Mô tả mẫu
Phương pháp thu thập dữ liệu
Dữ liệu trong bài nghiên cứu được thu thập từ bảng khảo sát của 180 cán bộ giảng viên bán cơ hữu tại trường Đại học Thăng Long, do giảng viên cung cấp.
Mô tả cấu trúc mẫu
Thông tin về người được khảo sát:
Sau khi thu thập mẫu từ các cá nhân trong tổ chức, tác giả đã sử dụng phần mềm SPSS để thực hiện thống kê mô tả cấu trúc mẫu, nhằm cung cấp cái nhìn tổng quan về thông tin của giảng viên bán cơ hữu tại trường Kết quả thống kê mô tả sẽ thể hiện các yếu tố như giới tính, độ tuổi, thâm niên, trình độ và thu nhập.
Về giới tính: nam chiếm tỷ lệ là 35,6% và nữ là 64,4% Như vậy đối tượng tham gia khảo sát đa số là nữ giới.
Độ tuổi của các giảng viên được phân thành bốn nhóm: nhóm dưới 25 tuổi chiếm 2,2%, nhóm từ 25 đến 34 tuổi chiếm 33,3%, nhóm từ 35 đến 44 tuổi chiếm 37,2%, và nhóm trên 45 tuổi chiếm 27,2% Hai nhóm từ 25 đến 44 tuổi có tỷ lệ cao và tương đương nhau, trong khi nhóm trên 45 tuổi là những giảng viên có nhiều kinh nghiệm và gắn bó lâu dài với nhà trường.
Theo khảo sát, phần lớn giảng viên tham gia có thâm niên công tác lâu dài tại trường, với 63,9% giảng viên bán cơ hữu đã làm việc hơn 5 năm Trong khi đó, khoảng 16% giảng viên có thời gian làm việc từ 1-3 năm và từ 3-5 năm Chỉ có 3,3% giảng viên, tương đương 6 người, có thời gian công tác dưới 1 năm.
Đa số giảng viên bán cơ hữu có trình độ học vấn cao, với 74,4% sở hữu bằng Thạc sỹ và 20% là Tiến sỹ Tuy nhiên, số lượng giảng viên đạt trình độ Phó giáo sư và Giáo sư rất ít, chỉ chiếm 5,6% tổng số.
Về thu nhập mức thu nhập từ 2- dưới 5 triệu chiếm 6,1%, từ 5 triệu đến dưới
10 triệu 34,4%, từ 10 triệu đến dưới 15 triệu là 41% Trên 15 triệu chiếm18,3%.
Total 180 100.0 Độ tuổi Dưới 25 tuổi 4 2.2
Trình độ Thạc Sỹ 134 74.4
Thu nhập Từ 2- dưới 5 tr 11 6.1
Kiểm định và đánh giá thang đo
Kiểm định độ tin cậy thang đo cho các biến độc lập và phụ thuộc
Để đánh giá thang đo các khái niệm trong nghiên cứu, cần kiểm tra độ tin cậy và độ giá trị của thang đo Sử dụng hệ số Cronbach’s Alpha và hệ số tương quan biến – tổng (Item-To-Total Correlation) giúp loại bỏ những biến quan sát không cần thiết Hệ số Cronbach’s Alpha if item deleted hỗ trợ trong việc đánh giá việc loại bỏ các biến quan sát nhằm nâng cao độ tin cậy Cuối cùng, phương pháp phân tích nhân tố khám phá (EFA) được áp dụng để kiểm tra độ giá trị của thang đo trong nghiên cứu.
Bảng 1.2 Phân tích Cronbach’s Alpha cho biến độc lập và biến phụ thuộc
Số lượng biến còn lại
Hệ số tương quan biến tổng Hệ số Cronbach’s
Alpha nếu loại bỏ biến Cronbach’s
Thang đo biến độc lập A
Thang đo biến độc lập B
Thang đo biến độc lập C
Thang đo biến độc lập D
Thang đo biến phụ thuộc E
Thang đo biến phụ thuộc F
Thang đo biến phụ thuộc G
Nhóm nhân tố A (1A, 2A, 3A) đã được kiểm định với hệ số Cronbach’s Alpha đạt 0,752, vượt mức 0,6, cho thấy độ tin cậy của thang đo Tất cả các giá trị tương quan biến tổng đều lớn hơn 0,05, khẳng định tính ý nghĩa của thang đo trong nghiên cứu.
