Nguồn: Kết quả nghiên cứu định tính từ điều chỉnh thang đo của Abby M. Brooks
(2007)
ĐLLV được đo lường bằng 3 biến quan sát và xây dựng dựa vào nghiên cứu của Abby M. Brooks (2007); được kí hiệu từ ĐL1 đến ĐL3.
3.4. Phương pháp nghiên cứu định lượng 3.4.1. Phương pháp thu thập dữ liệu 3.4.1. Phương pháp thu thập dữ liệu
Để thu thập dữ liệu, luận văn thông qua bảng câu hỏi khảo sát trực tuyến qua email và các kênh mạng xã hội (facebook và zalo) bằng công cụ Microsoft Forms. Bảng khảo sát được gửi đến các CBCC tại các xã, phường trong địa bàn Tp. Nha Trang. Sau đó, liên hệ trực tiếp qua điện thoại, facebook hoặc zalo với từng nhóm cán bộ để nhờ họ dành thời gian khảo sát. Khi nhận được sự đồng ý, tác giả gửi đường dẫn bảng câu hỏi khảo sát trực tuyến.
3.4.2. Thông tin mẫu khảo sát
UBND Tp. Nha Trang có 27 xã phường trực thuộc. Tổng số CBCC trực thuộc UBND Tp. Nha Trang tính đến thang 7 năm 2020: 405 người (208 nam, 197 nữ) Để có cái nhìn tổng quát về đối tượng nghiên cứu, ta sẽ thống kê mô tả theo các đặc
điểm giới tính, độ tuổi, trình độ học vấn, thâm niên. Sau khi thực hiện phỏng vấn 200 CBCC của các cơ quan thuộc UBND Tp. Nha Trang, nội dung Bảng khảo sát: Dự kiến gồm 3 phần chính như sau:
Phần I: Giới thiệu mục đích khảo sát
Phần II: Bao gồm những câu hỏi phân loại CBCC theo giới tính, vị trí cơng tác, trình độ học vấn, độ tuổi và thâm niên cơng tác
Phần III: Bao gồm những câu hỏi về các tiêu chí về các nhân tố ảnh hưởng đến ĐLLV của CBCC; thang đo Likert 5 mức độ được dùng để đo lường tất cả các nhân tố tạo ĐLLV, câu trả lời chọn lựa từ điểm 1 ”hồn tồn khơng đồng ý” đến điểm 5 “hoàn toàn đồng ý”.
3.4.3. Phương pháp chọn mẫu sơ bộ
Do hạn chế về thời gian, luận văn sử dụng phương pháp chọn mẫu thuận tiện. Khi các CBCC phản hồi theo đường dẫn đã gửi sẽ được cập nhật liên tục trên Microsoft Forms 365. Tác giả sử dụng cỡ mẫu n = 50 để đánh giá sơ bộ thang đo.
3.4.4. Phương pháp phân tích dữ liệu 3.4.4.1. Kiểm tra và làm sạch dữ liệu 3.4.4.1. Kiểm tra và làm sạch dữ liệu
Phương pháp nghiên cứu tập trung chủ yếu vào phân tích tổng thể các dữ liệu điều tra được từ khảo sát thực tế. Phương pháp này xuất phát từ thực tế là các biến độc lập (các câu trả lời định lượng hoặc định tính cho bản hỏi của cuộc điều tra) thường khơng có đầy đủ phẩm chất cần thiết để được đưa trực tiếp vào mơ hình thống kê. Các tập dữ liệu có thể có sai số, sai sót và bỏ sót. Sau khi được mã hóa dưới dạng số, một biến độc lập khơng cịn chứa các nhân tố cho phép phê duyệt biến đó. Làm sạch số liệu và mơ tả sơ bộ (sắp xếp dữ liệu, tính số liệu thống kê ban đầu, trung bình, độ lệch chuẩn, xem xét tính gắn kết tổng thể, hiển thị dữ liệu). Chính vì vậy, cần thiết phải kiểm tra và rà soát lại tất cả các dữ liệu trước khi sử dụng cho việc phân tích của mình. Đồng thời, sử dụng phần mềm IBM SPSS 23 để phân tích dữ liệu.
