2. .3 Phương pháp chọn mẫu
2.9.1.Cronbach’s Alpha của thang đo nhân tố động lực làm việc (DLLV)
Bảng 2.20: Cronbach’s Alpha của thang đo động lực làm việc
Biến quan sát Trung bình thang đo nếu loại biến Phương sai thang đo nếu loại biến Hệ sốtương quan biến – tổng Cronbach’s Alpha nếu loại biến này DLLV1 11.59 4.234 .708 .677 DLLV2 11.75 4.789 .551 .754 DLLV3 11.77 3.977 .602 .732 DLLV4 11.55 4.469 .530 .765
Động lực làm việcCronbach’s Alpha = 0.785
Bảng 2.20 cho thấy, thang đo nhân tố động lực làm việc có 4 biến quan sát.
Kết quả phân tích hệ số tin cậy của thang đo Cronbach’s Alpha của thang đo này là 0.785 > 0.7. Đồng thời cả 4 biến đều có hệ số tương quan biến – Tổng > 0.3. Như vậy thang đo động lực làm việc đáp ứng độ tin cậy.
Kết luận chung: Sau khi đo lường độ tin cậy của các nhân tố thông qua hệ
số Cronbach’s Alpha, kết quảđánh giá thang đo của 4 nhân tốđộc lập và 1 nhân tố phụ thuộc được tổng hợp như sau.
Bảng 2.21: Kết quả Cronbach’s Alpha đánh giá thang đo nhân tố độc lập và 1 nhân tố phụ thuộc
STT Tên nhân tố Sốlượng biến
quan sát
Biến quan sát
1 Cá nhân người lao động 6 CNNLD1, CNNLD2, CNNLD3, CNNLD4, CNNLD5, CNNLD6 2 Đặc điểm công việc 5 DDCV1, DDCV2, DDCV3, DDCV4, DDCV5 3 Đặc điểm tổ chức 8 DDTC1, DDTC2, DDTC3, DDTC4, DDTC5, DDTC6, DDTC7, DDTC8
4 Môi trường bên ngoài 4 MTBN1, MTBN2, MTBN3,
MTBN4
5 Động lực làm việc 4 DLLV1, DLLV2, DLLV3, DLLV4
(Nguồn: Phân tích dữ liệu từđiều tra của tác giả)
2.9.2 Phân tích nhân tố khám phá Exploratory Factor Analysis (EFA) tác
động đến động lực làm việc của nhân viên nhà hàng Le Champa – Resort & Spa
Le Belhamy
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis): Là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét ưới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽđược tính một tỷ số gọi là hệ số tải nhân tố (Factor loading). Hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ thuộc về những nhân tố nào, các nhân tố được rút gọn này sẽ chứa đựng hầu hết các thông tin của tập quan sát ban đầu.
Trong nghiên cứu này, phân tích nhân tố khám phá (EFA) được sử dụng để thu gọn, tóm tắt dữ liệu, đồng thời dựa vào mối tương quan giữa các biến với nhau để rút gọn thành những nhân tố có ý nghĩa hơn.
Kết quả phân tích nhân tố cho thấy khi đưa tất cả các biến thu thập được 23 biến vào phân tích, các biến có thể có liên hệ với nhau. Khi đó chúng sẽđược gom thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng các nhân tố cơ bản tác động đến động lực làm việc của nhân viên nhà hàng Le Champa – Resort & Spa Le Belhamy.
Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser–Meyer– Olkin) phải có giá trị lớn (0. ≤ KMO ≤ 1), điều này thể hiện phân tích nhân tố là phù hợp. Nếu hệ số KMO < 0.5 thì phân tích nhân tố có khả năng không phù hợp với các dữ liệu. Theo Kaiser (1974), KMO ≥ 0.9 là rất tốt; 0.9 > KMO ≥ 0.8 là tốt; 0.8 > KMO ≥ 0.7 là được; 0.7 > KMO ≥ 0.6 là tạm được; 0.6 > KMO ≥ 0. là xấu và KMO < 0.5 là không thể chấp nhận được (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Khi tiến hành phân tích nhân tố, nghiên cứu đặt ra 2 giả thuyết:
+ Giả thuyết H0: Các biến trong tổng thểkhông có tương quan với nhau. + Giả thuyết H1: Các biến trong tổng thểcó tương quan với nhau.