Hệ số Cronbach’s Alpha của nhân tố B (1B, 2B, 3B, 4B) đạt giá trị 0,824, vượt qua ngưỡng 0,6, cho thấy thang đo này có độ tin cậy cao Ngoài ra, hệ số tương quan biến tổng của bốn quan sát trong thang đo đều lớn hơn 0,3, khẳng định rằng thang đo đủ độ tin cậy để tiến hành các phân tích tiếp theo.
Sau khi phân tích hệ số Cronbach’s Alpha của thang đo Nhân tố C, kết quả cho thấy giá trị Cronbach’s Alpha tổng thể đạt 0,841, vượt mức 0,6, cho thấy thang đo có độ tin cậy cao Hệ số tương quan biến tổng của 18 quan sát trong thang đo đều lớn hơn 0,3, khẳng định rằng thang đo đủ độ tin cậy để tiến hành các phân tích tiếp theo.
Nhân tố D (1D, 2D, 3D, 4D, 5D, 6D, 7D, 8D, 9D, 10D, 11D): dựa vào bảng thông kê cho thấy Cronbach’s Alpha của tổng thể thang đo có giá trị là 0,950
> 0,6 Hệ số tương quan biến tổng trong thang đo đều có giá trị > 0,3 nên thang đo đủ độ tin cậy.
Phân tích thang đo nhân tố E (5E, 6E, 8E) cho thấy hệ số Cronbach’s Alpha ban đầu dưới 0,5, yêu cầu loại bỏ các biến 1E, 2E, 3E, 4E và 7E Kết quả cuối cùng được trình bày trong bảng trên với hệ số Cronbach’s Alpha đạt 0,865, cho thấy thang đo này có độ tin cậy cao Hệ số tương quan biến tổng của ba quan sát còn lại đều lớn hơn 0,3, khẳng định đây là một thang đo tốt.
Nhân tố F (10F, 11F, 13F, 14F, 15F, 16F) đã được phân tích qua thang đo lần đầu, cho thấy hệ số tương quan biến tổng của hai quan sát (9F, 12F) nhỏ hơn 0,3 Do đó, chúng tôi đã loại bỏ hai biến quan sát này và tiến hành chạy lại Kết quả cuối cùng được trình bày trong bảng trên với hệ số Cronbach’s Alpha đạt 0,779.
6 quan sát còn lại trong thang đo đều có giá trị > 0,3.
Nhân tố G (20G, 21G, 22G, 23G) đã được phân tích bằng cách loại bỏ 3 biến quan sát (17G, 18G, 19G) do hệ số tương quan biến tổng của chúng < 0,3 Sau khi chạy lại, kết quả cuối cùng cho thấy hệ số Cronbach’s Alpha đạt 0,807, và hệ số tương quan biến tổng của 4 quan sát còn lại đều > 0,3, chứng tỏ thang đo này là phù hợp.
Sau khi phân tích độ tin cậy Cronbach’s Alpha cho 7 nhân tố trong mô hình nghiên cứu, kết quả cho thấy tất cả các thang đo đều đạt yêu cầu về hệ số tin cậy Trong tổng số 49 biến quan sát, có 10 biến bị loại do không đủ độ tin cậy, trong đó có 5 biến thuộc nhân tố E.
2 biến quan sát thuộc nhân tố F và 3 biến quan sát thuộc nhân tố G.
Phân tích nhân tố khám phá EFA
Phân tích nhân tố đã được thực hiện cho 37 biến quan sát của các yếu tố độc lập, cho thấy kết quả đáng chú ý về mối quan hệ giữa các biến này.
