VariablesWe used the following set

Variables
We used the following set of variables for our statistical analyses:
Dependent variables: Career choice were measured based on seven alternatives: (1) employed in a small-sized firm, (2) employed in a medium-sized firm, (3) employed in a large company, (4) employed in the public service, (5) self-employed as freelancer, (6) self-employed by business take-over and (7) self-employed by starting a business. By selecting these alternatives, we allowed the respondents to give a maximum of two multiple answers. The career intentions directly after graduation were specified as ‘t0’, five years after completing the studies as ‘t5’. For the analyses, we conceived each of the career alternatives as a dichotomous variable.
Independent variables: We constructed two models. Model 1 uses ten individual motives for career choice taken from our literature review (cf. Section 2.4). The majority of these motives were already tested for their operationability by Josten et al. (2008). Their importance was gathered through the five-point Likert scales, ranging from 1 for ‘not important at all’ to 5 for ‘very important’. Again, Model 2 considers factors that are computed by a principal component analysis, indicating clusters of motives for career choice as independent variables.
Control variables: We controlled for gender, age, subject of study, the participation in entrepreneurship education and university location.
Statistical Analyses
The data analyses were done using descriptive statistics, principal component and logistic regression analyses. At this, the distinct motives for career choice were characterised through principal component analysis. Therefore, we applied varimax orthogonal rotation method, developed by Kaiser (1958). Based on this type of multivariate statistical analysis, the broad set of motives was reduced and grouped into some dimensions (factors) that are likely to be explanatory (Hair, Black, & Babin, 2005). The first factor emerging from the application of this method explains the greatest percentage of the total sample variance. The second factor corresponds to the second biggest percentage of the total variance and so on. Principal components with Eigenvalues greater than one are usually retained. Items with a factor loading lower than 0.4 were removed. To check acceptability of the technique and determine the consistency of the components, the Kaiser-Meyer-Olkin measure (KMO) and the likelihood ratio test (LR test) were taken into consideration.
After clustering the motives for career choice according to the related significant factors, we applied logistic regression analysis (logit model). Based on this type of multivariate statistical analysis, we explored the relative weights of each variable and their level of significance. Hereby, the different career alternatives were related with the underlying motives (Model 1) and with the factors identified by principal component analysis (Model 2). In doing so, we distinguished between the coefficients for different employment and self-employment modes, both for ‘t0’ and for ‘t5’. For the estimation process, we applied STATA software.

Results (Vietnamese) 1:

BiếnChúng tôi sử dụng các thiết lập sau đây của các biến cho phân tích thống kê của chúng tôi:Phụ thuộc vào biến: lựa chọn nghề nghiệp đã đo được lựa chọn dựa trên bảy: (1) làm việc trong một công ty có kích thước nhỏ (2) làm việc trong một công ty vừa, (3) làm việc trong một công ty lớn, (4) được sử dụng trong dịch vụ công cộng, (5) tự làm như freelancer, (6) tự làm việc của doanh nghiệp tham-over và (7) tự làm bằng cách bắt đầu một doanh nghiệp. Bằng cách chọn những lựa chọn này, chúng tôi cho phép những người trả lời để cung cấp cho tối đa hai nhiều câu trả lời. Ý định nghiệp trực tiếp sau khi tốt nghiệp được chỉ định như 't0', 5 năm sau khi hoàn thành các nghiên cứu như 't5'. Phân tích, chúng tôi nghĩ mỗi người trong số các lựa chọn thay thế sự nghiệp như là một biến dichotomous.Các biến độc lập: chúng tôi xây dựng hai mô hình. Mô hình 1 sử dụng mười cá nhân động cơ để lựa chọn nghề nghiệp, Lấy từ văn học của chúng tôi xem xét (x. phần 2.4). Đa số những động cơ đã được thử nghiệm trong operationability của họ bởi Josten et al. (năm 2008). Tầm quan trọng của họ tập hợp thông qua quy mô Likert năm điểm khác nhau, từ 1 cho 'không quan trọng ở tất cả' để 5 cho 'rất quan trọng'. Một lần nữa, Model 2 sẽ xem xét các yếu tố được tính bởi một phân tích thành phần chủ yếu, chỉ ra các cụm của động cơ để lựa chọn nghề nghiệp như các biến độc lập.Kiểm soát các biến: chúng tôi kiểm soát đối với giới tính, tuổi tác, đối tượng của nghiên cứu, tham gia vào tinh thần kinh doanh giáo dục và đại học vị trí. Phân tích thống kêPhân tích dữ liệu đã được thực hiện bằng cách sử dụng mô tả thống kê, thành phần chính và phân tích hồi quy logistic. Lúc này, các động cơ khác nhau để lựa chọn nghề nghiệp đã được đặc trưng qua phân tích thành phần chủ yếu. Vì vậy, chúng tôi áp dụng phương pháp vuông góc xoay varimax, được phát triển bởi Kaiser (1958). Dựa trên loại phân tích thống kê đa biến, tập hợp rộng các động cơ đã được giảm và nhóm lại thành một số kích thước (yếu tố) có khả năng được giải thích (tóc, Black & Babin, 2005). Các yếu tố đầu tiên nổi lên từ các ứng dụng của phương pháp này giải thích tỷ lệ phần trăm lớn nhất của tất cả mẫu phương sai. Yếu tố thứ hai tương ứng với tỷ lệ phần trăm lớn thứ hai của phương sai tổng và vân vân. Các thành phần chủ yếu với tuyến lớn hơn một thường được giữ lại. Các khoản mục với một yếu tố tải thấp hơn 0.4 đã được gỡ bỏ. Để kiểm tra acceptability của kỹ thuật và xác định sự thống nhất của các thành phần, Kaiser-Meyer-Olkin measure (KMO) và kiểm tra tỷ lệ khả năng (LR kiểm tra) đã được đưa vào xem xét.Sau khi cụm động cơ để lựa chọn nghề nghiệp theo các yếu tố quan trọng có liên quan, chúng tôi áp dụng phân tích hồi qui logistic (mẫu hàm lôgit). Chúng tôi dựa trên loại phân tích thống kê đa biến, khám phá các trọng lượng tương đối của mỗi biến và tầm quan trọng của mức độ của họ. Hướng, lựa chọn nghề nghiệp khác nhau liên quan với các động cơ bên dưới (mẫu 1) và các yếu tố được xác định bằng cách phân tích thành phần chính (mẫu 2). Làm như vậy, chúng tôi phân biệt giữa các hệ số cho việc làm và tự tạo việc làm chế độ khác nhau, cả hai cho 't0' và 't5'. Cho quá trình tính toán, chúng tôi áp dụng phần mềm STATA.