3.4.4.2. Nội dung khảo sát
Việc mơ tả mẫu giúp người xem nhìn nhận một cách tổng thể, rõ nét hơn về các đặc trưng của từng đối tượng khảo sát. Tác giả tiến hành thống kê các tiêu chí như: giới tính, trình độ học vấn, độ tuổi và thâm niên công tác.
Giới tính: Được thống kê ở cả Nam và Nữ
Trình độ học vấn: Ở ba mức độ: Cao đẳng, Đại học và Sau đại học.
Độ tuổi: Ở bốn mức độ: từ 23-30 tuổi, từ 31-40 tuổi, 41-50 tuổi và trên 50 tuổi Thâm niên công tác: Ở ba mức độ lần lượt là: dưới 3 năm, từ 3-5 năm và trên
5 năm.
3.4.4.3. Phương pháp xử lý dữ liệu phân tích
Quy trình phân tích dữ liệu được thực hiện qua hai giai đoạn trong nghiên cứu định lượng:
Giai đoạn 1: Nghiên cứu định lượng sơ bộ với cỡ mẫu n = 50 CBCC, kĩ thuật
phân tích được thực hiện theo các bước như sau:
Bước 1: Kiểm định độ tin cây Cronbach’s Alpha:
Giúp kiểm tra xem các biến quan sát của một nhân tố có đáng tin cậy hay không. Phép kiểm định này phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố; cho biết trong các biến quan sát của một nhân tố, biến nào đã đóng góp vào việc đo lường khái niệm nhân tố, biến nào không.
Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng (0;1). Về lý thuyết hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này khơng hồn tồn chính xác. Nếu hệ số này quá lớn (khoảng từ 0.95 trở lên) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau, hiện tượng này gọi là sự trùng lớp trong thang đo (Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, trang 364).
Nếu một biến đo lường có hệ số tương quan biến tổng: Corrected Item – Total Correlation ≥ 0.3 thì biến đó đạt u cầu (Nunnally, J. (1978), Psychometric Theory, New York, McGraw-Hill).
Mức giá trị hệ số Cronbach’s Alpha (Hồng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS Tập 2, NXB Hồng Đức, Trang 24):
Từ 0.8 đến gần bằng 1: Thang đo lường rất tốt
Từ 0.7 đến gần bằng 0.8: Thang đo lường sử dụng tốt Từ 06 trở lên: Thang đo lường đủ điều kiện
Bước 2: Phân tích nhân tố khám phá EFA:
Là một bước rất quan trọng khi phân tích dữ liệu định lượng bằng SPSS. Gọi tắt là EFA (Exploratory Factor Analysis): Dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F<k) các nhân tố có ý nghĩa hơn. Hai giá trị quan trọng được xem xét trong phân tích EFA là giá trị hội tụ và giá trị phân biệt:
Giá trị hội tụ: Các biến quan sát cùng tính chất hội tụ về cùng một nhân tố, khi
biểu diễn trong ma trận xoay, các biến này sẽ nằm chung một cột với nhau.
Giá trị phân biệt: Các biến quan sát hội tụ về nhân tố này và phải phân biệt
với các biến quan sát hội tụ ở nhân tố khác, khi biểu diễn trong ma trận xoay, từng nhóm biến sẽ tách thành từng cột riêng biệt.
Các tiêu chí trong phân tích EFA:
Hệ số KMO (Kaiser-Meyer-Olkin): Là một chỉ số dùng để xem xét sự thích
hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị từ 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến
quan sát trong nhân tố có tương quan với nhau hay không. Lưu ý, điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau
của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy khơng có ý nghĩa thống kê thì khơng nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân
tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích.
Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mơ hình
EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cơ đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này
biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại.
Nếu hệ số tải nằm trong khoảng ≤ 0.3 thì là điều kiện tối thiểu để biến quan sát được giữ lại; hệ số tải nằm trong khoảng ≤ 0.5 thì biến quan sát có ý nghĩa thống kê tốt; hệ số tải nằm lớn hơn 0.5 thì biến quan sát có ý nghĩa thống kê rất tốt.
