3.2.2.

1 Cấu trúc bảng câu hỏi chính thức

Bảng câu hỏi gồm tổng cộng 31 câu hỏi, trong đó: 31 câu hỏi để đánh giá mức độ tác
động của các nhân tố và 6 câu hỏi nhân khẩu học. Tất cả các câu hỏi đều là câu hỏi
đóng, điều này giúp đối tượng khảo sát có thể dễ dàng trả lời cũng như giúp tác giả
thuận tiện trong việc thu thập, mã hóa và phân tích số liệu.
Các câu hỏi được chia thành 3 phần với từng mục tiêu cụ thể như sau:
Phần 1: Giới thiệu cuộc khảo sát và ý định khởi nghiệp quốc tế.
Mục đích của phần này là cung cấp cho người trả lời cái nhìn tổng quan về cuộc khảo
sát và mục tiêu cũng như tầm quan trọng của nghiên cứu này. Điều đó góp phần tạo
nên sự tin tưởng và thiện cảm đối với người tham gia. Đồng thời, thông qua phần này,
tác giả cũng mong muốn nhận được sự cam kết, hợp tác và sẵn lòng thực hiện cuộc
khảo sát từ đáp viên.
Phần 2: Đo lường tác động của các nhân tố đến ý định khởi nghiệp quốc tế (IEI)
Mục đích của phần 2 là để đo lường tác động của các nhân tố đến ý định khởi nghiệp
quốc tế và sự hiện diện xã hội của sinh viên Việt Nam.
Đầu tiên, tác giả sử dụng thang đo Likert 7 mức độ để đánh giá các biến quan
sát với 5 câu trả lời được mã hóa bằng số: 1 = Hoàn toàn không đồng ý; 2 = Không
đồng ý; 3 = Một phần không đồng ý; 4 = Trung lập; 5 = Một phần đồng ý; 6 = DDồng
ý; 7= Hoàn toàn đồng ý
Các câu hỏi sẽ được tác giả sắp xếp theo một trình tự hợp lý để người trả lời có thể dễ
dàng tiếp cận câu hỏi mà không bị nhầm lẫn trong quá trình khảo sát.
Phần 3: Thu thập thông tin đáp viên và gửi lời cảm ơn
Tác giả thu thập thông tin của đối tượng khảo sát thông qua các câu hỏi về giới tính,
độ tuổi, nghề nghiệp, nơi sinh sống và làm việc, thu nhập trung bình hằng tháng. Tiếp
đó, tác giả thông báo cuộc khảo sát đã kết thúc và gửi lời cảm ơn chân thành đến
đáp viên vì đã dành thời gian hoàn thành bảng câu hỏi.
3.3 Chọn mẫu và thu thập dữ liệu
3.3.1 Phần tử chọn mẫu
Xuất phát từ mục tiêu nghiên cứu tổng quát và cụ thể đặt ra từ ban đầu khi tiến
hành nghiên cứu, cùng với sự tham khảo từ những bài nghiên cứu liên quan đến đề tài,
tác giả lựa chọn phân tích những đáp viên là những người sinh viên có ý định khởi
nghiệp - nhóm đối tượng này cũng đã được chứng minh là phù hợp với đề tài nghiên
cứu ý định khởi nghiệp quốc tế trong công trình của …. và cộng sự (2019).
Trong nghiên cứu trên, tác giả ….. đã lựa chọn đáp viên là những sinh viên đã tham
gia các khóa học về khởi nghiệp tại một trường đại học lớn tại Đức.Tuy nhiên, đặt
trong bối cảnh nghiên cứu tại Việt Nam, tác giả quyết định lựa chọn cận dưới cho giới
hạn độ tuổi của đối tượng khảo sát là dưới 19, vì đây là độ tuổi bắt đầu trở thành sinh
viên.
Cụ thể, đối tượng khảo sát chính thức của bài nghiên cứu là những người có ý định
khởi nghiệp thuộc độ từ 19 - 35, có kiến thức, nhận thức và khả năng đánh giá các yếu
tố có thể ảnh hưởng như thế nào đến bản thân trong việc hình thành ý định khởi
nghiệp quốc tế. Những người trong độ tuổi này sẽ khá quen thuộc với công nghệ và
thuần thục hơn trong việc sử dụng trang web/ứng dụng để thực hiện hành vi tìm kiếm
thông tin và tiến hành thực hiện ý định khởi nghiệp. Thêm vào đó, một lý do quan
trọng để tác giả không lựa chọn đối tượng dưới 19 và trên 35 tuổi để tham gia khảo
sát là khả năng phân tích bảng câu hỏi. Họ có thể sẽ gặp những khó khăn nhất định
