Sau khi thu nhận các câu trả lời, tác giả mã hóa và nhập số liệu, sau đó tiến hành phân tích dữ liệu bằng phần mềm SPSS phiên bản 16. Các thang đo trong nghiên cứu này được kiểm định qua đánh giá độ tin cậy Cronbach alpha và phương pháp phân tích nhân tố khám phá EFA (exploratory factor analysis). Cuối cùng phân tích hồi quy đa biến để kiểm định giả thuyết nghiên cứu
2.3.3.1. Kiểm định thang đo
- Đánh giá độ tin cậy của các thang đo
Tác giả tiến hành đánh giá độ tin cậy của thang đo qua Cronbach’s Alpha cho từng nhóm biến quan sát thuộc các nhân tố khác nhau. Đánh giá độ tin cậy để loại các biến rác (là những biến chúng ta nghĩ rằng có thểđo lường được khái niệm nhưng thực chất nó không có quan hệ gì với các biến đo lường khác). Theo Hoàng &Chu (2008), độ tin cậy Cronbach’s Alpha phải nằm trong khoảng từ 0.6 đến 1.0 đểđảm bảo các biến trong cùng một nhóm nhân tố có tương quan về ý nghĩa [2]. Hệ số Cronbach’s Alpha càng lớn thì thang đo có độ tin cậy càng cao. Tuy nhiên nếu hệ số này quá lớn (> 0.95) thì lại cho thấy nhiều biến trong thang đo không có gì khác biệt. Hệ số Cronbach’s Alpha từ 0,7 đến 0,8 là thang đo có thể sử dụng được, thang đo có hệ số Cronbach’s Alpha từ 0,8 trở lên là thang đo lường tốt, các thang đo có hệ số Cronbach Alpha từ 6.0 trở lên cũng có thể sử dụng được trong bối cảnh nghiên cứu là mới hoặc mới với người được phỏng vấn. Trong nghiên cứu này, vì người Việt Nam chưa được tiếp cận nhiều với các cách thức điều tra nghiên cứu định lượng kiểu này nên thang đo có Cronbach’s Alpha từ 0,6 được đánh giá và cân nhắc coi là tin cậy.
Tác giả tiến hành kiểm tra ‘hệ số tương quan biến tổng’.Trong mỗi thang đo, hệ số tương quan biến tổng thể hiện sự tương quan giữa 1 biến quan sát với tất cả các biến quan sát khác trong thang đo.Hệ số này càng cao thì sự tương quan của biến với các biến khác càng cao, hệ số này cho biết biến quan sát nào cần giữ lại và
biến quan sát nào cần bỏ[11]. Tác giả tiến hành loại khỏi thang đocác biến có hệ số tương quan biến-tổng nhỏ hơn 0,3vìcác biến quan sát này được coi là biến rác Những biến quan sát nào có chỉ số ‘Cronbach Alpha nếu loại biến’lớn hơn chỉ số Cronbach Alpha chung của thang đo thì có thể xem xét kiến nghị loại bỏ biến quan sát đó khỏi thang đo. Thang đo chính thức được xây dựng và cấu trúc lại dựa trên những biến quan sát có đủ độ tin cậy.
- Đánh giá giá trị thang đo bằng phân tích EFA
Tác giả tiến hành kiểm định giá trị của thang đo bằng phân tích nhân tố EFA (Exploratory Factor Analysis).Tác giả tiến hành phân tích EFA cho từng thang đo để kiểm tra tính đơn hướng của từng thước đo rồi tiến hành kiểm tra đồng thời EFA cho toàn bộ các tiêu chí đo lường với phép quay góc Varimax với tiêu chí eigenvalue > 1.0 để tìm ra các nhân tốđại diện cho các biến. Theo Hoàng&Chu (2008), Varimax cho phép xoay nguyên góc các nhân tốđể tối thiểu hoá số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố [11]. Tiêu chuẩn kiểm định giá trị hội tụ theo tiêu chuẩn của Hair [50] bao gồm:
- Để xác định sự phù hợp khi dùng EFA, tác giả căn cứ vào chỉ số Kaiser- Meyer-Olkin (KMO): kiểm định sự thích hợp của phân tích nhân tố. Chỉ số KMO phải đủ lớn (>0,5) thì phân tích nhân tố là thích hợp, còn nếu nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
- Các nhân tố có Eigenvalue (đại diện cho lượng biến thiên được giải thích bởi nhân tố) lớn hơn 1 mới được giữ lại trong mô hình phân tích, các nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình.
