CHƯƠNG III. PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Nghiên cứu định lượng
Chương ba đã trình bày có tám khái niệm nghiên cứu được sử dụng trong nghiên cứu này đó là: (1) Kỹ năng giải quyết vấn đề (GQVD), (2) Kỹ năng làm việc nhóm (LVN), (3) kỹ năng giao tiếp (KNGT), (4) Kiến thức đào tạo (KTĐT), (5) Nỗ lực cá nhân (NLCN), (6)Sẵn sàng thay đổi (SSTD), (7) Quyết tâm hiệu quả (QTHQ), (8) Giao tiếp hội nhập (GTHN), (9) Tin tưởng quan tâm (TTQT), (10) Bình tĩnh thoải mái (BTTM). Thang đo đa biến (multi-item scales) được sử dụng để đo các khái niệm chính. Bảng câu hỏi được thiết kế gồm ba phần như sau:
Phần I của bảng câu hỏi được thiết kế để thu thập thông tin tổng quát.
Phần II của bảng câu hỏi là phần nội dung khảo sát chính. Thu nhận sự đánh
giá của sinh viên về kiến thức được đào tạo tại đại học, tính cách cá nhân và Động lực cá nhân của sinh viên lên kỹ năng làm việc.
Bảng 3.2: Tóm tắt thang đo các khái niệm và mã hóa dữ liệu
Xin cho biết mức độ đồng ý của Anh/Chị về các phát biểu dưới đây bằng cách đánh dấu (√) vào:
Ô số 1: Hoàn toàn không đồng ý Ô số 5: Hoàn toàn đồng ý
Các mức độ khác đánh vào các ô số 2, 3, 4 tương ứng.
Biến
Kỹ năng giải quyết vấn đề
1 … Có thể xác định vẫn đề cốt lõi trong một tình huống hỗn độn thông tin gqvd1 2 … Có thể chuẩn đoán đúng nguyên nhân gây ra sự cố để tiến hành kiểm tra gqvd2 3 … Có khẳ năng đánh giá các phương án để chọn ra giải pháp phù hợp nhất gqvd3
26
4 … Có khả năng xem xét vấn đề một cách hệ thống gqvd4
Kỹ năng làm việc nhóm
5 … Có kỹ năng giải quyết vấn đề phức tạp lvn5
6 … Biết lắng nghe ý kiến của đồng nghiệp lvn6
7 … Biết cách đặt câu hỏi để làm rõ ý kiến của đồng nghiệp lvn7
8 … Luôn tôn trọng đồng nghiệp lvn8
9 … Biết cách thuyết phục đồng nghiệp lvn9
10 … Biết giúp đỡ đồng nghiệp khi họ gặp khó khăn lvn10
11 … Biết chia xẻ những điều có thể với đồng nghiệp Lvn11
12 … Có ý thức tổ chức Lvn12
kỹ năng giao tiếp
13 … Có thể giao tiếp bằng ngoại ngữ( tiếng Anh, Pháp, Nhật…) kngt13 14 … Có thể truyền đạt suy nghĩ của mình một cách rõ ràng bằng lời nói kngt14
15 … Có thể giao tiếp bằng ngôn ngữ cơ thể(hành động, tín hiệu, im lặng, ánh
mắt..)
