Hình 3.1. Quy trình nghiên cứu Cơ sở lý thuyết Thảo luận nhóm (n=20) Mô hình đề xuất Bảng câu hỏi chính thức Phân tích kết quả xử lý số liệu Khảo sát chính thức (n=170) Mục tiêu nghiên cứu Kiểm định thang đo Phân tích nhân tố EFA Phân tích tƣơng quan Phân tích hồi quy Hàm ý chính sách Loại các biến có tƣơng quan biến tổng thấp và kiểm tra hệ số
Loại các biến có hệ số tƣơng quan với nhân tố thấp
Kiểm định mô hình Kiểm định giả thuyết
25 3.1.2.Phƣơng pháp nghiên cứu
Tác giả sử dụng phƣơng pháp nghiên cứu định tính và phƣơng pháp nghiên cứu định lƣợng. Trên cơ sở mô hình của Nguyễn Thị Kim Anh (2017), tác giả dùng mô hình này làm cơ sở cho nghiên cứu định tính. Do đó, tác giả sử dụng thang đo của Nguyễn Thị Kim Anh (2017) để xây dựng thang đo nháp. Sau đó, thực hiện thảo luận nhóm với 20 cán bộ (lãnh đạo), công chức (nhân viên) đang công tác tại địa bàn nghiên cứu nhằm điều chỉnh các biến quan sát, làm cơ sở thành lập thang đo chính. Qua nghiên cứu cho thấy một số biến quan sát ở thang đo nháp chƣa phù hợp, chƣa tạo động lực làm việc cho cán bộ, công chức. Cơ sở để xác định lại các yếu tố, biến quan sát ở thang đo nháp là đa số cán bộ, công chức đƣợc phỏng vấn cho rằng yếu tố, biến quan sát đó chƣa phù hợp cần loại bỏ và bổ sung. Qua kết quả khảo sát cho thấy, có 08 nhân tố chính thức tác động đến động lực làm việc của cán bộ công chức cấp xã, 3/40 biến quan sát chƣa phù hợp sẽ đƣợc bổ sung biến phù hợp hơn. Qua đó hoàn thiện bảng câu hỏi đƣa vào khảo sát chính thức.
Nghiên cứu định lƣợng đƣợc thực hiện bằng cách thu thập dữ liệu thông qua việc trả lời các bảng câu hỏi, dữ liệu đƣợc sắp xếp trên một file Excel để nhận xét và đánh giá các tiêu chí đã đƣa ra. Trên cơ sở xử lý và làm sạch số liệu bằng phần mềm SPSS 20, tác giả tiến hành kiểm định chất lƣợng thang đo Cronbach Alpha để đánh giá chất lƣợng của thang đo xây dựng, giúp loại bỏ những biến không phù hợp, hạn chế biến rác trong quá trình nghiên cứu. Thang đo đƣợc đánh giá chất lƣợng tốt khi hệ số Cronbach Alpha của tổng thể lớn hơn 0,6. Những biến có hệ số tƣơng quan biến – tổng (Item total correlation) nhỏ hơn 0,3 sẽ bị loại (Nunnally, 1978; Slater, 1995).
Sau đó, tác giả thực hiện phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) để thu nhỏ và tóm tắt dữ liệu. Mô hình EFA giúp chúng ta sắp xếp các biến có tƣơng quan vào trong các nhân tố độc lập để xác định các nhân tố hình thành nên mô hình nghiên cứu. Việc phân tích nhân tố khám phá bao gồm kiểm định tính thích hợp của EFA với trị số KMO (Kaiser - Mever – Olkin) thỏa
26
điều kiện 0,5 < KMO < 1 có ý nghĩa phân tích nhân tố là thích hợp, phân tích nhân tố có khả năng không thích hợp với dữ liệu nếu KMO < 0,5; kiểm định tƣơng quan của các biến quan sát trong thƣớc đo đại diện và kiểm định mức độ giải thích của các biến quan sát đối với nhân tố, bằng phép quay Varimax và phƣơng pháp trích nhân tố Principle Components, tác giả rút trích nhân tố đại diện bằng các biến quan sát, hệ số tải nhân tố (Factor loading) phải ≥ 0,5 mới có ý nghĩa, nó biểu diễn các tƣơng quan đơn giữa các biến và nhân tố.
Bƣớc tiếp theo là phân tích hồi quy đa biến. Mục tiêu của hồi quy đa biến là đánh giá ảnh hƣởng của các biến độc lập đến biến phụ thuộc và sử dụng các biến độc lập với giá trị đã biết để tiên đoán giá trị của biến phụ thuộc. Ở bƣớc này tác giả thực hiện các kiểm định chính sau: kiểm định tƣơng quan từng phần của các hệ số hồi quy, kiểm định mức độ phù hợp của mô hình, kiểm định phƣơng sai phần dƣ thay đổi.