2.3.1. Đánh giá sơ bộ thang đo
Việc đánh giá sơ bộ độ tin cậy và giá trị của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA (Exploring Factor Analysis) thông qua phần mềm xử lý SPSS 20.0 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn độ tin cậy. Trong đó:
Cronbach’s 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 thông qua hệ số Cronbach’s Alpha. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, tr.257, 258) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach alpha có giá trị từ 0.7 trở lên là sử dụng được. Về mặt lý thyết, Cronbach’s alpha càng cao thì càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, nếu Cronbach’s Alpha quá lớn (95%) thì xuất hiện hiện tượng trùng lắp (đa cộng tuyến) trong đo lường, nghĩa là nhiều biến trong thang đo không có khác biệt gì nhau (Nguyễn Đình Thọ, 2011, tr.350-351).
Tuy nhiên, bên cạnh hệ số Cronbach’s Alpha, người ta còn sử dụng hệ số tương quan biến tổng (iterm - total correlation), do hệ số Cronbach’s Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại; theo đó những biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ (Nguyễn Đình Thọ, 2011).
2.3.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA 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 tố được 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 số KMO (Kaiser – Mayer – Olkin) dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (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, 2008, 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 Cummulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Nguyễn Đình Thọ (2011), 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 Nguyễn Trọng Hoài
(2009, tr.14), nếu sau phân tích EFA là phân tích hồi qui thì có thể sử dụng phương pháp trích Principal components với phép xoay Varimax.
Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và ctg, Factor loading > 0.3 được xem là đạt mức tối thiểu; Factor loading > 0.4 được xem là quan trọng; Factor loading > 0.5 được xem là có ý nghĩa thực tiễn. Trường hợp chọn tiêu chuẩn Factor loading > 0.3 thì cỡ mẫu ít nhất phải là 350; nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0.55; nếu cỡ mẫu khoảng 50 thì Factor loading > 0.75 (Nguyễn Trọng Hoài, 2009, tr.14). Ngoài ra, trường hợp các biến có 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 để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến còn lại sẽ được nhóm vào nhân tố tương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).
2.3.3. Phân tích hồi qui tuyến tính bội
Quá trình phân tích hồi qui tuyến tính 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 độc lập với biến phụ thuộc. Tuy nhiên, 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: Xây dựng và kiểm định mô hình hồi qui
Y = β1X1+β2X2+ β3X3+ β4X4+...+ βkXk Được thực hiện thông qua các thủ tục:
Lựa chọn các biến đưa vào mô hình hồi qui, sử dụng phương pháp Enter (SPSS 20.0 xử lý tất cả các biến đưa vào cùng một lượt).
Đánh giá độ phù hợp của mô hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có 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, R2 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 R2 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 H0: (không có mối quan hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập β1=β2=β3=βK= 0).
Nếu trị thống kê F có Sig rất nhỏ (< 0.05), thì giả thuyết H0 bị 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 βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk 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 từ đó xác định tầm quan trọng (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 vị đo 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 giả định 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; Phương sai của sai số không đổi; 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 cụ để 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 giả định 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 cụ được 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 cụ được 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 (2008, tr.217, 218), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ (2011, tr.497), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.
2.3.4. Kiểm định sự khác biệt
Công cụ sử dụng là phép kiểm định Independent - Sample T-Test, hoặc phân tích phương sai (ANOVA), hoặc kiểm định KRUSKAL - WALLIS. Trong đó:
Independent - Sample T-Test được sử dụng trong trường hợp các yếu tố nhân khẩu học có hai thuộc tính (chẳng hạn, giới tính bao gồm: giới tính nam và giới tính nữ), vì thế chia tổng thể mẫu nghiên cứu làm hai nhóm tổng thể riêng biệt. (adsbygoogle = window.adsbygoogle || []).push({});
Phân tích phương sai (ANOVA) được sử dụng trong trường hợp các yếu tố nhân khẩu học có ba thuộc tính trở lên, vì thế chia tổng thể mẫu nghiên cứu làm ba nhóm tổng thể riêng biệt trở lên (chẳng hạn, thời gian sử dụng dịch vụ của khách hàng, bao gồm: dưới 1 năm, từ 1-3 năm, trên 3 năm). Điều kiện để thực hiện ANOVA là các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên; các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu đủ lớn để tiệm cận với phân phối chuẩn; phương sai của các nhóm so sánh phải đồng nhất.