Hệ số KMO đạt 0,921 trong phân tích nhân tố EFA lần đầu, với giá trị Sig là 0,000 từ kiểm định Bartlett’s test Phân tích EFA đã xác định được 6 nhân tố với Eigenvalue là 1.119 Tuy nhiên, bảng ma trận xoay ban đầu không có sự xuất hiện rõ ràng, có biến bị trùng lặp cần loại bỏ Để xử lý, chúng tôi đã xem xét bảng tương quan của các biến độc lập, loại bỏ những biến có sig 0,6, trong đó biến 11D có tương quan với 10D (sig= 0,000, r=9,13) Sau khi loại bỏ, bảng ma trận xoay đã xuất hiện nhưng vẫn còn một số biến có giá trị loading factor 1, đáp ứng yêu cầu phân tích Kết quả cho thấy 27 biến quan sát được nhóm thành 5 nhóm, thể hiện 69,34% biến thiên của dữ liệu nghiên cứu.
Dựa trên mô hình phân tích nhân tố EFA, nghiên cứu xác định các yếu tố ảnh hưởng đến sự hài lòng trong công việc của giảng viên bán cơ hữu Sự hài lòng trong công việc được đo lường qua 5 thành phần nhân tố khác nhau.
Nhân tố 1: X1 bao gồm các quan sát: 6D, 7D, 4D, 4D, 1D, 3D, 2D, 8D, 9D, 12C
Nhân tố 3: X3 gồm các quan sát: 13C, 14C, 15C, 9C, 8C
Nhân tố 5: X5 bao gồm: 1A, 2A, 3A. b) Phân tích nhân tố cho các yếu tố phụ thuộc
Thực hiện phân tích EFA theo phương pháp trích yếu tố Principal component với phép xoay varimax Tên các nhân toss cũng được thay đổi sao cho phù hợp.
Bảng 1.4 Kết quả phân tích EFA cho biến phụ thuộc
STT Tên nhân tố Biến quan sát
Phân tích nhân tố cho biến phụ thuộc cho thấy 13 biến quan sát được nhóm thành 4 nhân tố, với hệ số tải nhân tố lớn hơn 0,5, chứng tỏ sự quan trọng của các biến này Hệ số KMO đạt 0,753, cho thấy tính phù hợp của phân tích EFA với dữ liệu Kiểm định Bartlett’s test có mức ý nghĩa 0,000, cho thấy sự tương quan giữa các biến quan sát Giá trị Eigenvalue đạt 1,057 và giá trị Cronbach’s Alpha trên 0,6, khẳng định 4 thang đo này đáp ứng yêu cầu cho các bước phân tích tiếp theo.
Dựa trên mô hình phân tích nhân tố EFA, sự hài lòng của giảng viên tại đại học Thăng Long được đánh giá thông qua bốn nhân tố chính.
Nhân tố phụ thuộc 1: Y1 bao gồm các quan sát 22G, 23G, 20G, 21G.
Nhân tố phụ thuộc2: Y2 bao gồm các quan sát 6E, 5E, 8E
Nhân tố phụ thuộc 3: Y3 bao gồm các quan sát 14F, 15F, 13F, 16F
Nhân tố phụ thuộc 4: Y4 bao gồm các quan sát 10F, 11F.
Giá trị của các nhân tố trong phân tích tương quan hồi quy được xác định dựa trên trung bình của các biến quan sát thuộc từng nhân tố Để đánh giá sự phù hợp của các nhân tố khi đưa vào mô hình hồi quy, phân tích tương quan Pearson là công cụ hữu ích.
Phân tích tương quan Person
Hệ số tương quan Pearson được sử dụng để đo lường mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng Trong phân tích hồi quy, các biến nhân tố cần có mối tương quan với nhau; nếu có sự tương quan chặt giữa hai biến, cần lưu ý đến vấn đề đa cộng tuyến Phân tích tương quan Pearson không phân biệt giữa biến độc lập và biến phụ thuộc, mà xem xét tất cả các biến như nhau Để nhận diện hiện tượng đa cộng tuyến, có thể sử dụng hệ số độ sai lệch cho phép (Tolerance) hoặc hệ số phóng đại phương sai (VIF).