Results (Vietnamese) 2:

Biến
Chúng tôi sử dụng các thiết lập sau đây của các biến để phân tích thống kê của chúng tôi:
biến phụ thuộc: sự lựa chọn nghề nghiệp được đo dựa trên bảy lựa chọn thay thế: (1) làm việc trong một công ty quy mô nhỏ, (2) làm việc trong một công ty cỡ trung bình, (3) làm việc trong một công ty lớn, (4) sử dụng trong các dịch vụ công cộng, (5) tự làm như freelancer, (6) tự làm bằng kinh doanh thu và (7) tự làm bằng cách bắt đầu một doanh nghiệp. Bằng cách chọn các lựa chọn thay thế, chúng tôi cho phép người trả lời để cung cấp cho tối đa là hai câu trả lời nhiều. Các ý định sự nghiệp trực tiếp sau khi tốt nghiệp được quy định như 't0', năm năm sau khi hoàn thành nghiên cứu như 't5'. Đối với các phân tích, chúng tôi quan niệm mỗi lựa chọn thay thế sự nghiệp như là một biến nhị giá.
Các biến độc lập: Chúng tôi xây dựng hai mô hình. Mô hình 1 sử dụng mười động cơ cá nhân để lựa chọn nghề nghiệp lấy từ nghiên cứu tài liệu của chúng ta (x Mục 2.4). Phần lớn các động cơ đã được thử nghiệm cho operationability của họ bằng cách Josten et al. (2008). Tầm quan trọng của họ được thu thập thông qua các thang Likert năm điểm, từ 1 cho 'không quan trọng ở tất cả' đến 5 cho 'rất quan trọng'. Một lần nữa, mô hình 2 xem xét các yếu tố được tính bằng cách phân tích thành phần chính, cho thấy các cụm động cơ cho sự lựa chọn nghề nghiệp như là các biến độc lập.
Điều khiển biến:. Chúng tôi kiểm soát đối với giới tính, tuổi tác, đề tài nghiên cứu, tham gia giáo dục tinh thần kinh doanh và vị trí trường đại học
thống kê Phân tích
Phân tích dữ liệu được thực hiện bằng thống kê mô tả, thành phần chính và phân tích hồi quy logistic. Vào lúc này, những động cơ khác nhau cho sự lựa chọn nghề nghiệp được đặc trưng thông qua phân tích thành phần chính. Do đó, chúng tôi áp dụng phương pháp luân chuyển trực giao varimax, được phát triển bởi Kaiser (1958). Dựa trên loại này phân tích thống kê đa biến, tập hợp rộng lớn của động cơ bị giảm và được nhóm lại thành một số kích thước (yếu tố) có khả năng được giải thích (tóc, Black, & Babin, 2005). Yếu tố đầu tiên nổi lên từ việc áp dụng các phương pháp này giải thích tỷ lệ lớn nhất trong tổng phương sai mẫu. Yếu tố thứ hai tương ứng với tỷ lệ lớn thứ hai của tổng phương sai và như vậy. Thành phần chủ yếu có giá trị riêng lớn hơn một thường được giữ lại. Mục một yếu tố tải thấp hơn 0,4 đã được gỡ bỏ. Để kiểm tra sự chấp nhận của kỹ thuật và xác định sự phù hợp của các thành phần, các biện pháp Kaiser-Meyer-Olkin (KMO) và kiểm tra khả năng tỷ lệ (LR thử nghiệm) đã được đưa vào xem xét.
Sau khi phân nhóm các động cơ cho sự lựa chọn nghề nghiệp theo liên quan đáng kể yếu tố, chúng tôi áp dụng phân tích hồi quy logistic (mô hình logit). Dựa trên loại này phân tích thống kê đa biến, chúng tôi khám phá các trọng tương đối của mỗi biến và trình độ của họ có ý nghĩa. Bằng cách này, các lựa chọn thay thế nghề nghiệp khác nhau có liên quan với những động cơ cơ bản (Mô hình 1) và với các yếu tố xác định bởi phân tích thành phần chính (Mô hình 2). Khi làm như vậy, chúng ta phân biệt giữa các hệ số cho các chế độ việc làm và tự tạo việc làm khác nhau, cả hai cho 't0' và 't5'. Đối với quá trình lập dự toán, chúng tôi áp dụng phần mềm STATA.