- Những biến quan sát có trọng số (factor loading) nhỏ hơn 0,3 sẽ bị loại bỏ và chỉ giữ lại những biến có tổng phương sai trích (Variance Explained) phải lớn hơn 50%.
2.3.3.2. Kiểm định giả thuyết
Bước 1: Phân tích tương quan
Sau khi thực hiện phân tích EFA và độ tin cậy cho các thang đo các biến, các thang đo đạt yêu cầu được xác định giá trị trung bình (mean), các biến kiểm soát
được mã hóa theo biến dummy và tiến hành phân tích tương quan. Tác giả sử dụng hệ số tương quan Pearson để lượng hóa độ chặt chẽ mối liên hệ tuyến tính giữa các đại lượng.Nếu hệ số tương quan Pearsongiữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp.Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính.Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mốitương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra hai biến không có mối liên hệ tuyến tính [11]. Mặc khác nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó cũng là dấu hiệu cho việc nhận dạng hiện tượng đa cộng tuyến trong mô hình hồi quy tuyến tính đang xét.
Bước 2: Phân tích hồi quy đa biến
Sau khi phân tích tương quan, tác giả tiến hành phân tích hồi quy đa biến theo phương pháp Enter với mức ý nghĩa 5% để kiểm định mô hình và giả thuyết nghiên cứu, cũng như xác định cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Lý do lựa chọn phân tích hồi quy tuyến tính cho mối quan hệ giữa các tác động của nhân tố ảnh hưởng với tiềm năng khởi sự mà không phải là các mô hình thể hiện quan hệ phi tuyến là vì các nghiên cứu trước đây khi kiểm định mối quan hệ này cũng sử dụng các hàm tuyến tính. Phương pháp hồi quy được sử dụng ở đây là phương pháp bình phương bé nhất thông thường OLS. Hệ số xác định R2 điều chỉnh được dùng để xác định độ phù hợp của mô hình, kiểm định F dùng để khẳng định khả năng mở rộng mô hình này áp dụng cho tổng thể cũng như kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0.
Tác giả tiến hành chạy lần lượt 2 hàm hồi quy tuyến tính đa biến với 2 biến phụ thuộc là 2 khía cạnh của tiềm năng KSKD.
Phương trình : Yi = βo + β1 X1 + β2 X2 + ...+ βn Xn + ei Trong đó:
Yi :Biến phụ thuộc (với i lần lượt là cảm nhận về mong muốn KSKD, sự tự tin KSKD)
βk : hệ số hồi qui riêng phần
ei : sai số của phương trình hồi quy. Cụ thể,
Hàm hồi quy đa biến thứ nhấtcó mong muốn KSKD là biến phụ thuộc, 3 biến kiểm soát và 8 biến độc lập.Tác giả tiến hành đưa lần lượt từng nhóm biến vào mô hình hồi quy.Đầu tiên 3 biến kiểm soát được đưa vào mô hình kiểm soát, sau đó 8 biến độc lập được đưa vào mô hình đầy đủ.