trong việc đọc và trả lời bảng câu hỏi, vì vậy, khả năng cao là chất lượng câu trả lời sẽ
không được đảm bảo.
3.3.2 Phương pháp chọn mẫu
Việc lựa chọn phương pháp chọn mẫu sẽ tác động trực tiếp đến độ chính xác cũng
như chất lượng của các chỉ báo đo lường và các kết luận cuối cùng của bài nghiên
cứu.
Về mặt lý thuyết, có hai phương pháp chọn mẫu chính là phương pháp chọn mẫu ngẫu
nhiên (chọn mẫu xác suất) và phương pháp chọn mẫu phi ngẫu nhiên (chọn mẫu phi
xác suất). Sau khi tìm hiểu, tác giả lựa chọn phương pháp phi ngẫu nhiên, cụ thể, mẫu
được chọn theo phương pháp chọn mẫu thuận tiện. Phương pháp này được đánh giá là
đơn giản và dễ tiếp cận. Thêm vào đó, những hạn chế về mặt chi phí, thời gian và
nguồn lực càng làm rõ được tính phù hợp của kỹ thuật chọn mẫu trên trong việc thu
thập dữ liệu để phục vụ cho bài nghiên cứu này.
3.3.3 Kích thước mẫu
Theo Hair và cộng sự (2021), kích thước mẫu tối thiểu mà bài nghiên cứu cần
thu thập phải đảm bảo gấp 5 lần tổng số biến quan sát đề xuất trong bài. Tuy nhiên, để
kết quả của bài nghiên cứu đạt được ý nghĩa thống kê cao hơn, cỡ mẫu được tính toán
theo tỷ lệ 10:1 là cỡ mẫu lý tưởng (Hair và cộng sự, 2021). Theo mô hình nghiên cứu
tác giả đề xuất, có tổng cộng 35 chỉ báo dùng để đo lường các biến tiềm ẩn. Do đó,
dựa theo kết luận của nghiên cứu trên, đề tài nghiên cứu tính toán cỡ mẫu lý tưởng là
20 x 10 = 200 (đáp viên). Để đề phòng trường hợp số lượng đáp viên có thể bị thiếu
hụt so với mức yêu cầu do những câu trả lời không hợp lệ hoặc kém chất lượng, tác
giả sẽ thu thập lớn hơn số lượng 200 đã tính. Cụ thể, tổng số lượng câu trả lời đã thu
thập được là 234. Sau đó, tác giả tiến hành loại trừ các câu trả lời không đảm bảo chất
lượng. Kết quả, 226 câu trả lời hợp lệ đã được giữ lại để phục vụ quá trình phân tích.
3.3.4 Thu thập dữ liệu
Dữ liệu của bài nghiên cứu được thu thập thông qua bảng câu hỏi bằng giấy và
Google Form. Việc khảo sát được tiến hành với nhiều nhóm khách hàng khác nhau về
giới tính, tuổi tác, nghề nghiệp, nơi sinh sống và làm việc, thu nhập với mong muốn
đạt được tính đại diện cho mẫu thu thập được. Quá trình tiến hành khảo sát được diễn
ra liên tục từ ngày 02/2024 đến ngày 03/ 2024.
3.4 Phân tích dữ liệu
Nghiên cứu này ước lượng mô hình cấu trúc tuyến tính theo cách tiếp cận mô
hình cấu trúc bình phương nhỏ nhất từng phần PLS. Theo nghiên cứu của Garson
(2012), cách tiếp cận trên được đánh giá là phổ biến và hiệu quả nhất trong việc phân
tích mô hình cấu trúc tuyến tính. Kết quả phân tích thu được sau khi áp dụng PLS -
SPSS không chỉ cho phép tác giả đánh giá độ tin cậy của thang đo (reliability), giá trị
phân biệt và hội tụ của các thang đo (discriminant and convergent validity) mà còn
ước tính hệ số hồi quy của các mối quan hệ đề xuất trong mô hình nghiên cứu trong
bài. Khi sử dụng PLS, phương pháp này thực hiện ước lượng đồng thời cả mô hình đo
lường (measurement model) và mô hình cấu trúc (structural modeling). Phần mềm
Smart PLS (phiên bản 4.0) được sử dụng để phân tích dữ liệu thu thập được từ nghiên
cứu. Mức ý nghĩa của các hệ số đường dẫn được tính toán kỹ lưỡng bằng phân tích
Bootstrap phi tham số với 5000 mẫu.
3.4.1 Phân tích thống kê mô tả
Tác giả sử dụng phần mềm SPSS 22 để thực hiện kỹ thuật phân tích thống kê mô
tả đối với các biến quan sát trong mô hình và đặc điểm nhân khẩu học của đáp viên.

