Trong đề tài nghiên cứu này, phân tích nhân tố sẽ giúp ta xem xét khả năng rút gọn số lượng 28 biến quan sát (4 biến điều kiện làm việc đã bị loại ở phần phân tích hệ số Cronbach’s alpha) xuống còn một số ít các nhân tố (biến) dùng để đo lường sự hài lòng công việc. Nó cũng giúp ta kiểm định lại lần nữa các chỉ số đánh giá (biến) trong từng nhân tố có thực sự đáng tin cậy và có độ kết dính như chúng đã thể hiện ở phần xác định hệ số Cronbach’s alpha hay không? Tương tự nó cũng giúp ta kiểm tra xem bảy nhân tố mà chúng ta đã xây dựng ban đầu có thực sự đo lường cùng khái niệm “sự hài lòng về công việc” và có độ kết dính cao hay không.
4.3.2.1. Các khía cạnh từng nhân tố của sự hài lòng công việc.
Sau khi các biến của nhân tố điều kiện làm việc đã bị loại khỏi thang đo, phân tích nhân tố được tiến hành. Như vậy, từ số biến quan sát ban đầu là 32 biến, nay ta chỉ còn lại 28 biến. Mong đợi của chúng trước khi tiến hành phân tích nhân tố này là 28 biến này sẽ được rút gọn thành 7 nhân tố là sự hài lòng đối với thu nhập, đào tạo thăng tiến, cấp trên, đồng nghiệp, đặc điểm công việc và phúc lợi Công ty.
Cũng như các phương pháp phân tích thống kê khác, trước khi tiến hành phân tích nhân tố, ta cũng cần kiểm tra xem việc dùng phương pháp này có phù hợp hay không.
Bảng 4.25 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .803 Approx. Chi-Square 3476.201 df 378 Bartlett's Test of Sphericity Sig. 0.000
Việc kiểm tra này sẽ được thực hiện bởi việc tính hệ số KMO and Bartlett’s Test. Trị số của KMO trong trường hợp này khá lớn đạt 0.803 và Sig. của Bartlett’s Test nhỏ hơn 1/1000 cho thấy 28 biến này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố. Bartlett’s Test dùng để kiểm định giả thuyết Ho là các biến không có tương quan với nhau trong tổng thể còn KMO dùng để kiểm tra xem với kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay không. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005), giá trị KMO nằm giữa 0.5 đến 1 có nghĩa là phân tích nhân tố là thích hợp.
Phương pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal component analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Bảng kết quả phân tích nhân tích cho thấy có tất cả 28 nhân tố nhưng chỉ có bảy nhân tố có Eigenevalue lớn hơn 1. Bảy nhân tố này sẽ được giữ lại tiếp tục phân tích. Ta cũng thấy được với bảy nhân tố này sẽ giải thích được 69.63% (bảng 4.27) biến thiên của dữ liệu (phần trăm của phương sai). Tỉ lệ này là khá cao trong phân tích nhân tố.
Nhìn vào hệ số tải nhân tố ở ma trận nhân tố (component matrix) ta khó có thể thấy được những biến nào giải thích nhân tố nào, do vậy ta cần phải xoay các nhân tố. Phương pháp xoay được chọn ở đây là Varimax, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0.5. Chỉ những biến có hệ số tải lớn hơn 0.5 mới được sử dụng để giải thích một nhân tố nào đó.
Sau khi xoay các nhân tố sự tập trung của các biến theo từng nhân tố đã hiện rõ ràng (bảng 4.28). Trong đó nhân tố đầu tiên là toàn bộ các biến thuộc nhân tố sự hài lòng đối với đặc điểm công việc. Nhân tố thứ hai là toàn bộ các biến thuộc nhân tố sự hài lòng đối với cấp trên. Nhân tố thứ ba là các biến thuộc nhân tố sự hài lòng đối với
đồng nghiệp. Nhân tố thứ tư là toàn bộ các biến thuộc nhân tố sự hài lòng đối với môi
trường. Nhân tố thứ năm là toàn bộ các biến thuộc nhân tố sự hài lòng đối với phúc
lợi mà Công ty mang lại cho người lao động. Nhân tố thứ sáu là toàn bộ các biến thuộc nhân tố sự hài lòng đối với thu nhập. Nhân tố thứ bảy là toàn bộ các biến thuộc nhân tố sự hài lòng đối với sự thăng tiến và phát triển nghề nghiệp.
Kết quả cuối cùng ở phần phân tích nhân tố, ta vẫn còn lại 28 biến trong thang đo và được chia làm bảy nhân tố. Bảy nhân tố đó gồm sự hài lòng đối với thu nhập, sự thăng tiến và phát triển nghề nghiệp, cấp trên, đồng nghiệp, đặc điểm công việc, phúc lợi và môi trường làm việc.
Phân tích nhân tố cũng giúp ta xác định được hệ số nhân của các biến đối với từng nhân tố như sau:
Nhân số thứ i được xác định:
Fi : Nhân tố thứ i được giải thích bởi 27 biến quan sát
Wik: là hệ số nhân tố của biến thứ k khi giải thích nhân tố thứ i được trình bày trong ma trận hệ số nhân tố (Component Score Coefficient Matrix)
Xk: biến quan sát thứ k
4.3.2.2. Phân tích nhân tố EFA cho biến phụ thuộc
Bảng 4.32 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .751 Approx. Chi-Square 178.647
df 6
Bartlett's Test of Sphericity
Sig. .000
1. Kiểm định tích thích hợp của mô hình phân tích nhân tố EFA (Kaiser-Meyer-Olkin)
Thước đo KMO (Kaiser-Meyer-Olkin) có giá trị = 0,751 (bảng 4.32) thỏa điều kiện 0,5 ≤ KMO ≤1 Kết luận: phân tích nhân tố là phù hợp với dữ liệu thực tế.
2. Kiểm định tính tương quan giữa các biến quan sát (Bartlett's Test)
Sử dụng kiểm định Bartlett (Bartlett's Test)
Kiểm định giả thuyết H0: mức tương quan của các biến bằng không
Kết quả kiểm định Bartlett's Test có giá trị Sig. = 0,000 < 0,05 (bảng 4.32). Kết luận: các biến quan sát có tương quan với nhau trong mỗi nhóm nhân tố.
3. Kiểm định phương sai trích của các yếu tố (% Cumulative variance)
Trong bảng tổng phương sai trích (Total Variance Explained), tiêu chuẩn chấp nhận phương sai trích > 50%.
Trong bảng kết quả phân tích trên cho thấy, tổng phương sai trích (Total Variance Explained) ở dòng Component số 1 và cột Cumulative % có giá trị phương sai cộng dồn của các yếu tố là 55,198% > 50% đáp ứng tiêu chuẩn (bảng 4.33).
4. Kiểm định hệ số Factor loading
Kết quả phân tích EFA cho các biến phụ thuộc trên cho thấy, hệ số tải nhân tố của các biến quan sát đều thỏa điều kiện khi phân tích nhân tố là hệ số Factor Loading >=0,5 và số nhân tố tạo ra khi phân tích nhân tố là 1 nhân tố, không có biến quan sát nào bị loại.
Các biến quan sát trong nhân tố “Mức độ hài lòng chung” đã thỏa điều kiện phân tích Cronbach’s Alpha.