Chương 2. PHƯƠNG PHÁP NGHIÊN CỨU
2.2. Phương pháp nghiên cứu
2.2.3. Phương pháp phân tích thông tin
Phương pháp này dùng để mô tả các dữ liệu trong bài nghiên cứu để thấy sự thay đổi trong chất lượng quản lý đào tạo nghề lao động nông thôn trên địa bàn tỉnh Lai Châu. Qua đó để phân tích định lượng và định tính về số liệu tác giả thu thập được.
2.2.3.2 Phương pháp so sánh
Trong nghiên cứu, tác giả sử dụng phương pháp này nhằm: so sánh các yếu tố, hiện tượng cá biệt với trung bình hoặc tiên tiến, kết quả đào tạo, trình độ đào tạo nghề; việc phát triển đội ngũ và phát triển trình độ cán bộ quản lý đào tạo và giáo viên dạy nghề giữa các năm, giữa kế hoạch với thực hiện kế hoạch đào tạo; cơ cấu giữa các đối tượng dạy nghề trong cùng một loại hình dạy nghề với nhau...
2.2.3.3. Phương pháp tổng hợp và phân tích tư liệu khoa học
Phương pháp này nhằm phân tích và tổng hợp các tài liệu liên quan đến đề tài. Từ đó xác định những vấn đề chung và vấn đề riêng nhằm giải quyết nhiệm vụ của đề tài đặt ra.
Qua phương pháp này, nghiên cứu xem xét công tác quản lý chất lượng đào tạo nghề lao động nông thôn tại tỉnh Lai Châu, để từ đó xem xét các kết quả đã được và chưa đạt được trong quá trình nâng cao chất lượng quản lý. Qua đây đề xuất các giải pháp hiệu quả.
2.2.3.4. Phương pháp phân tích các nhân tố khám phá
Sử dụng hệ số tin cậy Cronbach Alpha: để kiểm định mức độ chặt chẽ và sự
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
tương quan giữa các biến quan sát trong mô hình nghiên cứu. Hệ số Cronbachs có công thức tính như sau:
α = Nρ/[1+ρ(N-1)]
Trong đó: ρ: là hệ số tương quan trung bình giữa các mục hỏi.
N: là tổng số người trả lời.
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. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Theo đó, các biến có hệ số tương quan biến tổng (item-total correlation) lớn hơn 0,3 và có hệ số alpha từ 0,60 trở lên mới được xem là chấp nhận được và thích hợp đưa vào phân tích những bước tiếp theo (Nunnally & Burnstein 1994). Thông thường, thang đo có Cronbach Alpha từ 0,7 đến 0,8 là sử dụng tốt. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lường tốt.
- Sử dụng mô hình phân tích nhân tố khám phá EFA (Exploratory factor analysis): để kiểm định giá trị khái niệm của các thang đo còn lại nhằm xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu.
Mô hình phân tích nhân tố được thể hiện bằng phương trình sau:
Xi = Ai1F1 + Ai2F2 + …+ AimFm + ViUi
Trong đó:
Xi: biến thứ i chuẩn hóa
Ai j: hệ số hồi qui bội chuẩn hóa của nhân tố thứ j đối với biến i F: các nhân tố chung
Vi: hệ số hồi qui chuẩn hóa của nhân tố đặc trưng i đối với biến i Ui: nhân tố đặc trưng của biến
m: số nhân tố chung
Sau khi loại đi các biến không đảm bảo đô ̣ tin câ ̣y qua đánh giá đô ̣ tin câ ̣y bằng hê ̣ số Cronbach Alpha, tiến hành phân tích nhân tố. Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ
liê ̣u (Trọng Ngo ̣c, 2008).
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
Để có thể phân tích nhân tố thì phải đảm bảo các điều kiê ̣n: chỉ số Kaiser- Meyer-Olkin (KMO) > 0,5 thì dữ liê ̣u phù hợp để phân tích nhân tố và mức ý nghĩa của kiểm định Bartlett (sig) < 0,05: xem xét các biến có tương quan với nhau trên tổng thể.
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu.
Phương pháp trích hệ số được sử dụng trong nghiên cứu này là Principal component với phép quay Varimax. Trong bảng Rotated Component Matrix chứa các hệ số tải nhân tố (Factor loading). Theo Hair & ctg (1998), Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0,3 được xem là đạt được mức tối thiểu, > 0,4 được xem là quan trọng, > 0,5 được xem là có ý nghĩa thực tiễn. Hair & ctg (1998) cũng khuyên bạn đọc như sau: nếu chọn tiêu chuẩn factor loading > 0,3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100-350 thì nên chọn tiêu chuẩn factor loading > 0,55, nếu cỡ mẫu của bạn
<100 thì Factor loading phải > 0,75. Đề tài nghiên cứu với cỡ mẫu 300, vì vâ ̣y các biến có hê ̣ số tải >0,55 được đưa vào phân tích.
Theo Hair &ctg (1998), thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50%.
