalues >1 (Gerbing và Anderson, 1988).
Việc phân tích nhân tố sẽ được tiến hành với toàn bộ các biến quan sát, sau đó sẽ loại bỏ từng biến có hệ số truyền tải thấp.
3.5.3 Phân tích nhân tố khẳng định (CFA) và kiểm định thang đo
Mơ hình cấu trúc tuyến tính (SEM) bao gồm nhiều kỹ thuật thống kê khác nhau nhƣ phân tích đường dẫn (Path Analysis), phân tích nhân tố khẳng định (Confirmatory Factor
Analysis), mơ hình nhân quả với các biến tiềm ẩn (Causal modeling with Latent variable, và cũng thường gọi là SEM), và thậm chí cả phân tích phương sai (Analysis of Variance),
mơ hình hồi quy tuyến tính bội (Multiple Linear Regression). Đề tài sẽ tập trung phân tích CFA và SEM. Trong kiểm định thang đo, phương pháp CFA trong phân tích cấu trúc tuyến tính SEM có nhiều quan điểm hơn so với phƣơng pháp truyền thống như phương pháp hệ số tương quan, phương pháp phân tích nhân tố khám phá EFA, phương pháp đa khái niệm – đa phương pháp MTMM (Bagozzi & Foxall, 1996). Lý do là CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường. Hơn nữa, chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không cần dùng nhiều phương pháp như trong phương pháp truyền thống MTMM
(Steenkamp & van Trijp, 1991).
Các đánh giá khi phân tích CFA gồm:
3.5.4 Đánh giá độ tin cậy của thang đ o
Thông qua Hệ số tin cậy tổng hợp (composite reliability), tổng phương sai trích
(Fornell & Larcker, 1981) và hệ số tin cậy Cronbach’s Alpha. Phƣơng sai trích (Variance Extracted) của mỗi khái niệm nên vượt quá 0,5 (Hair, 1998) và phương sai trích cũng là một chỉ tiêu đo lường độ tin cậy. Nó phản ánh biến thiên chung của các biến quan sát đƣợc tính tốn bởi biến tiềm ẩn. Trong CFA một vấn đề quan trọng cần phải quan tâm
khác là độ tin cậy của tập hợp các biến quan sát đo lường một khái niệm (nhân tố); và như truyền thống, hệ số tin cậy Cronbach’s Alpha vẫn thường được sử dụng. Nó đo lường
3.5.5 Tính đơn hướng (Unidimensionality)
Mức độ phù hợp của mơ hình với dữ liệu thị trƣờng cho chúng ta điều kiện cần và đủ để cho tậpbiến quan sát đạtđược tính đơn hướng, trừ trường hợp các sai số của các biến
quan sát có tương quan với nhau (Steenkamp & Van Trijp, 1991)
3.5.6 Giá trị hội tụ (Convergent validity)
Thang đo đạt được giá trị hội tụ khi các trọng số chuẩn hoá của thang đo đều cao (>0,5); và có ý nghĩa thống kê (P <0,05) (Gerbring & Anderson, 1988)
3.5.7 Giá trị phân biệt (Discriminant validity)
Có thể kiểm định giá trị phân biệt của các khái niệm trong mơ hình tới hạn (saturated
model - mơ hình mà các khái niệm nghiên cứu được tự do quan hệ với nhau). Có thể thực hiện kiểm định hệ số tương quan xét trên phạm vi tổng thế giữa các khái niệm có thực sự khác biệt so với 1 hay khơng. Nếu nó thực sự khác biệt thì các thang đo đạt được
giá trị phân biệt.
3.5.8 Giá trị liên hệ lý thuyết (Nomological validity)
Các giá trị trên đƣợc đánh giá thơng qua mơ hình đo lường. Riêng giá trị liên hệ lý thuyết được đánh giá trong mơ hình lý thuyết (Anderson & Gerbing, 1988). Khi các vấn đề trên thoả mãn thì mơ hình đo lường là tốt. Tuy nhiên, rất hiếm mơ hình đo lường nào đạt được tất cả các vấn đề trên. Ví dụ, mơ hình đo lường vẫn có thể được sử dụng khi thang đo khơng đạt được tính đơn hướng.
Để đo lường mức độ phù hợp của mơ hình với thơng tin thị trường, các chỉ số sử dụng
là Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI_ Comparative Fit Index). Chỉ số Tucker & Lewis (TLI_ Tucker & Lewis Index); Chỉ số RMSEA (Root Mean Square Error Approximation). Mơ hình đƣợc xem là thích hợp với dữ liệu thị trƣờng khi kiểm định Chi-square có P-value > 0,05. Tuy nhiên
Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu. Nếu một mơ hình nhận được các giá trị GFI, TLI, CFI ≥ 0,9 (Bentler & Bonett, 1980); CMIN/df ≤ 2, một số trường hợp CMIN/df có thể ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0,08, RMSEA ≤ 0,05
được xem là rất tốt (Steiger, 1990) thì mơ hình được xem là phù hợp với dữ liệu thị trường, hay tương thích với dữ liệu thị trường. Mơ hình nghiên cứu sẽ được đánh giá dựa trên các chỉ tiêu giá trị GFI ≥ 0,9, TLI ≥ 0,9, CFI ≥ 0,9, CMIN/df ≤ 3, RMSEA ≤
0,08 thì mơ hình phù hợp (tương thích) với dữ liệu thị trường.
3.5.9 Kiểm định mơ hình bằng phân tích cấu trúc tuyến tính (SEM)
Trong kiểm định giả thuyết và mơ hình nghiên cứu, mơ hình cấu trúc tuyến tính SEM cho phép chúng ta kết hợp được các khái niệm tiềm ẩn với đo lường của chúng và có thể xem xét các đo lường độc lập hay kết hợp chung với mơ hình lý thuyết cùng một lúc.
Chính vì thế, phương pháp phân tích SEM được sử dụng rất phổ biến trong các ngành
khoa học xã hội trong những năm gần đây và thường được gọi là phương pháp phân tích dữ liệu thế hệ thứ hai (Hulland, 1996).
Phương pháp phân tích cấu trúc tuyến tính được sử dụng để kiểm định mơ hình nghiên cứu. Phương pháp ước lượng ML (Maximum Likelihood) được sử dụng để ước lượng các tham số trong các mơ hình. Lý do là khi kiểm định phân phối của các biến quan sát thì phân phối này lệch một ít so với phân phối chuẩn đa biến, tuy nhiên hầu hết các kurtoses và skewnesses đều nằm trong khoảng [-1; +1] nên ML vẫn là phương pháp ước lượng thích hợp (Muthen & Kaplan, 1985). Phương pháp bootstrap sẽ được sử dụng để ước lượng lại các tham số mơ hình kiểm tra độ tin cậy của các ước lượng. Kết quả ước lượng ML sẽ được sử dụng kiểm định lại các giả thuyết.
3.5.10 Phân tích cấu trúc đa nhóm
Phương pháp phân tích cấu trúc đa nhóm được sử dụng để so sánh mơ hình nghiên cứu theo nhóm giới tính, nghề nghiệp. Giới tính chia làm hai nhóm nam và nữ, nghề nghiệp chia thành 2 nhóm là nhóm đã có khả năng tự lập, chưa có nghề nghiệp ổn định