kngt15
16 … Có khả năng tranh luận với đồng nghiệp về một vấn đề để đi đến kết
quả cuối cùng
kngt16
Kiến thức đào tạo
17 … trang bị cho tôi được kỹ năng phân tích và giải quyết vấn đề ktdt17
18 … giúp tôi nâng cao kỹ năng giao tiếp ktdt18
19 … giúp tôi nâng cao kỹ năng làm việc nhóm ktdt19
20 … giúp tôi nâng cao khả năng lên kế hoạch của mình ktdt20
Nỗ lực cá nhân
21 … muốn áp dụng kiến thức được đào tạo nlcn21
22 … thích thú khi áp dụng hiệu quả kiến thức được đào tạo nlcn22
23 … được hưởng lợi từ việc áp dụng kiến thức được đào tạo nlcn23
24 … cảm thấy thoải mái khi áp dụng kiến thức được đào tạo nlcn24
Sẵn sàng thay đổi:
27
25 … có trí tưởng tượng mạnh mẽ sstd25
26 … có nhiều ý tưởng cho việc đổi mới sstd26
27 … sẵn sàng chịu rủi ro để đổi mới sstd27
28 … thích nghi nhanh chóng với sự thay đổi sstd28
Quyết tâm hiệu quả
29 … luôn làm việc có hiệu quả qthq29
30 … luôn làm việc theo kế hoạch đề ra qthq30
31 … luôn đặt ra những yêu cầu cao và làm tốt hơn mong đợi qthq31
32 … luôn là người khởi xướng các hành động qthq32
Giao tiếp hội nhập 33 … luôn nhận biết mọi người một cách nhanh chóng gthn33
34 … thường thích quây quần bên mọi người gthn34
35 … thường thích tạo ảnh hưởng đến mọi người gthn35
36 … luôn lấp đầy thời gian rãnh bằng các hoạt động cộng đồng gthn36 Tin tưởng quan tâm
37 … luôn tin rằng mọi người đều có tính lương thiện ttqt37
38 … luôn cư xử thẳng thắn với mọi người ttqt38
39 … luôn thể hiện thái độ chào đón người khác ttqt39
40 … khiêm tốn về những thành tích đạt được ttqt40
Bình tĩnh thoải mái 41 … có ít lo lắng hơn so với hầu hết mọi người xung quanh bttm41
42 … luôn cảm thấy hạnh phúc với cuộc sống bttm42
43 … luôn tự tin khi giao tiếp với những người mới quen bttm43 44 … luôn bình tĩnh trước áp lực và vượt qua những trở ngại một cách nhanh
chóng
bttm44
28
Phần III: Một số đặc điểm nhân khẩu học
Các biến nhân khẩu học được đưa vào bảng câu hỏi để sử dụng cho phân tích thống kê phân loại sau này. Các biến này được đưa vào phần mềm thống kê bằng cách mã hóa như sau:
Giới tính = Nữ (1), Nam (2) Vị trí công tác hiện tại = Cán bộ quản lý (1), Nhân (2), Khác (3)
Thu nhập bình quân tháng = Dưới 5 triệu (1), Từ 5 đến 10 triệu (2), trên 10 triệu (3)
Trường đại học đã học = ĐH Đà Lạt (1), ĐH Yesin (2) Ngành học = Kinh tế quản lý (1), kỹ thuật (2)
Thời gian tốt nghiệp = <= 1 năm (1), <= 2 năm (2), <= 3 năm
Bảng câu hỏi sau khi được thiết kế xong được dùng để phỏng vấn thử 10 người để kiểm tra mức độ rõ ràng của bảng câu hỏi và thông tin thu về. Sau khi điều chỉnh bảng câu hỏi, bảng câu hỏi chính thức được gởi đi phỏng vấn. Bảng câu hỏi nghiên cứu chính thức được trình bày trong phụ lục
3.3.2. Thang đo
Các thang đo được sử dụng trong nghiên cứu này là các thang đo đã có trên thế giới. Các thang đo này đã được kiểm định nhiều lần trên nhiều thị trường khác nhau. Nghiên cứu này, sử dụng thang đo lường dạng Likert năm điểm, trong đó một là hoàn toàn không đồng ý và năm là hoàn toàn đồng ý.
Nghiên cứu sử dụng thang đo trong nghiên cứu của Nguyễn Đình Thọ &
Nguyễn Thị Trang để đo lường kiến thức đào tạo và Động lực cá nhân. Để đo lường
29
tính cách cá nhân sử dụng thang đo trong MSP(2009), nghiên cứu sử dụng thang đo trong nghiên cứu của Pham Ngoc Thuy & Bùi Huy Hải Bích (2012).
