Bao gồm đánh giá độ tin cậy và giá trị các thang đo bằng phương pháp hệ số tin
cậy Cronbach alpha và phân tích nhân tố khám phá EFA (Exploratory Factor
Analysis) thông qua phần mềm xử lý SPSS 20 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn (biến rác). Trong đó:
Cronbach alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát (các câu hỏi) trong thang đo thông qua hệ số Cronbach alpha. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr. 257, 258) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach alpha có giá trị từ 0,8 trở lên đến gần 1,0 là thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng được. Song, cũng có nhiều nhà nghiên cứu (ví dụ: Nunally 1978, Peterson 1994, Slater 1995) đề nghị hệ số Cronbach alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Tuy nhiên, theo Nunnally và cộng sự (1994), hệ số Cronbach alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach alpha, người ta còn sử dụng hệ sốtương quan biến tổng (iterm - total correlation) và những biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ. Song, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, tr. 353, 354), việc loại bỏ hay không
39
một biến quan sát không chỉ đơn thuần nhìn vào con số thống kê mà còn phải xem xét giá trị nội dung của khái niệm. Theo đó, trong trường hợp thang đo đáp ứng tiêu chuẩn Cronbach alpha và nếu loại bỏ biến có tương quan biến tổng < 0,3 dẫn đến vi phạm giá trị nội dung (các biến quan sát còn lại không còn bao phủđầy đủ nội hàm của khái niệm) thì không nên loại biến đó.
Phân tích nhân tố khám phá (EFA) là thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà dựa vào mối tương quan giữa các biến, được sử dụng phổ biến để đánh giá giá trị thang đo (tính đơn hướng, giá trị hội tụ và giá trị phân biệt) hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tốđược ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các thuộc tính của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám
phá EFA bao gồm:
- Tiêu chuẩn Bartlett và hệ sốKMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết HR0R (các biến không có tương quan với nhau trong tổng thể) bị
bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05.
Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr. 262).
- Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Engenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%. Tuy nhiên, trị số Engenvalue và phương sai trích là bao nhiêu còn phụ thuộc vào phương pháp trích và phép xoay
nhân tố. Theo Gerbing và Anderson (1988), phương pháp trích Principal Axis
Factoring với phép xoay Promax (Oblique) có phương sai trích bé hơn, song sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal components với phép xoay Varimax. Ngoài ra, trường hợp các biến có trọng số tải nhân tố
40
(Factor loading) được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp nhận < 0,3), tức không tạo nên sự khác biệt đểđại diện cho một nhân tố, thì biến đó cũng bị loại và các biến còn lại sẽđược nhóm vào nhân tốtương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).
Tuy nhiên, cũng như trong phân tích Cronbach alpha, việc loại bỏ hay không một biến quan sát không chỉ dựa vào trọng số tải nhân tố mà còn phải xem xét giá trị nội dung của biến đó. Trường hợp biến có trọng số tải nhân tố thấp hoặc được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ, nhưng có đóng góp quan trọng vào giá trị nội dung của khái niệm mà nó đo lường thì không nhất thiết loại bỏ biến đó (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011, tr. 402, 403).
Trong nghiên cứu này, tác giả sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax; loại bỏ các biến quan sát có trị số Factor loading ≤ 0,5 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố≤ 0,3 theo tiêu chuẩn của Gerbing và Anderson (1988).
3.4.3.2. Phân tích hồi qui
Quá trình phân tích hồi qui được thực hiện qua các bước:
Bước 1: Kiểm tra tương quan giữa biến các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr. 258), khi hệ số tương quan < 0,85 thì có khảnăng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).
Bước 2: Kiểm định mô hình hồi qui và các giả thuyết nghiên cứu
Y R= RβR1RXR1R+βR2RXR2R+ βR3RXR3R+ βR4XR R4R+...+ βRkRXRk Được thực hiện thông qua các thủ tục:
- Lựa chọn các biến đưa vào mô hình hồi qui (tác giả sử dụng phương pháp Enter - SPSS xử lý tất cả các biến đưa vào cùng một lượt).
41 - Đánh giá độ phù hợp của mô hình bằng hệ số xác định RP 2 P (R Square). Tuy nhiên, RP 2
Pcó đặc điểm càng tăng khi đưa thêm các biến độc lập vào mô hình, mặc dù không phải mô hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, RP
2
P
điều chỉnh (Adjusted R Square) có đặc điểm không phụ thuộc vào số lượng biến đưa thêm vào mô hình được sử dụng thay thế RP
2
P
để đánh giá mức độ phù hợp của mô hình hồi qui bội.
- Kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết HR0R: (không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập βR1R=βR2R=βR3R=βRKR= 0).
Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết HR0 Rbị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mô hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.
- Xác định các hệ số của phương trình hồi qui, đó là các hệ số hồi qui riêng phần βRkR: đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập XRkR
thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βRkR phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so sánh trực tiếp chúng với nhau là không có ý nghĩa. Do đó, để có thể so sánh các hệ số hồi qui với nhau, từđó xác định tầm quan trong (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vịđo lường độ lệnh chuẩn beta.
Bước 3: Kiểm tra vi phạm các giả định hồi qui
Mô hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải kiểm tra các vi phạm giảđịnh cần thiết sau đây:
- Có liên hệ tuyến tính gữa các biến độc lập với biến phụ thuộc - Phần dư của biến phụ thuộc có phân phối chuẩn
42
- Không có tương quan giữa các phần dư (tính độc lập của các sai số)
- Không có tương quan giữa các biến độc lập (không có hiện tượng đa cộng tuyến).
Trong đó:
- Công cụđể kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư
chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa
(Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted
Value).
- Công cụ để kiểm tra giảđịnh phần dư có phân phối chuẩn là đồ thị tần số Histogram, hoặc đồ thị tần số P-P plot.
- Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai không đổi là đồ thị phân tán của phần dư và giá trị dự đoán hoặc kiểm định Spearman’s rho.
- Công cụđược sử dụng để kiểm tra giả định không có tương quan giữa các phần dư là đại lượng thống kê d (Durbin - Watson), hoặc đồ thị phân tán phần dư chuẩn hóa (Scatter).
- Công cụđược sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance
inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005,
tr.217, 218), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, tr.497), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.
Tóm tắt chương 3
Chương này trình bày phương pháp nghiên cứu được thực hiện qua 2 giai đoạn là nghiên cứu sơ bộ và chính thức. Kết quả nghiên cứu sơ bộ là một nghiên cứu định tính khẳng định mô hình lý thuyết đề xuất trong chương 2 phản ánh các thành phần chính của các yếu tố tác động đến sự hài lòng của nhân viên xưởng dịch vụ tại các
43
Đại lý Honda Ô tô, đồng thời phát triển thang đo các thành phần này và sự hài lòng gồm 39 biến. Nghiên cứu chính thức là một nghiên cứu định lượng, mẫu nghiên cứu được chọn bằng phương pháp lấy mẫu ngẫu nhiên. Kích thước mẫu dự kiến là 292 được thu thập bằng hình thức phỏng vấn bằng bảng câu hỏi. Quá trình phân tích dữ liệu gồm các giai đoạn:
- Đánh sơ bộ các thang đo bằng Cronbach alpha và phân tích nhân tố khám phá (EFA).
- Phân tích hồi qui tuyến tính bội được sử dụng để kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu.
Toàn bộ quá trình phân tích dữ liệu sử dụng phần mềm SPSS 20.0. Kết quả phân tích dữ liệu nghiên cứu sẽđược trình bày trong chương tiếp theo.
44
CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ
NGHIÊN CỨU
4.1. THÔNG TIN VỀ MẪU NGHIÊN CỨU
Từ 320 bản câu hỏi được phát ra, người nghiên cứu thu về 310 bản câu hỏi (đạt tỉ lệ 96,87%). Sau khi loại bỏ các bản câu hỏi không đạt yêu cầu (có nhiều ô thiếu thông tin, hoặc nhiều hơn một ô trả lời), hoặc có cơ sở để xác định không đáng tin cậy (chọn cùng một mức độ, hoặc hai mức độ trả lời cho tất cả các câu hỏi). Số bản câu hỏi đáp ứng yêu cầu còn lại là 292 (đạt tỉ lệ 94% số bản câu hỏi phát ra) và phân phối theo đặc điểm nhân khẩu học của nhân viên như sau.
Bảng 4.1: Thông tin về mẫu nghiên cứu phân bốtheo đặc điểm nhân khẩu học Các đặc điểm cá nhân của nhân viên Tần số Tần suất (%)
Tuổi 18 – 35 133 45,5 36 – 55 96 32,9 Trên 55 63 21,6 Tổng 292 100,0 Số lần chuyển chỗ làm
Chưa di chuyển lần nào 89 30,5
1 - 3 71 24,3 4 – 5 74 25,3 > 6 58 19,9 Tổng 292 100,0 Thời gian làm việc Dưới 3 tháng 109 37,3 3 tháng – 1 năm 35 12,0 1 năm – 3 năm 40 13,7 4 – 6 năm 29 9,9 Trên 7 năm 79 27,1 Tổng 292 100,0 Trình độvăn hóa Phổ thông 137 46,9 Trung cấp nghề 75 25,7 Cao đẳng, Đại học 55 18,8 Sau đại học 25 8,6 Tổng 292 100,0
45
Nhận xét:
Nhìn chung mẫu nhiên cứu đã đáp ứng kích thước và cỡ mẫu nghiên cứu được xác định ởchương 2. Cụ thể là:
- Kích thước mẫu gần bằng 1.5 lần kích thước mẫu tối thiểu tính theo số biến đo lường (292 so với 200).
- Theo độ tuổi, ngừơi nghiên cứu đã đưa ra 3 nhóm tuổi: Từ18 tuổi đến 35tuổi có 133 người (chiếm 45,5%), từ 36 tuổi đến 55 tuổi có 96 người (32,9%) và trên 55 tuổi có 63 người (chiếm 21,6%).
- Về số lần chuyển chỗ làm: người nghiên cứu đã khảo sát 89 nhân viên chưa chuyển đổi lần nào (chiếm 30,5%), 71 nhân viên đã di chuyển từ 1 đến 3 lần (chiếm 24,3%), 74 nhân viên đã chuyển chỗ làm từ4 đến 5 lần (chiếm 25,3%) và 58 nhân viên đã chuyển chỗ làm trên 6 lần (chiếm 19,9%).
- Về thời gian làm việc: Dưới 3 tháng có 109 nhân viên (37,3%%); từ 3 tháng đến 1 năm có 35 nhân viên (chiếm 12%); từ1 năm đến 3 năm có 40 nhân viên
(chiếm 13,7%); từ4 đến 6 năm có 29 nhân viên (chiếm 9,9%) và trên 7 năm có 79
nhân viên (chiếm 27,1%)
- Vềtrình độvăn hóa: Được chia thành 4 nhóm, phổ thông có 137 nhân viên (chiếm 46,9%); trung cấp, nghề có 75 nhân viên (chiếm 25,7%); cao đẳng, đại học có 55 nhân viên (chiếm 18,8%) và nhóm sau đại học có 25 nhân viên (chiếm 8,6%)
Dựa trên những thông tin từ số liệu thu thập được từđiều tra xã hội học về tình hình nhân viên tại công ty, người nghiên cứu cho rằng cơ cấu mẫu như trên là phù hợp với thực tế. Kết quảthu được, vềkích thước và cơ cấu đã đạt so với yêu cầu đặt ra của người nghiên cứu trong chương 2.
4.2.ĐÁNH GIÁ SƠ BỘCÁC THANG ĐO BẰNG CRONBACH ALPHA VÀ EFA
4.2.1. Đánh giá độ tincậy các thang đo bằng Cronbach’s alpha
Sau khi chạy Cronbach alpha từng yếu tố, kết quảđánh giá Cronbachalpha được thể hiện trên bảng 4.2 cho thấy các thang đo đều có hệ sốalpha đạt yêu cầu (> 0,6), tuy nhiên nhân tố sự hỗ trợ của cấp trên loại biến SQT6 vì hệ số tương quan với
46
biến tổng <0,3, thấp nhất là thang đo sự hỗ trợ cấp trên có alpha = 0,736 và cao nhất là thang đo đào tạo phát triển – cơ hội thăng tiến có alpha = 0,866.
Bảng 4.2 Kết quả kiểm định Cronbach alpha Biến Trung bình thang đo nếu lọai biến Phương sai thang đo nếu loại biến Hệ số tương quan biến – tổng Cronbach alpha nếu loại biến Tiền lương và phúc lợi Cronbach alpha: 0,844 TLPL1 10,80 3,507 0,632 0,825 TLPL2 10,54 3,534 0,727 0,782 TLPL3 10,63 3,685 0,655 0,812 TLPL4 10,57 3,586 0,710 0,789 Sự hỗ trợ cấp trên Cronbach alpha: 0,714 SQT1 18,59 7,453 0,574 0,636 SQT2 18,63 7,486 0,547 0,644 SQT3 18,69 7,822 0,431 0,680 SQT4 18,42 7,537 0,552 0,643 SQT5 18,71 8,200 0,359 0,701 SQT6 18,52 8,560 0,251 0,736 Môi trường làm việc Cronbach alpha: 0,811 MTLV1 18,73 8,073 0,504 0,797 MTLV2 18,44 7,959 0,619 0,772 MTLV3 18,96 7,568 0,614 0,772 MTLV4 18,74 7,690 0,656 0,763 MTLV5 18,62 8,402 0,529 0,791 MTLV6 18,79 7,893 0,523 0,794 Đảm bảo công việc Cronbach alpha: 0,841 ATCV1 14,41 10,278 0,683 0,799 ATCV2 14,28 9,806 0,660 0,806 ATCV3 14,40 10,419 0,696 0,796 ATCV4 14,44 10,859 0,595 0,822 ATCV5 14,23 10,660 0,601 0,821
Đào tạo phát triển – cơ hội thăng tiến Cronbach alpha: 0,866
DTTT1 17,48 3,220 0,676 0,841 DTTT2 17,38 3,234 0,670 0,843 DTTT3 17,42 3,028 0,788 0,813 DTTT4 17,64 3,228 0,564 0,872
47 DTTT5 17,41 3,005 0,762 0,819 Quan hệđồng nghiệp Cronbach alpha: 0,853 QHDN1 16,73 4,502 0,718 0,809 QHDN2 16,68 5,022 0,703 0,814 QHDN3 16,62 5,041 0,776 0,800 QHDN4 16,62 5,150 0,617 0,835 QHDN5 16,65 5,024 0,557 0,854
Đánh giá hiệu quả công việc Cronbach alpha: 0,811 HQCV1 16,83 5,909 0,678 0,750 HQCV2 16,86 6,815 0,428 0,823 HQCV3 16,82 6,488 0,537 0,792 HQCV4 16,81 5,500 0,730 0,731 HQCV5 16,77 6,241 0,634 0,765 Cảm nhận sự hài lòng của nhân viên
Cronbach alpha: 0,761
HL1 8,78 0,737 0,615 0,654