Chương 2: THIẾT KẾ VÀ TỔ CHỨC NGHIÊN CỨU
2.2. Thiết kế và tổ chức nghiên cứu
2.2.3. Đánh giá sự hội tụ của các biến trong từng nhân tố bằng phương pháp phân tích nhân tố khám phá - EFA
phân tích nhân tố khám phá - EFA
Kiểm định cấu trúc thang đo bằng phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysit), phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA:
- Sử dụng phương pháp trích yếu tố là Principal components với phép quay Varimax và điểm dừng khi rút trích các yếu tố có Eigenvalues =1. Với các thang đo đơn hướng thì sử dụng phương pháp rút trích yếu tố Princial components. Tiến hành
loại các biến số có trọng số nhân tố (còn gọi là hệ số tải nhân tố) nhỏ hơn 0,4 và tổng phương sai trích được bằng hoặc lớn hơn 50% (thang đo được chấp nhận).[8]
Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0,5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0,3 là đạt được mức tối thiểu; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa
thực tiễn. Tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0,3; nếu cỡ mẫu khoảng 100 thì chọn hệ số tải nhân tố lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0,75.
[23]
Trong phân tích nhân tố khám phá các tham số được sử dụng:
- Trị số KMO (Kaiser - Meyer - Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không tích hợp với các dữ liệu.
- Nhân tố (Factor score) là bảng ma trận thể hiện nhân tố mới được nhóm lại từ các biến gốc. Nhân tố mới này làm đại diện cho một tập biến gốc mà nó giải thích với mục đích làm gọn dữ liệu phục vụ cho các phân tích hồi quy tiếp theo.
Công thức tính như sau:
F1 = Wi1*X1 + Wi2*X2 + … + Wik*Xk
Với F là nhân tố, W là trọng số và X là biến gốc.
Trong nghiên cứu giá trị nhân tố được thực hiện tự động và ma trận hệ số được trình bày trong bảng Component score Coeficent matrix.
Kết quả phân tích độ tin cậy của thang đo các khái niệm cho thấy có 39 biến quan sát đạt tiêu chuẩn và được đưa vào thực hiện phân tích nhân tố với phương pháp trích nhân tố là Principal Components với phép quay Varimax nhằm phát hiện cấu trúc và đánh giá mức độ hội tụ của các biến quan sát theo các thành phần.
Các biến quan sát sẽ tiếp tục được kiểm tra mức độ tương quan của chúng
theo nhóm. Tiêu chuẩn của phương pháp phân tích nhân tố là chỉ số KMO phải lớn hơn 0,5 và kiểm định Barlett’s có mức ý nghĩa sig < 0,05 để chứng tỏ rằng dữ liệu dùng phân tích nhân tố là thích hợp và giữa các biến có tương quan với nhau.
Giá trị Eigenvalues phải lớn hơn 1 và tổng phương sai trích lớn hơn 50%. Do đó, trong mỗi nhân tố thì những biến quan sát có hệ số Factor loading bé hơn 0,5 sẽ tiếp tục bị loại để đảm bảo sự hội tụ giữa các biến trong một nhân tố.
Phân tích nhân tố đối với các biến độc lập
Việc phân tích nhân tố trước tiên được tiến hành trên 6 nhân tố và 34 biến quan sát của các biến độc lập ảnh hưởng đến định hướng nghề nghiệp của học sinh trường CĐ nghề Kỹ thuật Công nghệ TPHCM (theo mô hình lý thuyết). Sau khi khảo sát, phân tích nhân tố cho 34 biến độc lập bằng phương pháp Principal Component Analysis và phép xoay Varimax with Kaiser Normalizatipn. Kết quả chạy phân tích nhân tố cho thấy không có biến nào có hệ số tải nhỏ hơn 0,5, do đó các biến đều có hệ số tải đạt yêu cầu. Kết quả phân tích như sau:
Bảng 2.1: Ma trận xoay nhân tố
Biến Nhân tố
1 2 3 4 5 6
Nhà trường 6 0,85 Nhà trường 5 0,84 Nhà trường 4 0,84 Nhà trường 2 0,80 Nhà trường 1 0,70 Nhà trường 3 0,68
TT lao động 5 0,85
TT lao động 2 0,83
TT lao động 6 0,82
TT lao động 3 0,77
TT lao động 1 0,75
TT lao động 4 0,70
Nghề nghiệp 5 0,81
Nghề nghiệp 7 0,78
Nghề nghiệp 3 0,76
Nghề nghiệp 1 0,74
Nghề nghiệp 4 0,73
Nghề nghiệp 2 0,70
Năng lực 6 0,82
Năng lực 5 0,79
Năng lực 1 0,76
Năng lực 4 0,75
Năng lực 2 0,70
Năng lực 3 0,64
Bạn bè 5 0,87
Bạn bè 6 0,86
Bạn bè 2 0,82
Bạn bè 3 0,80
Bạn bè 4 0,75
Gia đình 6 0,83
Gia đình 5 0,78
Gia đình 3 0,75
Gia đình 2 0,75
Gia đình 1 0,72
Kết quả phân tích nhân tố cho thấy hệ số KMO là 0,83 (> 0,5), điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Kết quả kiểm định Barlett’s là 611,01 với mức ý nghĩa (p_value) sig = 0,00
(< 0,05) đạt độ tin cậy với mức ý nghĩa cho phép (bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau trong tổng thể) như vậy giả thuyết về ma
trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố.(Phụ lục 3)
- Kết quả ở bảng trên cho thấy có 6 nhân tố được rút ra sau khi tiến hành rút trích nhân tố. Phương sai rút trích tích lũy là 66,76% (> 50%): đạt yêu cầu; khi đó có thể nói rằng 06 nhân tố này giải thích 66,76% biến thiên của dữ liệu (Phụ lục 3).