Cụ thể phương trình hồi quy tuyến tính đa biến cho mô hình nghiên cứu đề xuất như sau: Y1 = β0+ βa Xa+ βb Xb+ βc Xc + β1X1 + β2X2 +β3X3 + β4 X4 +β5 X5 + β6 X6+ β7 X7 + β8 X8 Trong đó: Y1: Cảm nhận về mong muốn KSKD X1: Ngành X2: Hình mẫu chủ doanh nghiệp X3: Ý kiến người xung quanh
X4: Vị trí xã hội của chủ doanh nghiệp X5: Năng lực KSKD
X6: Được học môn KSKD
X7: Mức độ tham gia ngoại khóa kinh doanh X8: Truyền cảm hứng KSKD
Các biến kiểm soát gồm Xa: Giới tính
Xb: Bố mẹ tự kinh doanh
Hàm hồi quy đa biến thứ haicó sự tự tin khi KSKD là biến phụ thuộc, 3 biến kiểm soát và 8 biến độc lập.Tác giả tiến hành đưa lần lượt từng nhóm biến vào mô hình hồi quy. Đầu tiên 3 biến kiểm soát được đưa vào mô hình với biến phụ thuộc cảm nhận về tự tin KSKD, sau đó là 8 biến độc lập được đưa vào hàm để phân tích tác động của các biến độc lập tới cảm nhận về tự tin KSKD. Phương trình như sau: Y2 = β0+βa Xa + βb Xb + βc Xc +β1X1 + β2X2 +β3X3 +β5 X5 + β6 X6+ β7 X7 + β8 X8+ β9 X9 Y2: Cảm nhận về tự tin KSKD X1: Ngành X2: Hình mẫu doanh nhân X3: Ý kiến người xung quanh X5: Năng lực KSKD
X6: Được học môn KSKD X7: Tham gia ngoại khóa X8: Truyền cảm hứng KSKD X9: Phương thức học qua thực tiễn Các biến kiểm soát gồm Xa: Giới tính Xb: Bố mẹ tự kinh doanh Xc: Hoạt động mở công ty hoặc góp vốn mở công ty (adsbygoogle = window.adsbygoogle || []).push({});
Bước 3: Kiểm tra các giả định của hàm hồi quy
Cuối cùng, nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuốicùng là phù hợp, một loạt các dò tìm sự vi phạm của giả định cần thiết trong hồi quy tuyến tính cũng được thực hiện. Theo Hoàng và Chu (2008), sau khi kiểm tra các giả thuyết của hồi quy tuyến tính không bị vi phạm thì có thể kết luận ước lượng các hệ số hồi quy là không thiên lệch, nhất quán và hiệu quả; các kết luận
rút ra từ phân tích hồi quy là đáng tin cậy[11]. Các giảđịnh được kiểm định trong phần này gồm liên hệ tuyến tính (dùng biểu đồ phân tán Scatterplot), phương sai của phần dư không đổi (dùng hệ số tương quan hạng Spearman), phân phối chuẩn của phần dư (dùng Histogram và Q-Q plot), tính độc lập của phần dư (dùng đại lượng thống kê Durbin-Watson), hiện tượng đa cộng tuyến (tính độ chấp nhận Tolerance và hệ số phóng đại VIF).Cụ thể như sau:
Giả thuyết liên hệ tuyến tính: vẽđồ thị phân tán giữa các phần dư chuẩn hóa Standardized Residual và giá trị dự đoán chuẩn hóa Standardized Predicted Value. Nếu phần dư phân tán ngẫu nhiên không theo hình dạng nào thìgiả thuyết không bị vi phạm, ngược lại nếu phần dư thay đổi theo trật tự nào đó (đường cong bậc 2, bậc 3) thì giả thuyết liên hệ hệ tuyến tính bị vi phạm.
Giả thuyết phương sai của sai số không đổi: hiện tượng phương sai thay đổi làm cho ước lượng các hệ số hồi quy không chệch nhưng không hiệu quả. Kiểm tra hiện tượng này thông qua đồ thị phân tán giữa các phần dư chuẩn hóa Standardized Residual và giá trị dựđoán chuẩn hóa Standardized Predicted Value như kiểm định giả thuyết liên hệ tuyến tính.
