PHẦN II. NỘI DUNG NGHIÊN CỨU
CHƯƠNG 2: NGHIÊN CỨU KHẢ NĂNG TIẾP NHẬN HỆ THỐNG E-
2.3 Kết quả nghiên cứu khả năng tiếp nhận hệ thống E-learning trong hoạt động
2.3.4 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá được sử dụng để rút gọn và tóm tắt các biến nghiên cứu thành khái niệm. Về mặt lý thuyết các biến đo lường thực hiện bởi câu hỏi trong bảng phỏng vấn tương quan với nhau và do đó chúng được rút gọn để có thể dễ quản lý. Thông qua phân tích nhân tố nhằm xác định và tìm ra nhân tố đại diện cho các biến quan sát.
Phân tích nhân tố khám phá dựa vào các tiêu chuẩn và tin cậy. Phương pháp EFA được sử dụng rộng rãi trong nghiên cứu để đánh giá sơ bộ các thang đo. Khi phân tích nhân tố khám phá, cần chú ý những chỉ tiêu sau:
- Hệ số KMO (Kaiser – Meyer – Olkin):là một chỉ số dùng để kiểm tra độ thích hợp của các nhân tố trong mô hình nghiên cứu. KMO nằm trong khoảng giá trị từ 0,5 – 1 là đạt yêu cầu để phân tích nhân tố. Hoàng Trọng, Chu Nguyễn Mộng Ngọc, (2008) - Kiểm định Bartlett: Dùng để xem xét ma trận tương quan có phải là ma trận trận
đơn vị hay không ( ma trận đơn vị là ma trận bằng 0 và đường chéo bằng 1). Nếu kiểm định Barlett có giá trị Sig < 0,05 thì bác hỏ H0,nghĩa là các biến có quan hệ với nhau.
- Hệ số tải nhân tố (Factor Loading)hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại Theo Hair & cs (2009,116), Multivariate Data Analysis, 7th Edition thì:
• Factor Loadingở mức ≥ 0,3: Điều kiện tối thiểu để biến quan sát được giữ lại.
• Factor Loadingở mức ≥ 0,5: Biến quan sát có ý nghĩa thống kê bình thường.
• Factor Loadingở mức ≥ 0,7: Biến quan sát có ý nghĩa thống kê tốt.
Trong thực tế áp dụng, việc nhớ từng mức hệ số tải với từng khoảng kích thước mẫu là khá khó khăn, do vậy người ta thường lấy hệ số tải 0,45 hoặc 0,5 làm mức tiêu chuẩn
Trường Đại học Kinh tế Huế
SVTH: Đặng Văn Sáng 82 với cỡ mẫu từ 120 đến dưới 350; lấy tiêu chuẩn hệ số tải là 0,3 với cỡ mẫu từ 350 trở lên.
Cỡ mẫu càng lớn thì việc dự đoán và xác định các yếu tố sẽ chính xác hơn.
2.3.4.1 Phân tích nhân tố khám phá EFA biến độc lập
Bảng 2.13: Kiểm định KMO và Barlett (biến độc lập) Kiểm định KMO và Barlett’s Test
Hệ số KMO 0,744
Kiểm định Barlett’s
Approx. Chi-Square 1227,131
df 231
Sig. 0,000
(Nguồn: Kết quả điều tra xử lý số liệu SPSS) Kết quả phân tích ở bảng trên cho thấy, hệ số KMO và kiểm định Barlett’s như sau: Sig. ≤ 0,05. bác bỏ H0. Vậy có mối tương quan giữa các biến quan sát với nhau xét trong phạm vị tổng thể. Hệ số KMO > 0,7 cho thấy việc nhóm các biến quan sát trong nhân tố là phù hợp.