Kết quả phân tích tương quan Pearson cho thấy cả 5 biến độc lập đều có mối liên hệ với biến phụ thuộc Y1 và Y2 ở mức ý nghĩa 1%, đạt độ tin cậy 99% Tuy nhiên, biến phụ thuộc Y3 và Y4 chỉ tương quan với X1, do đó không thể thực hiện phân tích hồi quy cho hai biến này.
Bảng 1.5 Phân tích tương quan Person
N 180 180 180 180 a) Phân tích hồi quy được sử dụng để đánh giá ảnh hưởng của các biến độc lập lên biến phụ thuộc Y1.
H1 Nhân tố X1 tác động dương (+) đến Y1
H2 Nhân tố X2 tác động dương (+) đến Y1H3 Nhân tố X3 tác động dương (+) đến Y1H4 Nhân tố X4 tác động dương (+) đến Y1H5 Nhân tố X5 tác động dương (+) đến Y1
Hình 1.1: Mô hình giả thuyết
Khi đưa cả 5 biến độc lập vào mô hình, nhóm tác giả phát hiện hiện tượng đa cộng tuyến với VIF > 2, do đó đã loại bỏ biến X2 có hệ số tương quan cao nhất và tiến hành phân tích lại Kết quả kiểm định phương sai của sai số cho thấy biến X5 có Sig > 0,05, chứng tỏ có hiện tượng phương sai thay đổi, dẫn đến việc loại bỏ biến X5 và thực hiện kiểm định lại Cuối cùng, các hệ số tương quan hạng Spearman giữa các biến độc lập và trị tuyệt đối của phần dư chuẩn hóa có mức ý nghĩa Sig > 0,05, cho phép kết luận rằng các biến đảm bảo không có hiện tượng phương sai của phần dư thay đổi, và mô hình có ý nghĩa thống kê.
Bảng 1.7 Kiểm định phương sai của sai số không đổi
** Correlation is significant at the 0,01 level (2-tailed).
Ta đưa 3 biến X1, X3, X4 vào chạy hồi quy kết quả chạy lần cuối cùng được trình bày ở bảng 1.7.
Bảng 1.8 Kết quả phân tích hồi quy đa biến bằng phương pháp Enter
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig Thống kê cộng tuyến
B Độ lệch chuẩn Beta Độ chấp nhận
Kết quả phân tích cho thấy giá trị R2 điều chỉnh là 0,160 (16,0%), cho thấy mức độ phù hợp của mô hình là khá nhỏ Kiểm định F Change với Sig ≤ 0,05 xác nhận sự tồn tại của mô hình hồi quy tuyến tính giữa sự hài lòng và ba nhân tố ảnh hưởng Kiểm định F trong phân tích phương sai được sử dụng để kiểm tra giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, nhằm xác định mối liên hệ tuyến tính giữa biến phụ thuộc và toàn bộ tập hợp các biến độc lập.
Hệ số Durbin-Watson (d) = 1,799 nằm trong khoảng từ 1 đến 3, cho thấy không có hiện tượng tự tương quan giữa các phần dư trong mô hình Điều này chứng tỏ rằng mô hình nghiên cứu có ý nghĩa thống kê.
Kết quả kiểm định hiện tượng đa cộng tuyến cho thấy hệ số phóng đại phương sai VIF của các biến trong mô hình đều nhỏ hơn 2, điều này chứng tỏ mô hình hồi quy không vi phạm giả thuyết đa cộng tuyến và có ý nghĩa thống kê Hệ số hồi quy trong mô hình cũng mang lại những thông tin quan trọng về mối quan hệ giữa các biến.
