CHƯƠNG 2: THIẾT KẾ NGHIÊN CỨU
2.2. THIẾT KẾ NGHIÊN CỨU
2.2.4. Phân tích dữ liệu
Trước khi tiến hành phân tích dữ liệu, dữ liệu được mã hóa như sau :
Bảng 2.6: Mã hóa các items được sử dụng để đo lường các nhân tố trong mô hình
Biến số Items Ký hiệu
Sử dụng Internet tăng cường chất lượng học tập HI1 Sử dụng Internet giúp nâng cao kiến thức HI2 Thông tin dữ liệu cần thiết đều sẵn có trên mạng
internet
HI3
Sử dụng Internet trong học tập tiết kiệm thời gian HI4 Sử dụng Internet trong học tập tiết kiệm tiền bạc HI5 Sử dụng Internet trong học tập cho phép hoàn
thành các bài tập được giao một cách nhanh chóng hơn
HI6
Có thể thực hiện các bài thi, bài kiểm tra trên mạng và biết kết quả ngay sau đó
HI7 Sự hữu ích
cảm nhận
Có thể đăng ký môn học và lựa chọn giáo viên, lịch học mà không cần đến trường
HI8 Phòng tin học của trường hiện đại, sinh viên có thể
sử dụng để phục vụ cho việc học tập
DSD1
Có thể truy cập Internet một cách nhanh chóng mọi lúc mọi nơi
DSD2 Dễ dàng tìm thấy các tài liệu phục vụ công việc
học tập hiệu quả khi sử dụng internet
DSD3 Dễ dàng tìm thấy các hướng dẫn sử dụng Internet DSD4 Sự dễ sử
dụng cảm nhận
Cơ sở vật chất (máy tính, phần cứng, phần mềm, mạng…) luôn có sẵn để sử dụng Internet một cách hiệu quả cho việc học tập
DSD5
Có thể sử dụng Internet ngay cả khi không có ai xung quanh để chỉ cho tôi cách để sử dụng nó
DSD6 Việc sử dụng internet trong học tập hoàn toàn do
tôi quyết định
DSD7 Bạn bè nghĩ rằng tôi nên sử dụng Internet trong học
tập
CCQ1
Giáo viên nghĩ rằng tôi nên sử dụng Internet trong học tập
CCQ2 Gia đình nghĩ rằng tôi nên sử dụng Internet trong
học tập
CCQ3 Tôi sử dụng Internet vì mọi người xung quanh đều
sử dụng
CCQ4 Chuẩn chủ
quan
Trường đại học Kinh tế Đà Nẵng đã hỗ trợ việc sử dụng Internet trong học tập
CCQ5 Tôi sẽ thường xuyên sử dụng internet cho việc học
tập trong tương lai
HV1
Tôi sẽ đề nghị bạn bè và người thân sử dụng internet trong học tập
HV2 Tôi sẽ tiếp tục duy trì việc sử dụng internet trong
học tập trong tương lai
HV3 Hành vi sử
dụng internet trong học tập
Tôi sẽ sử dụng internet cho học tập hơn là sử dụng internet cho công việc khác
HV4
Dữ liệu được xử lý bằng phần mềm SPSS 16.0 (Statistical Package for Social Sciences), tiến hành thông qua các bước:
a. Phân tích nhân tố khám phá (EFA)
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. Các tham số thống kê trong phân tích nhân tố được nghiên cứu như sau:
ã Chỉ số KMO: Trong phõn tớch nhõn tố khỏm phỏ, 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 thích hợp với các dữ liệu.
ã Eigenvalue: Chỉ những nhõn tố cú eigenvalue lớn hơn 1 thỡ mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
ã Factor loadings (hệ số tải nhõn tố): là những hệ số tương quan đơn 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 dự kiến sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có giá trị tuyệt đối lớn hơn 0,5 thì mới đạt yêu cầu.
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). Dựa vào ma trận xoay nhân tố, loại bỏ các items có hệ số tải nhân tố có giá trị tuyệt đối<0,5, đặt tên lại các nhân tố cho phù hợp và hiệu chỉnh lại mô hình
b. Kiểm tra độ tin cậy bằng hệ số Cronbach’s Alpha
Sau khi tiến rút trích các nhân tố bằng phương pháp phân tích nhân tố khá phá, tiến hành kiểm tra độ tin cậy – sử dụng hệ số Cronbach’s Alpha.
Phương pháp này cho phép 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’s 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’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới. Thông thường, thang đo có Cronbach’s Alpha từ 0,7 đến 0,8 là sử dụng được. 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.
Loại bỏ các biến có hệ số Cronbach’s Alpha <0,6 và điều chỉnh lại mô hình nghiên cứu.
c. Kiểm định mô hình nghiên cứu bằng phân tích hồi quy bội
Sau khi thực hiện phân tích nhân tố khám phá, ta tiến hành phân tích hồi quy bội.
Mô hình được đưa ra là:
Yi = β0 + β1X1i + β2X2i + β3X3i + … + βkXki + ei
Trong đó: Yi: biến phụ thuộc Xk: các biến độc lập β0: hằng số
βk: các hệ số hồi quy
ei: thành phần ngẫu nhiên hay yếu tố nhiễu
Biến phụ thuộc là biến “hành vi sử dụng intenet” và biến độc lập là các biến ảnh hưởng đến hành vi sử dụng được rút ra từ quá trình phân tích EFA.
CHƯƠNG 3