- Giá trị hệ số Eigenvalues của 06 nhân tố đều cao (>1), nhân tố thứ 6 có Eigenvalues (thấp nhất) = 1,82 (> 1). (Phụ lục 3)
Như vậy, sau khi tiến hành chạy phân tích nhân tố kết quả như trên cho thấy 6 nhân tố đại diện cho các biến gốc như: Thang đo hiểu biết về nghề nghiệp, thang đo hiểu biết về thị trường lao động, thang đo hiểu biết về năng lực bản thân, thang đo ảnh hưởng từ yếu tố gia đình, thang đo ảnh hưởng từ yếu tố bạn bè, thang đo ảnh hưởng từ yếu tố nhà trường giống như giả thuyết ban đầu. Đều đó cho thấy rằng các
lao động, năng lực bản thân tác động tích cực đến định hướng nghề nghiệp của các em và các yếu tố bên ngoài như gia đình, bạn bè, nhà trường cũng có tác động tích cực đến định hướng nghề nghiệp của các em từ nhận thức đến hành vi.
Phân tích nhân tố đối với các biến phụ thuộc
Khi tiến hành xây dựng khung lý thuyết, người nghiên cứu đưa ra giả thuyết sự thay đổi về nhận thức và hành vi là quá trình làm thay đổi quyết định lựa chọn nghề nghiệp của học sinh. Năm biến quan sát của khái niệm “Định hướng nghề nghiệp” được phân tích theo phương pháp Principal components với phép quay Variamax. Các biến có hệ số tải nhân tố < 0,5 không đảm bảo được độ hội tụ với các biến còn lại trong thang đo sẽ bị loại bỏ.
Kết quả chạy phân tích nhân tố cho thấy các biến đều có hệ số tải lớn hơn 0,5, đảm bảo dược độ hội tụ với các biến còn lại trong thang đo. Kết quả như sau:
Bảng 2.2: Ma trận xoay nhân tố đối với biến phụ thuộc
Định hướng nghề nghiệp Nhân tố
1
Bạn tin tưởng rằng lựa chọn nghề nghiệp của mình là hoàn toàn
đúng đắn 0,86
Bạn đã thu thập đầy đủ thông tin về nghề mà bạn đang chọn 0,86
Nếu có cơ hội học lên bậc cao hơn (đại học) bạn vẫn tiếp tục học ở
trường này 0,81
Nếu có cơ hội chọn lại nghề, nhưng bạn sẽ không chọn lại 0,80 Nếu hoàn cảnh gia đình gặp khó khăn bạn vẫn không bỏ học 0,74
Hệ số KMO = 0,83 (>0,5): phân tích nhân tố thích hợp với dữ liệu nghiên cứu. (Phụ lục 3)
Kết quả kiểm định Barlett’s là 611,01 với mức ý nghĩa sig = 0,00 (< 0,05), đạt độ tin cậy với mức ý nghĩa cho phép. Như vậy, giả thuyết về mô hình nhân tố là phù hợp, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Kết quả phân tích cho thấy 5 biến quan sát ban đầu được nhóm thành 1 nhóm.
- Giá trị tổng phương sai trích bằng 66,32% và giá trị này lớn hơn 50%: đạt yêu cầu; khi đó có thể nói rằng 1 nhân tố này giải thích 66,32% biến thiên của dữ liệu. (Phụ lục 3)
- Giá trị hệ số Eigenvalues của nhân tố bằng 3,32, lớn hơn 1. (Phụ lục 3) Như vậy sau khi tiến hành chạy phân tích nhân tố đối với biến phụ thuộc, kết quả ở bảng trên cho thấy nhân tố đại diện cho các biến gốc tương ứng với khái niệm
“Định hướng nghề nghiệp” trong mô hình.