Tóm tắt chương 2
Trong chương 2 này, tác giả trình bày về tổng quan Công ty TNHH MTV Nông Lâm Nghiệp Kiên Giang. Trình bày về phương pháp nghiên cứu luận văn bao gồm phương pháp nghiên cứu sơ bộ và sau đó nghiên cứu chính thức. Nghiên cứu sơ bộ là sau khi đọc và tìm ra các nhân tố ảnh hưởng đến sự gắn bó của người lao động đối với Công ty TNHH MTV Nông Lâm Nghiệp Kiên Giang. Từ các mô hình nghiên cứu tác giả xây dựng sơ bộ từ bảng câu hỏi. Bảng câu hỏi xây dựng xong, tác giả tiến hành phỏng vấn thử 20 khách hàng và khách hàng cho ý kiến chỉnh sửa bảng câu hỏi cho phù hợp.
Sau khi bảng câu hỏi chỉnh sửa phù hợp và mô hình chính thức nghiên cứu được xây dựng. Tác giả tiến hành thiết kế thang đo, mẫu, đặt giả thuyết nghiên cứu và tiến hành phỏng vấn, thu nhập dữ liệu, mã hóa dữ liệu và nhập vào SPSS 20.0 để xử lý dữ liệu. Sau khi xử lý xong số liệu tác giả sẽ trình bày kết quả và phân tích kết quả trong chương tiếp theo.
CHƯƠNG 3. KẾT QUẢ NGHIÊN CỨU 3.1. Mô tả mẫu khảo sát
Như đã trình bày ở chương trước, mẫu được chọn theo phương pháp thuận tiện với kích thước mẫu dự kiến là 280 phần tử. Tiến hành khảo sát mẫu, có 280 phiếu được phát ra cho người lao động trong công ty và thu về 280 phiếu trong đó có 30 phiếu không hợp lệ (phiếu không trả lời đầy đủ thông tin và phiếu không trả lời). Số phiếu phản hồi hợp lệ là 250 phiếu, chiếm tỷ lệ 89,3%. Vậy sau khi gạn lọc những phiếu không hợp lệ ra và tiến hành nhập liệu 250 phiếu khảo sát hợp lệ, kết quả nhận được như sau (xem phụ lục 3)
Bảng 3.1. Kết quả thống kê giới tính trong mẫu nghiên cứu
Giới tính Số người Tỷ lệ (%)
1 Nam 143 57,2
2 Nữ 107 42,8
Tổng cộng 250 100
Nguồn: Phụ lục 3
Về giới tính, trong 250 người phản hồi bảng câu hỏi có 143 người nam (chiếm 57,2%) và có 107 người nữ (chiếm 42,8%).
Bảng 3.2. Kết quả thống kê tuổi trong mẫu nghiên cứu
Tuổi Số người Tỷ lệ (%) 1 Dưới 25 tuổi 31 12,4 2 Từ 25 đến 35 tuổi 75 30,0 3 Từ 36 đến 45 tuổi 89 35,6 4 Trên 45 tuổi 55 22,0 Tổng cộng 250 100 Nguồn: Phụ lục 3
Về độ tuổi, trong mẫu có 31 người độ tuổi dưới 25 (chiếm 12,4%), độ tuổi từ 25 đến 35 có 75 người (chiếm 30%), độ tuổi từ 36 đến 45 có 89 người (chiếm 35,6%), tuổi trên 45 có 55 người (chiếm 22%).
Bảng 3.3. Kết quả thống kê đối tượng trong mẫu nghiên cứu Trình độ học vấn Số người Tỷ lệ (%)
1 Nông trường Kiên Lương 43 17,2 2 Nhà máy sản xuất – kinh
doanh phân hữu cơ 102 40,8
3 Nông lâm trường Hòn Đất 77 30,8
4 Nhân viên văn phòng 28 11,2
Tổng cộng 250 100
Nguồn: Phụ lục 3
Về đối tượng, Nông trường Kiên Lương có 43 người (chiếm 17,2%), Nhà máy sản xuất – kinh doanh phân hữu cơ có 102 người (chiếm 40,8%), Nông lâm trường Hòn Đất có 77 người (chiếm 30,8%) và Nhân viên văn phòng có 28 người (chiếm 11,2%).