Sau khi thực hiện các phép kiểm định hồi quy, mô hình cho thấy không vi phạm các giả thuyết kiểm định và có ý nghĩa thống kê Kết quả phân tích cho thấy biến X3 và X4 có ảnh hưởng tích cực đến mức độ hài lòng của giảng viên bán cơ hữu, với giá trị ý nghĩa sig < 0,05, cho phép chấp nhận các biến này trong phương trình hồi quy Mối quan hệ giữa biến phụ thuộc và hai biến độc lập được thể hiện rõ trong phương trình hồi quy.
Phương trình hồi quy chưa chuẩn hóa:
Y1= 1,382+ 0,441*X3+ 0,179*X4 Phương trình hồi quy chuẩn hóa:
Hệ số hồi quy chưa chuẩn hóa (Unstandardized Coefficients)
Hệ số β của X3= 0,441 có dấu (+) nên nhóm nhân tố X3 tác động cùng chiều lên nhóm Y1 Có nghĩa là khi đánh giá về X3 tăng (giảm) 1 điểm thì Y1 tăng (giảm) 0,441 điểm.
Hệ số β của X4= 0,179 có dấu (+) nên nhóm nhân tố X4 tác động cùng chiều lên nhóm Y1 Có nghĩa là khi đánh giá về X4 tăng (giảm) 1 điểm thì Y1 tăng (giảm) 0,179 điểm.
Hệ số hồi quy chuẩn hóa (Standardized Coefficients)
Hệ số trong mô hình hồi quy xác định mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc Trong đó, nhân tố X3 có mức đóng góp 33,3%, đứng đầu trong việc ảnh hưởng đến biến Y1, tiếp theo là nhân tố X4 với 19,6%.
Kiểm định các giả thuyết của mô hình nghiên cứu
Bảng 1.9 Kết quả kiểm định giả thuyết trong mô hình nghiên cứu hiệu chỉnh
Giả thuyết Nội dung Kết quả
Nhân tố X1 và X2 đều có tác động dương đến Y1 nhưng bị bác bỏ, trong khi nhân tố X3 và X4 cũng có tác động dương đến Y1 và được chấp nhận Ngược lại, nhân tố X5 có tác động dương đến Y1 nhưng cũng bị bác bỏ Để đánh giá ảnh hưởng của các biến độc lập lên biến phụ thuộc Y2, phân tích hồi quy đã được áp dụng.
Bảng 1.10 Các giả thuyết trong mô hình nghiên cứu
Nhân tố X1 có tác động tích cực đến Y2, góp phần thúc đẩy sự phát triển Tương tự, nhân tố X2 cũng ảnh hưởng tích cực đến Y2, làm gia tăng hiệu quả Nhân tố X3 tiếp tục mang lại tác động dương đến Y2, hỗ trợ sự tiến bộ trong lĩnh vực liên quan Bên cạnh đó, nhân tố X4 cũng có ảnh hưởng tích cực đến Y2, giúp cải thiện các chỉ số quan trọng Cuối cùng, nhân tố X5 đóng vai trò quan trọng trong việc thúc đẩy Y2, tạo ra những kết quả khả quan.
Chạy hồi quy cho biến phụ thuộc Y2 bằng phương pháp Enter cho thấy biến X3 gặp hiện tượng đa cộng tuyến với VIF lớn hơn 2 Do đó, cần loại bỏ biến X3 và thực hiện lại quá trình hồi quy.
Bảng 1.11 Kết quả phân tích hồi quy đa biến bằng phương pháp enter
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig Thống kê cộng tuyến
Kết quả từ bảng 8 cho thấy hệ số R đạt 0,440 và giá trị R2 (R Square) là 0,194, cho thấy mô hình giải thích 19,4% sự biến thiên của biến sự thỏa mãn trong công việc từ 4 nhân tố Giá trị R2 điều chỉnh (Adjusted R Square) cung cấp cái nhìn chính xác hơn về sự phù hợp của mô hình Thêm vào đó, việc có Change, Sig ≤ 0,05 chỉ ra rằng tồn tại mối quan hệ hồi quy tuyến tính giữa sự hài lòng và 4 nhân tố ảnh hưởng.