3.4.2 Kiểm định mô hình và giả thuyết nghiên cứu

3.4.2.1 Kiếm điệm mô hình đo lường
Việc đánh giá mô hình đo lường sẽ dựa trên những điều kiện sau:
Bước 1: Đánh giá mức độ tin cậy của từng chỉ báo

Tiêu chuẩn Đánh giá Nguồn

λ ≥ 0,7 Chỉ báo đạt mức độ tin Hair và cộng sự

cậy (2014)

0,4 ≤ λ < 0,7 Cần xem xét loại bỏ chỉ

λ < 0,4
Nguồn: Tổng hợp của tác giả
váo và thực hiện
phân tích lại mô hình PLS
Loại bỏ chỉ báo và thực
hiện phân tích lại
mô hình PLS

Bước 2: Đánh giá mức độ tin cậy nhất quán nội bộ

Bảng 3-3. Đánh giá mức độ tin cậy nhất quán nội bộ

Tiêu chuẩn Đánh giá Nguồn

Đánh giá mức α ≥ 0,9 Rất tốt DeVellis
độ tin cậy nhất (2016)
quán nội bộ 0,8 ≤ α < 0,9 Tốt
dựa vào chỉ số
Cronbach's 0,7 ≤ α < 0,8 Chấp nhận được
Alpha (α) Nghi ngờ
0,6 ≤ α < 0,7
0,5 ≤ α < 0,6 Kém
α < 0,5 Không thể chấp
nhận được
Đánh giá mức CR > 0,9 Một số hoặc tất cả Hair và
độ tin cậy nhất các chỉ báo có cộng sự
quán nội bộ thể đang đo lường (2021)
dựa vào mức cùng một kết
độ tin cậy tổng quả giống nhau từ
hợp biến tiềm ẩn
(hay nói cách khác,
các chỉ báo
giống nhau về mặt
ý nghĩa).
Cần xem lại mức
độ chính xác về
mặt nội dung, sau
đó loại bỏ chỉ
báo và thực hiện lại
phân tích

0,7 ≤ CR ≤ 0,9 Mô hình đạt được

tính nhất quán

nội bộ

0,6 ≤ CR ≤ 0,7 Chấp nhận được

nếu dùng cho
nghiên cứu khám
phá.
Nếu không, cần tìm
cách cải thiện
CR và phân tích lại
 mô hình PLS -
SEM
CR < 0,6 Không chấp nhận
được.
Cần xem xét việc
xâu dựng lại mô
hình đo lường hoặc
thu thập thêm
dữ liệu. Sau đó,
cần phân tích lại
mô hình PLS -
SEM
Kết luận về giá α < ICR < CR Mức độ tin cậy
trị thực sự của nhất quán nội bộ
độ tin cậy thực sự (true
reliability) sẽ nằm
trong khoảng giữa
hệ số α và CR

Bảng 3-4. Đánh giá mức độ chính xác về sự hội tụ

Tiêu chuẩn Đánh giá Nguồn

AVE ≥ 0,5 Đạt mức độ chính xác về Hair và cộng

sự hội tụ AVE sự (2021)
AVE , 0,5 Không đạt mức độ chính
xác về sự hội tụ.
Cần xem xét loại bỏ chỉ
báo hoặc xem xét lại
việc xây dựng mô hình đo
lường cũng như
hoạt động thu thập số liệu
Nguồn: Tổng hợp của tác giả

