Thang đo được kiểm định bằng hệ số tin cậy Cronbach’s Alpha và phân tích nhân
tố khám phá EFA với phần mềm SPSS. Phân tích tương quan và hồi qui tuyến tính sẽ được sử dụng để kiểm định mô hình và các giả thuyết nghiên cứu. Cuối cùng là phân tích ANOVA để kiểm tra sự khác biệt về mức độ gắn kếtvì mong muốn là thành viên của nhà trườngtheo các nhân tố nhân chủng học.
3.3.3.1 Kiểm định Cronbach’s Alpha
Nghiên cứu đánh giá độ tin cậy của từng yếu tố thang đo động viên và thang đo sự gắn kếttổ chức của cán bộ giảng viênvới nhà trườngbằng công cụ hệ số tin cậy Cronbach’s Alpha. Hệ số Cronbach’s Alpha được sử dụng để loại các biến không phù hợp, các số này có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại và thang đo sẽ được chọn khi hệ số Cronbach’s Alpha từ 0,6 trở lên. [7, tr 24]
3.3.3.2 Phân tích nhân tố EFA
Phân tích nhân tố được sử dụng chủ yếu để đánh giá giá trị hội tụ và giá trị phân biệt. Trong phân tích nhân tố EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn bao gồm:
Thứ nhất: chỉ số KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu như trị số KMO nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Kiểm định Bartlett’s xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa (Sig. ≤ 0,05) thì
các biến quan sát có tương quan với nhau trong tổng thể. [7, tr 31]
Thứ hai: hệ số tải nhân tố (factor loadings) là những hệ số tương quan đơn giữa các biến và các nhân tố. Trong thực tiễn nghiên cứu, giá trị này ≥ 0,5 là chấp nhận. [7, tr 31]
Thứ ba: thang đo được chấp nhận khi tổng phương sai trích (TVE) phải đạt từ 50% trở lên. Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các
biến đo lường [5, tr 403]. Phương pháp trích “Principal Axis Factoring” với phép quay
“Varimax” được sử dụng trong phân tích nhân tố thang đo các yếu tốđộc lập.
Thứ tư:hệ số eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1. [5, tr 393]
Thứ năm: chênh lệch trọng số giữa 2 hệ số tải nhân tố <0,3 để đảm bảo giá trị phân biệt giữa các nhân tố. [5, tr 403]
3.3.3.3 Cách kiểm định mô hình hồi quy
Trước tiên, tác giả tiến hành kiểm định mối quan hệ giữa động viên và sự gắn kết của cán bộ giảng viên với nhà trường thông qua hệ số tương quan Pearson, được ký hiệu bằng chữ “r”, giá trị r nằm trong khoảng -1 ≤ r ≤ +1. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra rằng hai biến không có mối liên hệ tuyến tính.
Sau đó, tiến hành kiểm định giả thuyết về hệ số tương quan tuyến tính r. Để hồi quy có ý nghĩa, nghiên cứu đã thực hiện các kiểm định sau:
+ Mô hình không có hiện tượng đa cộng tuyến: chúng ta phải dò tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (VIF), chỉ khi nào VIF vượt quá 10 thì mô hình mới xảy ra hiện tượng đa cộng tuyến. [5, tr. 497]
+ Các phần dư có phân phối chuẩn: Nghiên cứu thực hiện khảo sát phân phối của phần dư bằng cách xây dựng biểu đồ tần số Histogram và biểu đồ P-P plot. Nếu nhìn vào biểu đồ tần số Histogram ta thấy phần dư có phân phối chuẩn với trị trung bình mean = 0, độ lệch chuẩn Std.Dev gần bằng 1 và biểu đồ tần số P-P Plot cũng cho ta thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng thì ta có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
+ Giả định về tính độc lập của sai số (không có sự tương quan giữa các phần dư): ta dùng đại lượng Durbin – Watson để thực hiện kiểm định. Đại lượng này có giá trị biến thiên từ 0 đến 4. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2.
+ Giả định phương sai của phần dư không đổi: Để biết được mô hình có bị hiện tượng phương sai thay đổi chúng ta có thể dùng đồ thị Scatter Plot để giải thích.
Sau đó, tác giả sử dụng phương pháp hồi quy tuyến tính bội để xác định mức ý nghĩa và mối tương quan tuyến tính của các biến trong mô hình.