Kiểm định F trong phân tích phương sai là một phương pháp kiểm định giả thuyết nhằm đánh giá độ phù hợp của mô hình hồi quy tuyến tính tổng thể, xác định mối liên hệ tuyến tính giữa biến phụ thuộc và tập hợp các biến độc lập Bảng ANOVA cho thấy trị thống kê F được tính từ giá trị R2 đầy đủ khác 0, với giá trị Sig = 0,000 (< 0,05) rất nhỏ, điều này chứng tỏ mô hình phù hợp với tập dữ liệu và các biến đều đạt tiêu chuẩn chấp nhận (Tolerance > 0,0001).
Kết quả kiểm định hiện tượng đa cộng tuyến cho thấy hệ số phóng đại phương sai VIF của các biến trong mô hình nhỏ hơn 2, điều này chứng tỏ mô hình hồi quy không vi phạm giả thuyết về đa cộng tuyến và có ý nghĩa thống kê.
Kết quả phân tích bảng 1.8 chỉ ra rằng các hệ số tương quan hạng Spearman giữa các biến độc lập và biến trị tuyệt đối của phần dư chuẩn hóa có mức ý nghĩa Sig > 0,05 Do đó, có thể kết luận rằng các biến đảm bảo không xuất hiện hiện tượng phương sai của phần dư thay đổi, điều này cho thấy mô hình có ý nghĩa thống kê.
Bảng 1.12 Kiểm định phương sai của sai số không đổi (2)
** Correlation is significant at the 0,01 level (2-tailed).
Phân tích sự khác biệt theo đặc điểm nhân khẩu học ( phân tích phương sai Anova)
Nghiên cứu này áp dụng phân tích phương sai ANOVA để xác định sự khác biệt trong đánh giá mức độ quan trọng của các tiêu chí giữa các nhóm đối tượng khảo sát dựa trên các đặc điểm cá nhân Cụ thể, phương pháp phân tích phương sai một nhân tố được sử dụng để phát hiện sự khác biệt về mức độ hài lòng trong công việc liên quan đến các yếu tố nhân khẩu học như giới tính, độ tuổi, thu nhập và thâm niên.
Với các giả thuyết được đặt ra là:
H1: Có sự khác biệt mức độ hài lòng trong công việc theo giới tính.
Có sự khác biệt rõ rệt về mức độ hài lòng trong công việc theo độ tuổi, với những người trẻ tuổi thường có cảm giác hài lòng thấp hơn so với những người lớn tuổi Bên cạnh đó, thâm niên làm việc cũng ảnh hưởng đến mức độ hài lòng, khi những nhân viên có thời gian làm việc lâu dài thường cảm thấy thoải mái hơn trong công việc của mình Ngoài ra, thu nhập cũng đóng vai trò quan trọng, khi những người có thu nhập cao thường cảm thấy hài lòng hơn so với những người có thu nhập thấp Cuối cùng, việc kiểm định mức độ hài lòng trong công việc cũng cần xem xét theo giới tính, vì có thể có sự khác biệt giữa nam và nữ trong cảm nhận hài lòng về công việc.
Bảng 1.14 Kiểm định mức độ hài lòng trong công việc theo giới tính
Giới Tính N Mean Std Deviation Std Error Mean
Bảng 1.15 Kiểm định sự thỏa mãn trong công việc giữa phái nam và phái nữ
Levene's Test for Equality of Variances t-test for Equality of Means
95% Confidence Interval of the Difference
Kiểm định Independent-samples T-test cho thấy không có sự khác biệt về mức độ hài lòng giữa nam và nữ Kết quả kiểm định Levene với Sig = 0,022 < 0,05 cho thấy phương sai giữa hai giới tính là tương đương Do đó, với kết quả t-test cho thấy Sig > 0,05, ta kết luận không có sự khác biệt có ý nghĩa về trị trung bình của Y2 giữa hai phái Đối với các biến Y1, Y3, Y4, Y5, giá trị Sig trong Levene’s test cũng lớn hơn 0,05, khẳng định phương sai giữa hai giới tính không khác nhau Khi sử dụng giá trị Sig trong hàng Equal variances assumed, ta thấy Sig T-test > 0,05, điều này đồng nghĩa với việc không có sự khác biệt về các biến phụ thuộc Y1, Y3, Y4, Y5 giữa các đáp viên có giới tính khác nhau, do đó bác bỏ giả thuyết H1.