3.3.3. Phương pháp thu thập thông tin và cỡ mẫu
Thông tin dữ liệu được thu thập thông qua phương pháp chọn mẫu thuận tiện, điều tra trực tiếp, qua điện thoại và gửi mail cho các đối tượng là cựu sinh viên tốt nghiệp ngành kinh tế quản lý và kỹ thuật tại các trường Đại học ở Đà Lạt và đã đi làm từ 1 đến 3 năm trở lại đây.
Đối với phân tích nhân tố (EFA), cỡ mẫu tối thiểu N ≥ 5*x (trong đó “x” là tổng số biến quan sát (Hair & cộng sự, 1998). Trong phân tích hồi qua đa biến, cỡ mẫu tối thiểu cần đạt được tính theo công thức N ≥ 50 + 8*m (trong đó, “m” là số biến độc lập) (Tabachnick & cộng sự, 1996 – trích từ Tran, 2011) Trong nghiên cứu này, tác giả chọn kích thước mẫu ít nhất phải thỏa hai điều kiện của phương pháp phân tích nhân tố EFA và phương pháp phân tích hồi quy đa biến theo các tác giả trên, nghĩa là thỏa phương trình: N ≥ max (5*x;50+8*m). Số biến độc lập m = 16 biến, tổng số biến quan sát của đề tài x = 44 biến. N ≥ max (5*44;50+8*16), tương đương N ≥ max (220;178). Vậy mẫu được chọn khoảng 220 người tốt nghiệp ngành kinh tế quản lý tại các trường Đại học ở Đà Lạt và đã đi làm trong vòng ba năm trở lại. Chọn ngẫu nhiên các đối tượng để phỏng vấn.
3.3.4. Phân tích hệ số Cronbach alpha
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số, thông qua hệ số Cronbach alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có Cronbach alpha từ 0.7 đến 0.8 là sử dụng được.
30
Tuy nhiên, việc đo lường hệ số Cronbach’s alpha chỉ cho biết độ tin cậy của thang đo hay nói một cách khác là có sự liên kết giữa các biến quan sát với nhau hay không trong cùng một khái niệm cần đo, nó không cho biết biến nào cần được bỏ đi hay giữ lại. Do đó, hệ số tương quan giữa các biến quan sát và biến tổng cũng là một tiêu chí nhằm đảm bảo độ giá trị của thang đo, nhằm giúp loại ra những mục hỏi không đóng góp nhiều cho việc mô tả khái niệm cần đo (Hoang & cộng sự, 2008). Theo R. Ho (2006) để quyết định biến nào được giữ lại hay bỏ đi, múc tiêu chuẩn 0,33 được dùng (một biến quan sát có hệ số tương quan biến tổng 0,33 chỉ ra rằng khoảng 10% sự thay đổi trong thang được giải thích bởi mục đó) (trích từ Tran, 2008).
3.3.5. Phân tích nhân tố khám phá EFA
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy. 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.
Trong phân tích nhân tố khám phá, 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 (Hoang & cộng sự, 2008), còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Phương sai trích được (Variance explained criteria): tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm các biến đo lường. Tổng phương sai trích được phải lớn hơn 50% (Nguyen, 2011)
Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi
31
nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Tiêu chuẩn để đánh giá độ phân biệt: Aron & cộng sự (1994) chỉ ra rằng nhiều nhà nghiên cứu chọn mức loại bỏ (cutoff levels) của hệ số tải nhân tố khi tải lên các nhân tố khác là 0,35 hoặc 0,4. Theo Ronald & cộng sự (2004) yêu cầu một hệ số tải nhân tố ít nhất là 0,5 và không tải lên nhân tố khác trên 0,35 (trích từ Tran, 2011).
Trong nghiên cứu này, một biến quan sát có hệ số tải nhân tố >0,5 và không tải lên các nhân tố khác > 0,35 thì biến quan sát đó không bị loại bỏ và được xem là đảm bảo giá trị hội tụ và phân biệt
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal axis factoring nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
3.3.6. Xây dựng mô hình hồi qui
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor – VIF). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến
tính bội được xây dựng. Và hệ số R2 đã được điều chỉnh (adjusted R square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào.