CHƯƠNG 3. MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH KHỞI NGHIỆP CỦA SINH VIÊN KHỐI NGÀNH KINH TẾ THUỘC ĐỊA BÀN THÀNH PHỐ HÀ NỘI
3.4. PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU
Nghiên cứu sử dụng phương pháp nghiên cứu định lượng, đối với mỗi nhóm dữ liệu khác nhau sẽ có phương pháp xử lý khác nhau. Dữ liệu được thu thập từ phiếu trả lời được tiến hành làm sạch, mã hóa và tiến hành phân tích thông qua sự hỗ trợ của phần mềm SPSS.
3.4.1. Thống kê mô tả dữ liệu nghiên cứu
Các chỉ tiêu nằm trong phần thông tin chung về người được phỏng vấn (giới tính, ngành học, sinh viên năm thứ và nghề nghiệp chính mang lại thu nhập cho gia đình) được sử dụng để phân loại bằng tần suất và tỷ lệ dựa trên câu trả lời của người được phỏng vấn.
3.4.2. Đánh giá độ tin cậy của thang đo
Quá trình đánh giá thang đo được thực hiện bằng việc xem xét: (1) mức độ tin cậy của các nhân tố trong mô hình nghiên cứu và (2) giá trị hội tụ.
Thứ nhất, nhóm nghiên cứu đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha và nhóm hệ số rho. Để đánh giá tính nhất quán nội tại của nhân tố, tiêu chuẩn Cronbach’s Alpha sử dụng trong nghiên cứu này phải lớn hơn 0,6 (Peterson, 1994). Ngoài ra, hai tiêu chuẩn đánh giá bổ sung là Dillon-Goldstein rho and Dijkstra-Henseler rho cũng cần lớn hơn 0.6, và phù hợp nhất là lớn hơn 0.7 để
đảm bảo các thang đo được sử dụng trong mô hình là đáng tin cậy (Cortina, 1993;
Chin, 1998; Dijkstra & Henseler, 2015).
Thứ hai, đề tài sử dụng phân tích nhân tố khám phá EFA (exploratory factor analysis) để đánh giá giá trị hội tụ (tính đơn hướng) của các nhân tố tiềm ẩn. Phương pháp này được sử dụng chủ yếu để thu gọn từ nhóm nhiều biến quan sát thành biến tiềm ẩn mà vẫn giải thích được dữ liệu (Hair và cộng sự, 2010). Các tham số thống kê quan trọng và tiêu chí chấp nhận trong phân tích nhân tố gồm: (1) Hệ số tải nhân tố lớn hơn 0,3; (2) hệ số tải chéo (cross-loading) của thang đo nhỏ hơn đáng kể so với hệ số tải tại chính biến tiềm ẩn mà nó đo lường; (3) Chỉ số Kaiser-MeyerOlkin (KMO) lớn hơn 0,5; (4) Kiểm định Bartlett cho p-value < 0,05; và (5) Phương sai trích lớn hơn 0,5. Phương pháp phân tích nhân tố được sử dụng đánh giá sơ bộ này là phân tích thành phần chính (Principal component analysis - PCA) với phép quay varimax.
3.4.3. Phân tích mô hình bằng hồi quy nhị phân
Hồi quy nhị phân hay còn gọi là hồi quy Binary Logistic là mô hình khá phổ biến trong nghiên cứu dùng để ước lượng xác suất một sự kiện sẽ xảy ra. Đặc trưng của hồi quy nhị phân là biến phụ thuộc chỉ có 2 giá trị: 0 và 1. Để kiểm định các giả thuyết đặt ra, nhóm đã sử dụng mô hình phân tích hồi quy nhị phân (Binary Logistic) ở mức ý nghĩa 10%. Khi biến phụ thuộc ở dạng nhị phân thì không thể phân tích với dạng hồi quy thông thường vì nó sẽ vi phạm các giả định, dễ thấy nhất là khi biến phụ thuộc chỉ có hai biểu hiện thì không phù hợp khi giả định rằng phần dư có phân phối chuẩn, mà thay vào đó nó sẽ có phân phối nhị thức, điều này sẽ làm mất hiệu lực thống kê của các kiểm định trong phép hồi quy thông thường. Phương pháp này cho phép chúng tôi kiểm định đồng thời các giả thuyết về mối quan hệ, chiều hướng của biến quan sát và nhân tố tiềm ẩn thông qua sử dụng phần mềm SPSS.
KẾT LUẬN CHƯƠNG 3
Chương 3 trình bày về quy trình nghiên cứu và các căn cứ để xây dựng lên mô hình nghiên cứu của đề tài. Trên cơ sở tổng hợp lý thuyết và phân tích các nghiên cứu trước đây về ý định khởi nghiệp, nhóm nghiên cứu xây dựng lên mô hình nghiên cứu bao gồm 4 yếu tố: Thái độ khởi nghiệp, chuẩn chủ quan, nhận thức kiểm soát hành vi, giáo dục khởi nghiệp. Mô hình nghiên cứu được đề xuất dựa trên giả thuyết 4 yếu tố của mô hình đều ảnh hưởng cùng chiều đến ý định khởi nghiệp của sinh viên.
Việc phát triển phiếu điều tra khảo sát và xác định thang đo cho các biến nghiên cứu được tham khảo từ các nghiên cứu có liên quan trước đây. Ứng dụng sự tiện lợi và nhanh chóng của internet và Google Survey, cuộc khảo sát được thực hiện với hình thức phát phiếu điền trực tuyến với phạm vi nghiên cứu là sinh viên khối ngành kinh tế thuộc các trường đại học trên địa bàn thành phố Hà Nội. Thời gian khảo sát diễn ra trong vòng ba tháng, từ tháng 12 năm 2020 đến tháng 2 năm 2021. Trong số 213 phiếu trả lời thu về, có 206 phiếu trả lời hợp lệ.
Các chỉ tiêu nằm trong phần thông tin chung về người được phỏng vấn được phân loại bằng tần suất và tỷ lệ. Quá trình đánh giá thang đo được thực hiện bằng việc xem xét: (1) mức độ tin cậy của các nhân tố trong mô hình nghiên cứu và (2) giá trị hội tụ. Nhóm nghiên cứu đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha và nhóm hệ số rho. Phân tích nhân tố khám phá EFA được sử dụng để đánh giá giá trị hội tụ (tính đơn hướng) của các nhân tố tiềm ẩn.
Để kiểm định các giả thuyết đặt ra, nhóm đã sử dụng mô hình phân tích hồi quy nhị phân (Binary Logistic) ở mức ý nghĩa 10%. Phương pháp này cho phép nhóm nghiên cứu kiểm định đồng thời các giả thuyết về mối quan hệ, chiều hướng của biến quan sát và nhân tố tiềm ẩn.