Tổng phương sai trích là 60,430 > 50%, điều này có nghĩa là khả năng sử dụng 5 biến độc lập này giải thích cho 22 biến quan sát là 60,430%
Bảng 2.14: Phân nhóm nhân tố Nhân
tố Biến Chỉ tiêu Giá
trị
Phương sai
HD
HD6
E-learning tạo điều kiện thuận lợi trong việc học
tập và nghiên cứu trong hoạt động giảng dạy 0,884
16,835 HD1
Sử dụng e-learning giúp giáo viên có thể đánh giá
khả năng của học viên và giúp học viên tăng cơ 0,838
Trường Đại học Kinh tế Huế
hội đạt được kết quả mong muốn
HD3
Sử dụng e-learning giúp giáo viên tăng chủ đề giảng dạy và giúp học viên tăng số lượng chủ đề học mỗi ngày
0,792
HD2
Sử dụng e-learning giúp giáo viên dạy theo chủ đề
và học viên theo sát được bài học 0,749 HD4 Sử dụng e-learning giảm chi phí đáng kể 0,661
HD5
Sử dụng e-learning giảm tải khối lượng công việc của giáo viên và giảm thời gian học tập của học viên
0,634
SD
SD1
Học cách sử dụng công cụ e-learning là dễ dàng
đối với tôi 0,823
12,200 SD3
E-learning giúp giáo viên tương tác với học viên
của mình và ngược lại 0,794
SD2 Tôi có thể sử dụng hệ thống e-learning thành thạo 0,770
SD4
Hầu hết các giáo viên/học viên có kỹ năng sử
dụng e-learning 0,722
NT
NT3
Sử dụng e-learning tôi có thể xây dựng môi
trường giảng dạy và học tập tốt nhất ở huế 0,729
11,732 NT4
E-learning giúp tôi tiếp cận những khóa học tốt
nhất 0,723
NT1
Tôi có niềm tin vào hệ thống e-learning giúp tôi
học tập và làm việc hiệu quả nhất 0,720 NT5 Tôi tin rằng e-learning sẽ được phổ biến hơn nữa 0,698
Trường Đại học Kinh tế Huế
SVTH: Đặng Văn Sáng 84 trong tương lai
NT2
Sử dụng e-learning tôi tự tin trong việc giảng dạy
và học tập của mình 0,676
HV
HV2
Hầu hết những người ảnh hưởng đến hành vi của tôi (giáo viên, học viên) muốn tôi sử dụng hệ thống e-learning
0,808
11,183 HV4
Việc sử dụng hệ thống e-learning vào trong giảng
dạy là do tôi quyết định 0,786
HV1
Giáo viên và học viên có thái độ tốt trong việc sử
dụng hệ thống e-learning 0,748
HV3
Việc sử dụng hệ thống e-learning vào trong học
tập là do tôi quyết định 0,722
CQ
CQ3
Sử dụng e-learning là một cách nâng cao hình
tượng của học viên với các bạn bè cùng khóa học 0,819
8,479 CQ2
Sử dụng e-learning là một cách nâng cao hình
tượng của giáo viên với đồng nghiệp 0,810
CQ1
Những giáo viên và học viên sử dụng hệ thống
e-learning ở Học viện ANI được đánh giá cao 0,653
Tổng phương sai trích 60,430
(Nguồn: Kết quả điều tra xử lý số liệu SPSS) 2.3.4.2 Phân tích nhân tố khám phá EFA biến phụ thuộc
Bảng 2.15: Kiểm định KMO và Barlett (biến phụ thuộc) KMO and Bartleett’s Test
Hệ số KMO 0,681
Trường Đại học Kinh tế Huế
Kiểm định Barlett’s
Approx. Chi-Square 110,952
df 3
Sig. 0,000
Phương sai trích 67,491
(Nguồn: Kết quả điều tra xử lý số liệu SPSS) Qua kết quả phân tích ta có, Sig. = 0,000 < 0,05 do đó bác bỏ H0, chấp nhận H1. Vậy có mối tương quan giữa các biến quan sát với nhau xét trong phạm vi tổng thể. Hệ số KMO = 0,681> 0,5 chứng tỏ phân tích nhân tố để nhóm các biến lại với nhau là thích hợp.
Tổng phương sai trích là 67,491 > 50%, điều này có nghĩa là khả năng tiếp nhận biến phụ thuộc này giải thích cho 3 biến quan sát trên là 67,491%.
Qua kiểm phân tích nhân tố khám phá EFA đạt yêu cầu, tác giả tiếp tục thực hiện phân tích tương quan hồi quy
2.3.5 Phân tích tương quan và hồi quy