Giả thuyết phân phối chuẩn của phần dư: kiểm tra phân phối chuẩn của phần dư bằng cách vẽ đồ thị Histogram của phần dư chuẩn hóa. Nếu chúng ta thấy trên đồ thị đường cong chuẩn hoá có dạng hình chuông như phân phối chuẩn với giá trị Mean xấp xỉ 0 và giá trị độ lệch chuẩn xấp xỉ 1 thì xem như phần dư có phân phối gần chuẩn. Một cách khác để kiểm định phân phối chuẩn của phần dư là vẽ đồ thị Q-Q plot. Đồ thị này thể hiện những giá trị của các điểm phân vị của phân phối củabiến phần dưtheo các phân vị của phân phối chuẩn. Nếu trên đồ thị Q-Q plot cácđiểm này không nằm quá xa đường thẳng của phân phối chuẩn thì có thể xem như phần dư có phân phối gần chuẩn.
Giả thuyết về tính độc lập của sai số (không có tương quan chuỗi): kiểm định đạilượng thống kê Durbin-Watson (đại lượng d) là kiểm định phổ biến cho tương quanchuỗi bậc nhất. Đại lượng d có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu giá trị d gần bằng 2 hoặc nằm trong khoảng [dU, 4-dU] thì chấp nhận giả thuyết
không cótương quan chuỗi bậc nhất (giá trị dL và dU được tra trong bảng thống kê Durbin-Watson với N là số quan sát của mẫu và k là số biến độc lập trong mô hình). Giả thuyết không có tương quan giữa các biến độc lập(hiện tượng đa cộngtuyến): Đây là hiện tượng các biến độc lập có tương quan chặt chẽ với nhau, khótách rời ảnh hưởng của từng biến đến biến phụ thuộc, làm tăng độ lệch chuẩn củacác hệ số hồi quy, làm giảm giá trị thống kê t của kiểm định ý nghĩa các hệ số hồiquy. Khi phân tích Collinearity Diagnotics, hệ số Tolerance càng gần 1 càng tốt, hệ số phóng đại phương sai VIF càng gần 1 càng tốt và không quá 10 thì không có hiệntượng đa cộng tuyến.
TÓM TẮT CHƯƠNG 2
Chương 2 trình bày phương pháp nghiên cứu được sử dụng để kiểm định thang đo, kiểm định mô hình cùng các giả thuyết nghiên cứu
Đầu tiên là phần trình bày về toàn bộ thiết kế của nghiên cứu, quy trình nghiên cứu. Mặc dù trọng tâm của nghiên cứu là nghiên cứu định lượng nhưng tác giả vẫn tiến hành nghiên cứu định tính với kỹ thuật phỏng vấn sâu và thảo luận nhóm để chỉnh hóa thuật ngữ, thang đo của bảng hỏi và soát xét lại sự phù hợp của các biến trong mô hình nghiên cứu. Trước khi nghiên cứu định lượng chính thức được tiến hành, nghiên cứu định lượng sơ bộ với mẫu nhỏ (n= 154) cũng đã được thực hiện để khẳng định bảng hỏi.
Phần tiếp theo của chương trình bày cụ thể cách thức xây dựng và lựa chọn thang đo, các thang đo cho 11 biến được sử dụng trong mô hình nghiên cứu bao gồm 2 biến phụ thuộc và 9 biến độc lập. Tác giả cũng làm rõ mẫu điều tra gồm 693 sinh viên là vượt yêu cầu tiêu chuẩn mẫu tối thiểu, mô tả phương pháp thu thập số liệu,sử lý số liệu và phân tích số liệu để kiểm định các giả thuyết mà đề tài đặt ra.
CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU 3.1.Thống kê mô tả mẫu
Quá trình thu thập dữ liệu bằng bảng hỏi như mô tả ở phần thiết kế nghiên cứu, kết quả thu được 716phiếu trả lời hợp lệ, trong đó có 487 phiếu trả lời bằng bản cứng và 229 phiếu trả lời trực tuyến (online qua google docs, phát khoảng 800 tỷ lệ trả lời khoảng 28,6%). Sau khi kiểm tra, tác giảđã loại đi 23 bản trả lời không hợp lệ gồm các bản bị thiếu nhiều dữ liệu quan trọng, các bản mà đối tượng trả lời không suy nghĩ hoặc cố tình không hợp tác. Cuối cùng có 693 phiếu được sử dụng để đưa vào phân tích dữ liệu.Thống kê các mẫuđiều tra được trình bày trong bảng 3.1.
Về cơ cấu theo trường, tác giả thực hiện điều tra trên 11 trường đại học, trong đó điều tra sinh viên ngành kinh tế và quản trị kinh doanh ở 6 trường gồm Đại học Kinh tế Quốc dân, Đại học Ngoại Thương Hà Nội, Đại học Thương Mại, Đại học Công Nghiệp Việt Hung, Đại học Công Đoàn và Đại học FPT. Trong số đó 33,5% đối tượng điều tra trong mẫu là sinh viên đại học Kinh tế Quốc dân. Ttuy nhiên nhóm sinh viên này được lựa chọn đa dạng từ nhiều hệ với các chương trình học khác nhau, bao gồm 2,3% đối tượng điều tra trong mẫu là sinh viên thuộc chương trình tiên tiến và chất lượng cao;14,4 % sinh viên học chương trình đào tạo chính quy tại trường; 9,7% sinh viên học hệ đào tạo liên thông từ cao đẳng lên đại học; 7,1% sinh viên của chương trình liên kết đào tạo quốc tế IDB và chương trình POHE). 7% đối tượng điều tra trong mẫu là sinh viên ngành kinh tế quản trị kinh doanh của Đại học FPT, còn lại thuộc các trường Đại học Ngoại thương Hà Nội, Thương Mại, Công Đoàn và Việt Hung như trong bảng 3.1.
Sinh viên ngành kỹ thuật được điều tra ở 6 trường gồm Đại học Khoa học Tự Nhiên- ĐHQG Hà Nội (chiếm 2,3% trong mẫu điều tra), Đại học FPT (19,1%), Đại học dân lập Phương Đông (2,7%), Đại học Bách Khoa Hà Nội (9,5%), Đại học Công Nghệ- ĐHQG Hà Nội (2%), Đại học Mở Hà Nội (5,2%).
Bảng 3.1: Thông tin vềđối tượng điều tra
TT Thông tin mẫu Tần suất
(người)
Tỷ lệ
1 Ngành 100%
- Kinh tế và quản trị kinh doanh 388 55,9%
- Kỹ thuật 305 44,1%
2 Trường 100%
- Đại học Kinh tế Quốc dân
+ Chính quy (IDB, POHE, chính quy và chất lượng cao)
+ Hệ Liên thông (sinh viên đã tốt nghiệp các trường cao đẳng) 232 165 67 33,5% 23,8% 9,7% - Đại học Ngoại Thương Hà Nội 41 5,9% - Đại học Thương Mại 66 9,5% - Đại học Công Đoàn 20 2,9% - Đại học Khoa học Tự Nhiên- ĐHQG Hà Nội 16 2,3% - Đại học dân lập Phương Đông 19 2,7% - Đại học Bách Khoa Hà Nội 66 9,5% - Đại học FPT
+ Kinh tế và quản trị kinh doanh + Kỹ thuật 181 27 154 26,1% 7% 19,1% - Đại học Công Nghiệp Việt Hung 2 0,3% - Đại học Công Nghệ- ĐHQG Hà Nội 14 2,0% - Đại học Mở Hà Nội 36 5,2% 3 Giới tính