Bảng 3.4. Kết quả thống kê trình độ người lao động trong mẫu nghiên cứu Trình độ học vấn Số người Tỷ lệ (%)
1 Đại học và trên đại học 13 5,2
2 Cao đẳng 70 28,0
3 Trình độ trung cấp, sơ cấp,
công nhân lành nghề 167 66,8
Tổng cộng 250 100 (adsbygoogle = window.adsbygoogle || []).push({});
Nguồn: Phụ lục 3
Về trình độ, Trình độ trung cấp, sơ cấp, công nhân lành nghề có 167 người (chiếm 66,8%), cao đẳng có 70 người (chiếm 28,0%), đại học và trên đại học có 13 người (chiếm 5,2%).
Như vậy, kết quả phân tích trên cho thấy tỷ lệ về giới tính, độ tuổi, nghề nghiệp, trình độ gần bằng với tỷ lệ thực tế về giới tính, độ tuổi, nghề nghiệp, trình độ của tổng thể các nhân viên trong công ty nên có thể đại diện được cho tổng thể.
3.2. Đánh giá thang đo qua kiểm tra độ tin cậy thang đo Cronbach’s Alpha
Kết quả Cronbach’s Alpha được thể hiện ở bảng sau:
3.2.1. Thang đo về Lương, thưởng và chính sách đãi ngộ
Theo Bảng 3.5 ta có hệ số độ tin cậy alpha của thang đo Lương, thưởng và chính sách đãi ngộ là 0,776 lớn hơn 0,6 cho nên thang đo này đạt tiêu chuẩn. Hơn nữa, các biến đều có hệ số tương quan biến tổng lớn hơn 0,3. Như vậy, thang đo phù hợp và đạt được độ tin cậy.
Bảng 3.5. Cronbach’s alpha thang đo về Lương, thưởng và chính sách đãi ngộ Biến quan
sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại
biến Cronbach’s Alpha = 0.776 LT1 19,75 39,416 0,861 0,667 LT2 19,44 43,806 0,649 0,719 LT3 17,97 51,907 0,352 0,887 LT4 19,21 32,583 0,872 0,633 LT5 19,45 34,594 0,855 0,644 LT6 16,36 57,676 0,308 0,809
3.2.2. Thang đo về Cơ hội thăng tiến
Theo Bảng 3.6 ta có hệ số độ tin cậy alpha của thang đo cơ hội thăng tiến là 0,903 lớn hơn 0,6 cho nên thang đo này đạt tiêu chuẩn. Hơn nữa, các biến đều có hệ số tương quan biến tổng lớn hơn 0,3. Như vậy, thang đo cơ hội thăng tiến đều phù hợp và đạt được độ tin cậy.
Bảng 3.6. Cronbach’s alpha của thang đo về Cơ hội thăng tiến Biến quan
sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại
biến Cronbach’s Alpha = 0,903 CHTT1 17,80 17,058 0,809 0,871 CHTT2 18,13 16,717 0,810 0,870 CHTT3 18,44 17,533 0,669 0,901 CHTT4 17,92 16,500 0,816 0,869 CHTT5 18,18 17,947 0,693 0,895
3.2.3. Thang đo về Cảm nhận về sự phát triển bền vững của tổ chức
Kết quả bảng 3.7 cho thấy, hệ số Cronbach’s Alpha đạt 0,819 > 0,6, hệ số tương quan biến - tổng của các biến trong thang đo đều lớn hơn 0,3. Hệ số Alpha hiện đang lớn hơn 0,6 và hệ số tương quan biến tổng đều lớn hơn 0,3. Các biến hiện tại đang đạt động tin cậy của thang đo.
Bảng 3.7. Cronbach’s alpha của thang đo Cảm nhận về sự phát triển bền vững của tổ chức (adsbygoogle = window.adsbygoogle || []).push({});
Biến quan sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến tổng
Cronbach’s Alpha nếu loại biến Cronbach’s Alpha = 0,819
CNPT1 12,11 3,040 0,711 0,739
CNPT2 12,09 3,044 0,701 0,743
CNPT3 12,04 3,151 0,682 0,753
CNPT4 12,11 3,714 0,478 0,841
3.2.4. Thang đo về Môi trường làm việc
Theo Bảng 3.8 ta có hệ số độ tin cậy alpha của thang đo Môi trường làm việc là 0,657 lớn hơn 0,6 cho nên thang đo này đạt tiêu chuẩn. Hơn nữa, các biến đều có hệ số tương quan biến tổng lớn hơn 0,3. Như vậy, thang đo Môi trường làm việc đều phù hợp và đạt được độ tin cậy.
Bảng 3.8. Cronbach’s alpha của thang đo về Môi trường làm việc Biến quan