Bước 4: Đánh giá mức độ chính xác về sự phân biệt

Bảng 3-5. Đánh giá mức độ chính xác về sự phân biệt

Công cụ Tiêu chuẩn Đánh giá Nguồn

Công cụ 1: So sánh căn Căn bậc hai của AVE Đạt yêu cầu Fornell và
bậc hai của AVE với hệ > Larcker (1981)
số tương quan để đánh hệ số tương quan
giá độ phân biệt
Căn bậc hai của AVE Chưa đạt yêu
≤ (1981) cầu
hệ số tương quan
Công cụ 2: So sánh hệ Factor Loading > Đạt yêu cầu
số tải nhân tố (Factor Cross
Loading) và hệ số tải Loading
chéo (Cross Loading)
Factor Loading Chưa đạt yêu
≤ Cross cầu
Loading
Công cụ 3: HTMT ≥ 0,9 Khó đạt được Henseler
3.1. Đánh giá tỷ lệ đặc mức và cộng sự
điểm dị biệt hoá – đặc độ chính xác (2015)
điểm đơn nhất về sự
(Heterotrait – Monotrait phân biệt
Ratio – HTMT)
3.2. Đánh giá các giá trị HTMT ≤ 0,85 Đạt được
HTMT của 5000 mẫu mức độ
Bootstrap trong khoảng chính xác về
tin cậy 95% sự phân
biệt

Các giá trị HTMT ≥ Đạt được

1 mức độ
chính xác về
sự phân
biệt
Các giá trị HTMT < 1 Không đạt
được
mức độ chính
xác về
sự phân biệt

3.4.2.2 Kiểm định mô hình cấu trúc

Theo Hair và cộng sự (2021), quy trình đánh giá mô hình cấu trúc sẽ được thực
hiện theo 5 bước trong sơ đồ được trình bày dưới đây:
Bước 1: Đánh giá mức độ đa cộng tuyến dựa vào chỉ số VIF

Bảng 3-6. Đánh giá mức độ đa cộng tuyến

Tiêu chuẩn Đánh giá Nguồn

VIF ≥ 0,5 Khả năng xuất hiện hiện Hair và cộng sự

tượng đa cộng (2019)
tuyến là rất cao và mô
hình có thể bị ảnh
hưởng nghiêm trọng

3 ≤ VIF ≤ 5 Mô hình có thể gặp hiện

tượng đa cộng tuyến
VIF < 3 Mô hình có thể không gặp
hiện tượng đa

cộng tuyến
Nguồn: Tổng hợp của tác giả

Bước 2: Đánh giá mức ý nghĩa thống kê và độ lớn của hệ số hồi quy

Bảng 3-7. Đánh giá mức ý nghĩa thống kê và độ lớn của hệ số hồi quy

Tiêu chuẩn Đánh giá Nguồn

P – value ≤ 0,05 Mức tác động có ý nghĩa Davison và
thống kê Hinkley (1997)
P – value > 0,05 Mức tác động không có ý Efron và
nghĩa thống kê Tibshirani
(1986)

Nguồn: Tổng hợp của tác giả

Bước 4: Đánh giá mức độ giải thích của biến độc lập tới biến phụ thuộc dựa vào hệ số
f2
Bảng 3-9. Đánh giá mức độ giải thích của biến độc lập tới biến phụ thuộc
Tiêu chuẩn Đánh giá Nguồn
f2< 0.02 Không đóng vai trò giải Cohen (2013)
thích
f2 < 0.02 Có mức giải thích thấp

0.15 ≤ f2 < 0.35 Có mức giải thích trung

bình

f2 ≥ 0.35 Có mức giải thích cao

Nguồn: Tổng hợp của tác giả

Bước 5: Đánh giá mức độ chính xác của dự báo dựa vào hệ số Q2

Tiêu chuẩn Đánh giá Nguồn

0 < Q2 ≤ 0.25 Mức độ chính xác về dự Hair và cộng sự (2019)

báo thấp

0,25 < Q2 ≤ 0.5 Mức độ chính xác về dự

báo trung bình
Q2 > 0.5 Mức độ chính xác về dự
báo cao

Nguồn: Tổng hợp của tác giả

Dịch sang tiếng anh: