Dữ liệu thu thập được phân tích, xử lý bằng phần mềm SPSS 20.0 với các nội dung như sau:
- Đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s alpha: Thang đo các thành phần của sự thỏa mãn, sự thỏa mãn chung với công việc và sự cam kết tình cảm với tổ chức được đánh giá độ tin cậy bằng kiểm định Cronbach’s alpha. Các biến quan sát không phù hợp sẽ bị loại nếu hệ số tương quan biến tổng nhỏ <0.3 và thang đo sẽ được chấp nhận khi Cronbach’alpha ≥ 0.6 (Nunnally và Bernstein, 1994, dẫn theo Nguyễn Đình Thọ 2011).
- Kiểm định sự hội tụ của thang đo và rút gọn biến bằng phân tích nhân tố khám phá EFA: Thang đo các thành phần của sự thỏa mãn, sự thỏa mãn chung với công việc và sự cam kết tình cảm với tổ chức sau khi được đánh giá độ tin cậy sẽđược tiến hành phân tích nhân tố khám phá EFA để đo lường sự hội tụ của các thang đo. Kiểm định sự tương quan giữa các biến đo lường bằng kiểm định Barlett với mức ý nghĩa 5% (Hair&ctg, 2006, dẫn theo Nguyễn Đình Thọ 2011). Đồng thời, kiểm định hệ số KMO (Kaiser-Meyer-Olkin) để kiểm định độ tương quan (Kaiser, 1974, dẫn theo Nguyễn Đình Thọ 2011) và hệ số KMO phải có giá trị từ 0.5 trở lên. Các biến có hệ số tải nhân tố (factor loading) < 0.5 sẽ bị loại (Nguyễn Đình Thọ, 2011)
- Tiêu chí chọn sốlượng nhân tố: dựa vào chỉ số Eigenvalue > 1 và mô hình lý thuyết có sẵn (Garson, 2003). Kiểm định sự phù hợp mô hình EFA so với dữ liệu khảo sát với yêu cầu tổng phương sai trích (Cumulative%) ≥ 50% (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, Nguyễn Đình Thọ, 2011)
- Kiểm định mô hình hồi quy đa biến: Dựa trên kết quả phân tích EFA tác giả sẽ định nghĩa lại các biến trong mô hình nghiên cứu để thực hiện phân tích hồi quy. Tác giả sử dụng phương pháp Enter để phân tích hồi quy đo lường các yếu tố ảnh hưởng sự thỏa mãn công việc đến cam kết tình cảm của nhân viên với tổ chức tại công ty cổ phần vàng bạc đá quý Phú Nhuận.
- Để đánh giá sự phù hợp của mô hình, các nhà nghiên cứu thường sử dụng hệ số xác định R P
2
P
( R-quare) để đánh giá mức độ phù hợp của mô hình nghiên cứu, hệ số xác định R 2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô
R P
2
P
có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có một biến giải thích trong mô hình. Như vậy trong phần hồi quy tuyến tính bội thường dùng hệ số R –quare để điều chỉnh đánh giá sự phù hợp của mô hình. Bên cạnh đó cần kiểm tra hiện tượng tương quan bằng hệ số Durbin - Waston (1<Durbin – Waston<3) và không có hiện tượng đa cộng tuyến, hệ số phóng đại phương sai VIF( VIF<10). Hệ số beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự thỏa mãn chung càng lớn ( Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
- Kiểm định F để xem xét mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể. - Kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0.
- Đánh giá mức độtác động của các biến độc lập đến biến phụ thuộc thông qua hệ số Beta.
Cuối cùng ta tiến hành dò tìm các vi phạm giảđịnh cần thiết trong phân tích hồi quy.