Tuy nhiên, giá trị tiêu chuẩn của hệ số tải nên được xem xét cùng kích thước mẫu. Với từng khoảng kích thước mẫu khác nhau, mức hệ số tải để biến quan sát có ý nghĩa thống kê là hồn tồn khác nhau. Thường thì lấy hệ số tải 0.5 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến dưới 350; lấy tiêu chuẩn hệ số tải là 0.3 với cỡ mẫu từ 350 trở lên.
Giai đoạn 2: Nghiên cứu định lượng chính thức với mẫu nghiên cứu là N =
150 CBCC. Trình tự các bước thực hiện, kĩ thuật phân tích và tiêu chí đánh giá được thực hiện như sau:
Bước 2: Phân tích nhân tố khám phá EFA:
Tiêu chí đánh giá ở Bước 1 và Bước 2 giống như ở giai đoạn 1.
Bước 3: Kiểm định hệ số tương quan:
Phân tích tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau, được kí hiệu bằng chữ “r”
Các tiêu chí trong tương quan Pearson:
Tương quan Pearson có giá trị dao động trong khoảng (-1;1) (hệ số r chỉ có ý nghĩa khi sig nhỏ hơn 0.05).
Nếu r → 1: Tương quan tuyến tính càng mạnh, càng chặt chẽ và là tương quan dương,
Nếu r → -1: Tương quan tuyến tính càng mạnh, càng chặt chẽ nhưng là tương quan âm.
Nếu r → 0: Tương quan tuyến tính càng yếu
Nếu r = 1: Tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồ thị phân tán Scatter, các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng
Nếu r = 0: Khơng có mối tương quan tuyến tính. Lúc này sẽ có 2 tình huống xảy ra. Một là khơng có một mối liên hệ nào giữa 2 biến và hai là giữa chúng có mối liên hệ phi tuyến.
Bước 4: Kiểm định mơ hình hồi quy bội:
Kiểm định mơ hình hồi quy là bước quan trọng trong việc xác định các nhân tố có ảnh hưởng đến ĐLLV sau khi đã tiến hành đánh giá độ tin cậy Cronbach’s Alpha của thang đo, phân tích nhân tố EFA, phân tích tương quan. Với kết quả thu được từ phân tích hồi quy, tác giả phân tích đánh giá mức độ phù hợp của mơ hình, kết luận
mức độ tác động của các nhân tố đến ĐLLV, kiểm tra các hiện tượng tự tương quan và đa cộng tuyến. Cụ thể:
Giá trị R2 (R Square): Phản ánh mức độ giải thích biến phụ thuộc của các biến
độc lập trong mơ hình hồi quy. Mức độ dao động của giá trị này biến thiên trong khoảng (0;1).
R2 → 1: Mơ hình ước lượng càng có ý nghĩa R2 → 0: Mơ hình ước lượng càng yếu
R2 = 0: Mơ hình ước lượng khơng phù hợp
R2 nằm trong khoảng (0.5; 1): Mơ hình ước lượng là tốt R2 < 0.5: Mơ hình ước lượng chưa tốt
Giá trị Sig của kiểm định F (kiểm định Wald): Được sử dụng để kiểm định
mức độ phù hợp của mơ hình hồi quy. Nếu giá trị Sig. < 0.05: Mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Kiểm định hiện tượng tự tương quan (giá trị Dubin-Watson): Dùng để kiểm
tra hiện tượng tự tương quan chuỗi bậc nhất (kiểm định tương quan của các sai số kề nhau). Có giá trị biến thiên trong khoảng (0;4). Theo Yahua Qiao (2011), thường giá trị Dubin-Watson nằm trong khoảng 1.5 – 2.5 sẽ không xảy ra hiện tượng tự tương quan và đây cũng là mức giá trị tiêu chuẩn được sử dụng phổ biến hiện nay.
d: giá trị Dubin Watson
1 < d < 3: Mơ hình khơng bị hiện tượng tự tương quan
Kiểm định hiện tượng đa cộng tuyến (hệ số phóng đại phương sai VIF): Dùng
để kiểm tra hiện tượng đa cộng tuyến; Nếu VIF của một biến độc lập lớn hơn 10 thì nghĩa là đang có đa cộng tuyến xảy ra với biến độc lập đó, biến này sẽ khơng có giá trị giải thích biến thiên của biến phụ thuộc trong mơ hình hồi quy.
