Trong đề tài này, tác giả tiến hành phân tích EFA cho các biến độc được phân tích cùng một lúc. Riêng biến phụ thuộc (Động viên nhân viên tuyến đầu) được phân tích riêng.
4.2.2.1. Phân tích nhân tố (EFA) các biến độc lập
Tác giả tiến hành đưa các biến quan sát của các thang đo sau vào phân tích nhân tố EFA:
- Công việc thú vị (loại biến quan sát v1.1. “Công việc của bạn cho phép sử dụng tốt các năng lực cá nhân” do có hệ số tương quan biến-tổng < 0.3);
- Công việc ổn định;
- Cơ hội đào tạo và thăng tiến;
- Môi trường và điều kiện làm việc tốt; - Người lãnh đạo và quản lý;
- Đồng nghiệp;
Kết quả phân tích EFA như sau:
- Số lượng nhân tố trích được là 7 nhân tố. - Hệ số KMO đạt 0.834.
- Kiểm định Bartlett: Đạt yêu cầu (Sig=0.000< 0.05).
- Kết quả phân tích nhân tố cũng cho thấy phương sai được giải thích là 57.654% (lớn hơn 50%), điều này thể hiện rằng 07 nhân tố được trích ra này có thể giải thích được gần 58% biến thiên của dữ liệu, đây là kết quả chấp nhận được.
- Điểm dừng khi trích các yếu tố tại nhân tố thứ 07 với eigenvalue là 1.148 ( >1). Kết quả phân tích nhân tố là phù hợp.
- Ta tiến hành loại biến v8.1. “Bạn luôn được cấp trên tôn trọng và tin tưởng trong công việc” và v7.3. “Ngân hàng luôn bảo đảm tốt các điều kiện an toàn, bảo hộ lao động” ra khỏi mô hình vì có hệ số chuyển tải không đạt yêu cầu (factor loading < 0.5).
- Đối với các biến quan sát v8.5. “Cấp trên của bạn luôn khéo léo, tế nhị khi cần phê bình”, v6.3. “Ngân hàng bạn đang làm luôn tạo ra nhiều cơ hội phát triển nghề nghiệp”, v7.1. “Bạn luôn được trang bị đầy đủ thiết bị, dụng cụ để làm việc” và v7.5. “Công việc của bạn không đòi hỏi thường xuyên phải làm ngoài giờ” có hệ số chuyển tải đạt yêu cầu (>0.5) nhưng có chênh lệch trọng số là không cao (λiA – λiB <0.3). Do đó, tác giả tiến hành đánh xem xét giá trị nội dung của các biến quan sát này để quyết định giữ hay bỏ ra khỏi mô hình. Sau khi đánh giá các biến quan sát này, tác giả nhận thấy nó có giá trị nội dung cao, cần được giữ lại trong mô hình. Vì vậy, các biến quan sát v8.5, v6.3, v7.1 và v7.5 được giữ lại trong mô hình.
Sau khi tiến hành loại các biến v8.1 và v7.3, tác giả thực hiện phân tích nhân tố (EFA) lần 2 và cho kết quả như sau (tác giả đã loại những hệ số tải nhân tố có giá trị nhỏ (< 0.5) để dễ quan sát):
Bảng 4.1. Kết quả phân tích nhân tố (EFA) biến độc lập
STT Biến Nhân tố 1 2 3 4 5 6 7 1 v5.2 0.736 2 v5.4 0.692 3 v5.3 0.666 4 v5.1 0.627 5 v8.2 0.753 6 v8.3 0.729 7 v8.4 0.676 8 v8.5 0.594 9 v4.3 0.743 10 v4.1 0.737 11 v4.2 0.724 12 v6.4 0.727 13 v6.1 0.647 14 v6.2 0.617 15 v6.5 0.570 16 v6.3 0.570 17 v1.3 0.831 18 v1.2 0.788 19 v1.4 0.700 20 v7.2 0.727 21 v7.1 0.655 22 v7.5 0.589 23 v7.4 0.562 24 v11.1 0.711 25 v11.2 0.701 26 v11.3 0.676 Cronbach’s Alpha 0.749 0.744 0.752 0.684 0.759 0.641 0.600 KMO 0.817 Bartlett (Sig.) 0.000 Tổng phương sai trích (%) 58.997%
(Kết quả phân tích của tác giả)
- Số lượng nhân tố trích được là 7 nhân tố.
- Hệ số KMO đạt 0.817 : Phân tích nhân tố thích hợp với dữ liệu nghiên cứu.
- Kiểm định Bartlett: Đạt yêu cầu (Sig=0.000< 0.05). Chứng tỏ các biến quan sát trong phân tích nhân tố có tương quan với nhau trong tổng thể.
- Tổng phương sai trích: 58.997% (lớn hơn 50%). Cho biết 7 nhân tố trên giải thích được 58.997% biến thiên của dữ liệu.
- Giá trị hệ số Eigenvalue của các nhân tố đều đạt yêu cầu ( >1).
- Qua kết quả phân tích nhân tố ta thấy, tất cả các biến đều có hệ số tải nhân tố đạt yêu cầu (factor loading > 0.5).
- Các quan sát v8.5, v6.3, v7.1 và v7.5 có chênh lệch trọng số là không cao (λiA – λiB <0.3). Tuy nhiên, sau khi xem xét giá trị nội dung của các biến này thì tác giả thấy nội dụng của các biến này có giá trị cao, phù hợp với các biến quan sát cùng nhóm. Do đó, các biến này được giữ lại trong mô hình.
4.2.2.2. Phân tích nhân tố (EFA) cho biến phụ thuộc
Sau khi tiến hành phân tích nhân tố (EFA) cho các biến độc lập, tác giả tiến hành phân tích nhân tố (EFA) cho biến phụ thuộc – Động viên nhân viên tuyến đầu (bao gồm 4 biến v12.1. “Bạn cảm thấy được động viên trong công việc”, v12.4. “Bạn hài lòng với chính sách động viên, khuyến khích tại ngân hàng bạn đang làm”, v12.5. “Bạn đánh giá cao các chính sách động viên, khuyến khích tại ngân hàng bạn đang làm” và v12.6. “Chính sách động viên, khuyến khích tại ngân hàng bạn đang làm động viên bạn trong công việc”).
Sử dụng phần mềm SPSS và đưa các biến vào phân tích, tác giả thu được kết quả như sau:
Bảng 4.2. Kết quả phân tích nhân tố (EFA) biến phụ thuộc
STT Biến Nhân tố 1 v12.4 0.755 2 v12.5 0.743 3 v12.6 0.731 4 v12.1 0.640 5 Cronbach’s Alpha 0.688 6 KMO 0.735 7 Bartlett (Sig.) 0.000 8 Tổng phương sai trích (%) 51.672
Kết quả phân tích nhân tố (EFA) cho biến phụ thuộc “Động viên nhân viên tuyến đầu” cho thấy:
- Kiểm định Bartlett: sig. = 0.000 < 0.05: các biến quan sát có tương quan với nhau trong tổng thể .
- Hệ số KMO = 0.735 > 0.5: Phân tích nhân tố thích hợp với dữ liệu nghiên cứu.
- Có 1 nhân tố được trích ra từ phân tích nhân tố (EFA). - Giá trị Eigenvalues = 2.067 > 1: đạt yêu cầu.
- Giá trị tổng phương sai trích: 51.672% > 50%, đạt yêu cầu.
- Tất cả các biến quan sát đều có hệ số tải nhân tố (factor loading > 0.5): đạt yêu cầu.
Như vậy, thang đo “Động viên nhân viên tuyến đầu” đạt giá trị hội tụ.
4.2.2.3. Tóm tắt kết quả phân tích nhân tố (EFA)
Kết quả phân tích nhân tố (EFA) cho thấy các biến độc lập và biến phụ thuộc trong mô hình đều đạt giá trị hội tụ và giá trị phân biệt chấp nhận được. Do đó, phân tích EFA là thích hợp với dữ liệu nghiên cứu và có 8 nhân tố được trích ra từ kết quả phân tích. Không có sự phát sinh nhân tố mới.