2.2.3.5. Mã hóa dữ liệu
Trong đề tài, tác giả sử dụng 5 nhóm nhân tố, được đo lượng bằng thang đo likert với 5 thang đo đó là Mức 1: Hoàn toàn không đồng ý, Mức 2: Không đồng ý, Mức 3: Trung, Lập Mức 4: Đồng ý, Mức 5: Hoàn toàn đồng ý
Bảng 2.2. Môtả tên biến sử dụng trong mô hình
STT Mã hóa Diễn giải
Các chính sách nhằm quản lý chất lượng đào tạo nghề
1 CS1 Có nhiều chính sách khuyến khích đào tạo nghề lao động nông thôn
2 CS2 Có nhiều chính sách vận động người lao động thay đổi việc làm
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn cải thiện thu nhập
3 CS3 Chính sách tuyên truyền vận động, hướng nghiệp rộng rãi đến người dân
Yếu tố địa phương
4 DP 1 Điều kiện tự nhiên không thuận lợi cho sản xuất nông nghiệp 5 DP 2 Thu nhập người lao động còn thấp
6 DP 3 Đặc điểm canh tác truyền thống lạc hậu
7 DP 4 Ít mùa vụ sản xuất nên nhiều thời gian rảnh rỗi 8 DP 5 Địa phương còn nhiều phong tục tập quán lạc hậu
Thị trường lao động 9 TT 1 Số lượng lao động lớn
10 TT 2 Dễ dàng chuyển đổi nghề nghiệp
11 TT 3 Nhiều ngành nghề truyền thống được mở rộng 12 TT 4 Cạnh tranh trên thị trường lao động công bằng
13 TT5 Thông tin tuyển dụng lao động công khai minh bạch
14 TT 6 Công tác dự báo chuẩn và phù hợp với tình hình địa phương Quy mô, chất lượng lao động nông thôn
15 QM 1 Lượng lượng lao động nông thôn đông 16 QM 2 Trình độ học vấn thấp
17 QM 3 Lực lượng lao động trẻ
18 QM 4 Ít được tham gia các lớp tập huấn sản xuất, khóa đào tạo nghề 19 QM 5 Khả năng tiếp cận khoa học công nghệ còn nhiều hạn chế
Nhu cầu học nghề của người lao động nông thôn 20 NC 1 Nhu cầu học nghề cao
21 NC 2 Dễ dàng tìm được mới sau khi học 22 NC 3 Có truyền thống học hỏi
23 NC 4 Ngành nghề học đa dạng 24 NC 5 Dễ dàng tham gia các lớp học
Chất lượng đào tạo của cơ sở đào tạo nghề 25 CL 1 Cơ sở vật chất đáp ứng tốt nhu cầu học tập
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 26 CL 2 Chất lượng đội ngũ giáo viên, cán bộ quản lý cao
27 CL 3 Học phí phù hợp với người học
28 CL 4 Chương trình học đa dạng, người học dễ dàng chọn lựa 2.2.3.6. Mô hình hồi quy tuyến tính bội
Mô hình hồi quy tuyến tính bội được sử dụng để xác định các yếu tố ảnh hưởng và mức độ ảnh hưởng của các yếu tố này đến chất lượng việc làm của người lao động trong các khu công nghiệp trên địa bàn tỉnh Bắc Ninh.
Sau khi rút trích các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả đi ̣nh cần thiết trong mô hình hồi quy tuyến tính bô ̣i: phân tích ma trận tương quan, hồi quy tuyến tính bội, kiểm tra hệ số phóng đại phương sai VIF (Variance inflatinon factor - VIF). Quy tắc là khi VIF>10, đó là dấu hiê ̣u đa cộng tuyến (Trọng Ngo ̣c, 2008). Nếu các giả đi ̣nh không bi ̣ vi pha ̣m, mô hình hồi quy tuyến tính bô ̣i được xây dựng.
Mô hình hồi quy tuyến tính bội được thể hiện bằng phương trình sau:
Yi = β0 + β1X1i + β2X2i + …+ βpXpi + ei Trong đó:
Xpi: biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i β0: hệ số chắn
βp: hệ số hồi quy từng phần ei: sai số ngẫu nhiên
Yi: Chất lượng lao động Các bước đánh giá mô hình Đánh giá độ phù hợp của mô hình
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao
Kiểm định độ phù hợp của mô hình Giả thuyết H0: β1 = β2 = β3 = β4 = 0.
Để kiểm định độ phù hợp của mô hình hồi quy tuyến tính đa bội ta dùng giá trị F ở bàng phân tích ANOVA.
Ý nghĩa các hệ số hồi quy riêng phần trong mô hình
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
- Ý nghĩa của hệ số riêng phần là βk đo lường sự thay đồi giá trị trung bình Y khi Xk thay đổi 1 đơn vị, giữ các biến độc lập còn lại không đổi.
- Hệ số Beta được dùng để so sánh khi các biến độc lập không cùng đơn vị đo lường.