Kiểm định phân phối chuẩn của phần dư: Nếu giá trị trung bình Mean gần
bằng 0, phương sai của phần dư gần bằng 1, đường cong phân phối có dạng hình chng thì có thể khẳng định phân phối là xắp xỉ chuẩn.
Kiểm định phương sai thay đổi: Dựa vào độ phân tán của phần dư, nếu phần
dư phân tán đồng đều, không theo xu hướng nào (tăng hoặc giảm) thì kết luận phương sai phần dư không thay đổi.
Giá trị ý nghĩa thống kê Sig của kiểm định t: Được sử dụng để kiểm định ý
nghĩa của hệ số hồi quy. Nếu Sig kiểm định t của hệ số hồi quy của một biến độc lập nhỏ hơn 0.05, kết luận biến độc lập đó có tác động đến biến phụ thuộc. Nếu Sig kiểm định t của biến độc lập lớn hơn 0.05, thì kết luận biến độc lập đó khơng có sự tác động lên biến phụ thuộc. (t: Giá trị thống kê)
Hệ số hồi quy chuẩn hóa và chưa chuẩn hóa:
Hệ số hồi quy chưa chuẩn hóa: Đây là hệ số hồi quy được sử dụng phổ biến
để viết phương trình hồi quy. Tuy nhiên, khơng nhận xét thứ tự tác động của các biến độc lập lên biến phụ thuộc dựa vào hệ số hồi quy chưa chuẩn hóa bởi các biến độc lập không đồng nhất về đơn vị hoặc nếu đồng nhất về đơn vị thì độ lệch chuẩn các biến cũng khác nhau. Phương trình hồi quy chưa chuẩn hóa có dạng:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + e
Đối với phương trình dạng này, các hệ số hồi quy phản ánh sự thay đổi của biến phụ thuộc khi một biến độc lập thay đổi và các biến độc lập còn lại giữ nguyên
Hệ số hồi quy đã chuẩn hóa: Dùng để nhận xét mức độ tác động của các biến
độc lập lên biến phụ thuộc (biến nào tác động mạnh, biến nào tác động yếu). Nếu biến độc lập nào có trị tuyệt đối của hệ số hồi quy đã chuẩn hóa Beta lớn nhất thì tác động mạnh nhất lên biến phụ thuộc và ngược lại. Phương trình hồi quy đã chuẩn hóa có dạng:
3.5. Mẫu nghiên cứu chính thức
Mẫu nghiên cứu chính thức được chọn bằng phương pháp thuận tiện, khảo sát trực tuyến qua Microsoft Forms. Sau khi nhận được sự đồng ý, đường dẫn bảng câu hỏi khảo sát được gửi trực tiếp đến từng CBCC. Để đảm bảo độ tin cậy của nghiên cứu thì việc lựa chọn cỡ mẫu thích hợp là rất cần thiết. Về nguyên tắc cỡ mẫu càng lớn thì kết quả nghiên cứu càng chính xác, tuy nhiên cỡ mẫu quá lớn sẽ ảnh hưởng đến chi phí và thời gian thực hiện nghiên cứu. Đối với nghiên cứu này, tác giả sử dụng phương pháp lấy mẫu thuận tiện do hạn chế về chi phí và thời gian thực hiện nghiên cứu. Tuy nhiên cỡ mẫu vẫn đảm bảo độ tin cậy cần thiết của nghiên cứu.
Kết quả khảo sát trực tuyến cho thấy có đầy đủ 150 CBCC phản hồi, trong đó có tất cả đều phù hợp. Hair & cộng sự (2010) cho rằng kích thước mẫu tối thiểu phải từ 100 đến 150. Nguyễn Đình Thọ (2014) đề xuất mẫu được chọn theo phương pháp thuận tiện: 5 * số biến quan sát. Như vậy, trong nghiên cứu này tác giả sử dụng tối thiếu số phiếu nghiên cứu ứng với 24 biến quan sát là: 5x24= 120.
3.6. Kết quả nghiên cứu sơ bộ
Tác giả thu nhận bảng câu hỏi khảo sát, kiểm tra những phiếu không hợp lệ, đồng thời tiến hành làm sạch thơng tin, mã hóa các thơng tin cần thiết trong bảng trả