Phân tích phương sai ANOVA được sử dụng để đánh giá sự khác biệt về mức độ hài lòng trong công việc của giảng viên bán cơ hữu theo độ tuổi Nghiên cứu này nhằm xác định liệu có sự khác biệt đáng kể nào trong mức độ hài lòng giữa các nhóm tuổi khác nhau của giảng viên Kết quả từ phân tích ANOVA sẽ cung cấp cái nhìn sâu sắc về mối quan hệ giữa độ tuổi và mức độ hài lòng trong công việc, từ đó giúp các cơ sở giáo dục cải thiện môi trường làm việc cho giảng viên.
Bảng 1.16 Kết quả phân tích sự khác nhau về độ tuổi
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
Kết quả từ bảng trên cho thấy độ tuổi ảnh hưởng đến biến Y2, với Sig Levene’s test và Sig F đều nhỏ hơn 0,05, cho thấy sự khác biệt về mức độ hài lòng của giảng viên theo độ tuổi Cụ thể, dữ liệu chỉ ra rằng khi độ tuổi tăng, mức độ hài lòng theo thang đo Y2 giảm Do đó, giả thuyết H2 được chấp nhận.
Hình 1.2 Biểu đồ tương quan giữa độ tuổi đến biến y2 c) Kiểm định mức độ hài lòng trong công việc theo thâm niên.
Bảng 1.17 Kết quả phân tích sự khác biệt về thâm niên
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
Dep ende nt Vari able
Từ 3-5 năm 12283 10839 836 -.1695 4151 Y4 Dưới 1 năm Từ 1-3 năm -.36782 33871 894 -1.5752 8396
Từ 3-5 năm 09638 14404 985 -.2958 4885Theo bảng kết quả Test of Homogeneity of Variances, Y1, Y2 có mức ý nghĩaSig.< 0,05 có thể nói phương sai đánh giá về sự hài lòng của các nhóm độ tuổi khác nhau một cách có ý nghĩa thống kê Như vậy, kết quả phân tích ở bảng ANOVA sử dụng không tốt để kiểm định giả thuyết mà phải dùng kiểm định Tamhane’s T2 ở mục Post Hoc kiểm định phương sai không bằng nhau trong phân tích sâu ANOVA
Kết quả phân tích từ bảng Post Hoc cho thấy không có cặp nào có giá trị mức ý nghĩa Sig nhỏ hơn 0,05, do đó tác giả bác bỏ giả thuyết H3, khẳng định rằng không có sự khác biệt về thâm niên liên quan đến mức độ hài lòng trong công việc Tiếp theo, cần kiểm định sự khác biệt về thu nhập.
Bảng 1.18 Kết quả kiểm định sự khác nhau về thu nhập
Test of Homogeneity of Variances
Sum of Squares df Mean
Phân tích phương sai ANOVA được sử dụng để đánh giá sự khác biệt về mức độ hài lòng trong công việc Kết quả từ bảng Test of Homogeneity of Variances cho thấy mức ý nghĩa Sig > 0,05, cho phép khẳng định rằng phương sai đánh giá sự hài lòng trong công việc không có sự khác biệt có ý nghĩa thống kê Tuy nhiên, phân tích ANOVA cho thấy Y2, Y3 với mức ý nghĩa Sig < 0,05, chỉ ra sự khác biệt có ý nghĩa thống kê về sự hài lòng trong công việc giữa các nhóm thu nhập khác nhau Cụ thể, những người có thu nhập cao hơn có xu hướng giảm mức độ hài lòng trong công việc, dẫn đến việc chấp nhận giả thuyết H4.
Hình 1.3 Biểu đồ tương quan giữa thu nhập đến biến y2